¿Cuánto cuesta la API de Grok Imagine? Texto a imagen desde $0.03, video a $0.015 por segundo

Grok Imagine es una familia de modelos de generación de imágenes y videos creada por xAI. En HiAPI se expone a través de la interfaz unificada /v1/tasks; las imágenes se facturan por unidad y los videos por segundo, todo con pago por uso. No hay suscripciones, ni licencias por asiento, ni facturación por token. Este artículo desglosa los precios reales de 2026 por endpoint (los precios se verificaron de nuevo el 2026-10-17 contra los precios en tiempo real de HiAPI), explica cuánto cuesta exactamente cada llamada y ofrece un método para estimar y poner un techo al costo antes de escalar.

Grok Imagine en HiAPI es una familia, no un modelo único. El lado de imágenes tiene tres niveles (Basic, Quality, Image 2.0) y el lado de video tiene tres endpoints (texto a video, imagen a video y el imagen a video de 1.5). Cada nivel tiene un precio distinto, así que primero veamos la tabla de precios completa.

Resumen de precios de la API de Grok Imagine (2026)

Todos los precios a continuación están en dólares estadounidenses. Las imágenes se facturan por cada imagen generada con éxito y los videos por segundo.

Imágenes (por imagen)

Endpoint	Precio	Descripción
Texto a imagen · Nivel Basic	$0.03	El nivel más económico de la familia, enfocado en velocidad y formatos ultra anchos
Imagen a imagen · Nivel Basic	$0.03 + $0.003 por imagen de referencia	De 1 a 3 imágenes de referencia
Texto a imagen · Nivel Quality	$0.07	La plataforma lo posiciona como de mayor detalle
Imagen a imagen · Nivel Quality	$0.08 + $0.015 por imagen de referencia	De 1 a 3 imágenes de referencia
Texto a imagen · Image 2.0	$0.052	Generación más reciente, cubre de 1K a 2K
Imagen a imagen · Image 2.0	$0.065	Edición de imagen con una sola imagen de referencia

Video (por segundo)

Endpoint	Precio	Duración por clip
Texto a video	$0.015/segundo	6 a 30 segundos
Imagen a video	$0.015/segundo	6 a 30 segundos
Imagen a video 1.5	$0.015/segundo	1 a 15 segundos

Esto es toda la lista de precios. El precio de las imágenes depende solo del nivel que elijas, se cobra por nivel y no se recarga por la resolución de salida; el precio del video depende solo de los segundos y no tiene relación con la resolución, el movimiento de cámara ni el audio. Las tareas fallidas no se facturan y los reintentos tras un tiempo de espera agotado o un prompt bloqueado no cuestan nada.

Cómo elegir entre los tres niveles de imagen

La diferencia entre los tres niveles está en el posicionamiento y el precio unitario; donde el precio se duplica hay que gastar con criterio.

• Nivel Basic, $0.03 por imagen. El nivel más económico de la familia, posicionado para velocidad y compatibilidad con formatos ultra anchos. Ideal para bocetos, imágenes para redes sociales, producción masiva y cualquier imagen que todavía vaya a ajustarse varias veces. Texto a imagen e imagen a imagen tienen el mismo precio, y en imagen a imagen se suma $0.003 por cada imagen de referencia.
• Nivel Image 2.0, texto a imagen $0.052 e imagen a imagen $0.065. Generación más reciente, cubre salidas de 1K a 2K. Úsalo cuando quieras resultados más estables y mayor resolución. Este nivel tiene un desglose de precios propio; entra si quieres profundizar.
• Nivel Quality, texto a imagen $0.07 e imagen a imagen $0.08. El nivel más caro de la familia, posicionado como de mayor detalle. Resérvalo para portadas, imágenes principales y gráficos que se verán ampliados. En imagen a imagen se suma $0.015 por cada imagen de referencia.

No hay una respuesta universal sobre qué nivel ofrece la mejor calidad; se recomienda generar una imagen con cada uno usando tus propios prompts y comparar antes de decidir.

Qué se obtiene con $0.03 por imagen

La facturación por imagen suena abstracta, pero se vuelve concreta al ver una imagen generada con el nivel Basic por $0.03. La siguiente imagen se generó realmente con texto a imagen del nivel Basic, por tres centavos:

El prompt utilizado (se puede copiar directamente):

A cozy specialty coffee shop storefront on a rainy evening, warm golden light spilling from the windows onto glistening wet cobblestones, a handwritten chalkboard menu by the door, hanging plants and a vintage bicycle leaning against weathered brick, soft reflections in the puddles, cinematic color grade, rich atmospheric detail, 35mm look, photorealistic

A tres centavos por imagen, con $1 se pueden generar 33 imágenes y con $10, 333 imágenes. El nivel Basic genera de forma estable a 1K; si quieres resultados en 2K, usa el nivel Image 2.0. Para producir en masa este tipo de imágenes atmosféricas, el costo es tan bajo que se pueden generar decenas de una vez y luego elegir.

Cómo se calcula el video: $0.015 por segundo

Los tres endpoints de video tienen el mismo precio, $0.015 por segundo, sin relación con la resolución, el movimiento de cámara ni el audio. La factura es simplemente los segundos multiplicados por el precio unitario.

Duración por clip	Costo ($0.015/segundo)
6 segundos	$0.09
10 segundos	$0.15
15 segundos	$0.225
30 segundos	$0.45

La duración por clip de texto a video e imagen a video es de 6 a 30 segundos, y la de imagen a video de Grok Imagine 1.5 es de 1 a 15 segundos; el precio es el mismo, la diferencia está en la entrada que proporciones y en la duración que necesites. Este nivel 1.5 tiene una explicación de precios propia, dedicada a cómo estimar la facturación de video por segundo.

A un centavo y medio por segundo, un clip de 10 segundos cuesta quince centavos, tan barato que se pueden generar varias versiones y luego elegir.

Cuánto se puede hacer con $1 y con $10

Comparemos el poder de compra de los tres niveles de imagen y del video:

Presupuesto	Imágenes Basic	Imágenes Image 2.0	Imágenes Quality	Video
$1	33 imágenes	unas 19 imágenes	unas 14 imágenes	unos 66 segundos
$10	333 imágenes	unas 192 imágenes	unas 142 imágenes	unos 666 segundos

Las cuentas nuevas incluyen crédito gratuito al registrarse, así que las primeras imágenes y clips de prueba no cuestan nada.

Pago por uso vs. integración directa

Más que una cifra individual, lo que hay que mirar es la estructura. Grok Imagine en HiAPI es de pago puro por uso: solo se paga por las llamadas exitosas, las imágenes por unidad y los videos por segundo, sin cuotas mensuales, sin planes de suscripción que consumir poco a poco, y una sola API Key cubre todos los endpoints de la familia y otros modelos de HiAPI.

La estructura de costos de la integración directa o de primera parte es distinta. El acceso original de Grok Imagine está más orientado a suscripciones de consumo y no es su terreno integrarse por llamadas en tu propio producto; otros accesos de terceros facturan según sus propias condiciones, que varían por región y cambian con frecuencia. No hacemos comparación línea por línea; la respuesta honesta es que depende de tu volumen y de dónde lo ejecutes. Lo que aquí es seguro y verificable es la estructura de facturación: en HiAPI se cobra por imagen o por segundo, las fallas no se facturan y no hay compromisos vinculantes.

Cómo estimar y controlar el costo a escala

Unas pocas palancas determinan la mayor parte:

• Usa el nivel Basic para producción masiva y sube de nivel al aprobar. En la fase de exploración solo gastas $0.03 por imagen; las que conserves se regeneran con Image 2.0 ($0.052) o Quality ($0.07), y los borradores descartados ya te ahorraron dinero.
• Las imágenes de referencia de imagen a imagen añaden costo. En el nivel Basic, +$0.003 por imagen de referencia; en Quality, +$0.015, con un máximo de 3. Para ahorrar, no añadas imágenes de referencia innecesarias e incluye este costo en el presupuesto.
• Solicita solo los segundos de video que necesites. Cada segundo se factura a $0.015; reducir un clip planificado de 30 segundos a los 10 que realmente usarás baja el costo de $0.45 a $0.15.
• Haz que los reintentos no cuesten. Las tareas fallidas no se facturan y los tiempos de espera agotados o los bloqueos no descuentan tu dinero, así que puedes implementar lógica de reintentos con confianza.
• Calcula la cuenta antes de ejecutar. El costo de imágenes es el número de imágenes por el precio unitario de cada nivel, y el de video es el número de segundos por $0.015; sustituye tu volumen y obtendrás una cifra exacta. Si quieres ver la versión general de este enfoque para distintos modelos, lee Controlar el costo de las API de imágenes y videos de IA.

Cómo llamar a Grok Imagine en HiAPI

Una sola API Key cubre todos los endpoints de la familia. Tanto imágenes como videos usan la interfaz de tareas asíncronas: POST /v1/tasks devuelve un taskId, consulta GET /v1/tasks/{taskId} hasta que status cambie a success (o pasa callback.url en el nivel superior para que te notifique mediante callback) y luego descarga el resultado. Pago por uso, sin mínimo de consumo, las fallas no se facturan.

Este artículo solo trata el costo, hasta la estructura de facturación. Para el cuerpo completo de la solicitud (el aspect_ratio / resolution de las imágenes, el image_urls de imagen a imagen, el campo de duración del video) y ejemplos de curl y Python listos para copiar, consulta la documentación de HiAPI.

Preguntas frecuentes

¿Cuánto cuesta la API de Grok Imagine? En HiAPI, las imágenes se cobran por unidad: texto a imagen del nivel Basic $0.03, nivel Image 2.0 $0.052, nivel Quality $0.07; el video se cobra por segundo y los tres endpoints cuestan $0.015 por segundo. No hay suscripciones ni facturación por token.

¿Es más caro imagen a imagen que texto a imagen? En el nivel Basic tiene el mismo precio que texto a imagen ($0.03), solo que imagen a imagen suma $0.003 por cada imagen de referencia; en el nivel Quality, imagen a imagen cuesta $0.08 y +$0.015 por cada imagen de referencia; en Image 2.0, imagen a imagen cuesta $0.065. Se pueden adjuntar como máximo 3 imágenes de referencia.

¿La resolución afecta el precio? No. Las imágenes se cobran por nivel y, dentro de un mismo nivel, las distintas resoluciones de salida tienen el mismo precio. El nivel Basic genera de forma estable a 1K; para resultados en 2K, usa el nivel Image 2.0.

¿El video se cobra por clip o por segundo? Por segundo. El cargo es el número de segundos por $0.015, así que un clip de 10 segundos cuesta $0.15 y uno de 30 segundos, $0.45. Texto a video e imagen a video admiten clips de 6 a 30 segundos; imagen a video 1.5, de 1 a 15 segundos.

¿Se paga por las generaciones fallidas? No. Solo se factura las tareas exitosas; los tiempos de espera agotados, los prompts bloqueados y los reintentos no cuestan nada.

Conclusiones clave

El presupuesto de Grok Imagine se calcula fácilmente si se separan imágenes y videos. Las imágenes son el número de imágenes por el precio unitario de cada nivel: Basic $0.03, Image 2.0 $0.052, Quality $0.07; la resolución no añade costo y en imagen a imagen se suma un poco por cada imagen de referencia. El video es el número de segundos por $0.015, con el mismo precio en los tres endpoints y un máximo de $0.45 por clip de 30 segundos. Usa el nivel Basic para explorar en producción masiva, sube a un nivel superior al aprobar o cuando necesites detalle, solicita solo los segundos de video que vayas a usar y aprovecha que los reintentos fallidos no cuestan.

¿Quieres calcular una cifra real para tu volumen de trabajo? Las nuevas claves incluyen crédito gratuito, la primera imagen no cuesta nada; abre la página del modelo de texto a imagen de Grok Imagine y genera tu primera imagen ahora.

Lecturas adicionales

• Grok Image 2.0 vs GPT Image 2: comparación con el mismo prompt, ¿cuál te conviene más?
• ¿Cómo usar la API de texto a imagen de Grok Image 2.0? Genera tu primera imagen en 5 minutos