Quanto custa a API do Grok Imagine? Texto para imagem a partir de $0.03, vídeo a $0.015 por segundo

Grok Imagine é a família de modelos de geração de imagem e vídeo da xAI. Na HiAPI, ela é exposta através da interface unificada /v1/tasks, com imagens cobradas por unidade e vídeos por segundo, tudo em pagamento por uso. Sem assinatura, sem licenciamento por assento e sem cobrança por token. Este artigo detalha os preços reais de 2026 por endpoint (os preços foram reverificados em 2026-10-17 contra a tabela de preços em tempo real da HiAPI), explica exatamente quanto custa cada chamada e apresenta um método para estimar e limitar o custo antes de escalar.

Na HiAPI, o Grok Imagine é uma família, não um modelo único. O lado de imagem tem três níveis (Basic, Quality, Image 2.0), e o lado de vídeo tem três endpoints (texto para vídeo, imagem para vídeo e imagem para vídeo 1.5). Cada nível tem preço diferente, então vamos abrir a tabela completa de preços primeiro.

Visão geral dos preços da API Grok Imagine (2026)

Os preços abaixo estão em dólares. Imagens são cobradas por unidade gerada com sucesso, e vídeos por segundo.

Imagem (por unidade)

Endpoint	Preço	Observação
Texto para imagem · Basic	$0.03	O nível mais barato da família, focado em velocidade e proporções ultrawide
Imagem para imagem · Basic	$0.03 + $0.003 por imagem de referência	1 a 3 imagens de referência
Texto para imagem · Quality	$0.07	Posicionado pela plataforma como tendo mais detalhes
Imagem para imagem · Quality	$0.08 + $0.015 por imagem de referência	1 a 3 imagens de referência
Texto para imagem · Image 2.0	$0.052	Geração mais recente, cobre de 1K a 2K
Imagem para imagem · Image 2.0	$0.065	Edição de imagem com uma única imagem de referência

Vídeo (por segundo)

Endpoint	Preço	Duração por trecho
Texto para vídeo	$0.015/s	6 a 30 segundos
Imagem para vídeo	$0.015/s	6 a 30 segundos
Imagem para vídeo 1.5	$0.015/s	1 a 15 segundos

Essa é a tabela completa. O preço da imagem depende apenas do nível escolhido, com preço por nível e sem acréscimo por resolução de saída; o preço do vídeo depende apenas dos segundos, independente de resolução, movimento de câmera ou áudio. Tarefas com falha não são cobradas, e novas tentativas por timeout ou por prompt bloqueado não custam nada.

Como escolher entre os três níveis de imagem

A diferença entre os três níveis está no posicionamento e no preço unitário; onde o preço dobra, é preciso investir com critério.

• Basic, $0.03 por unidade. O nível mais barato da família, posicionado pela plataforma como rápido e com suporte a proporções ultrawide. Indicado para esboços, imagens para redes sociais, produção em lote e qualquer imagem que ainda vai passar por várias iterações. Texto para imagem e imagem para imagem têm o mesmo preço, e o imagem para imagem acrescenta $0.003 por imagem de referência.
• Image 2.0, $0.052 em texto para imagem e $0.065 em imagem para imagem. Geração mais recente, cobre saídas de 1K a 2K. Use quando quiser resultados mais estáveis e maior resolução. Este nível tem um detalhamento de preços próprio; clique para se aprofundar.
• Quality, $0.07 em texto para imagem e $0.08 em imagem para imagem. O nível mais caro da família, posicionado pela plataforma como tendo mais detalhes. Reserve para capas, peças principais e imagens que serão ampliadas. O imagem para imagem acrescenta $0.015 por imagem de referência.

Não existe uma resposta universal sobre qual nível tem a melhor qualidade; recomendamos gerar uma imagem com seus próprios prompts em cada nível e comparar antes de decidir.

O que $0.03 compra

Cobrança por unidade parece abstrata, mas fica concreta ao ver uma imagem gerada no nível Basic por $0.03. A imagem abaixo foi gerada de fato com texto para imagem no nível Basic, a três centavos de dólar:

Prompt usado (pode copiar diretamente):

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 três centavos por imagem, $1 gera 33 imagens e $10 geram 333 imagens. O nível Basic entrega 1K de forma estável; para uma peça final em 2K, use o nível Image 2.0. Para produzir esse tipo de imagem atmosférica em lote, o custo é tão baixo que dá para gerar dezenas de uma vez e só depois escolher.

Como o vídeo é calculado: $0.015 por segundo

Os três endpoints de vídeo têm o mesmo preço, $0.015 por segundo, independente de resolução, movimento de câmera ou áudio. A conta é simplesmente segundos multiplicados pelo preço unitário.

Duração por trecho	Custo ($0.015/s)
6 segundos	$0.09
10 segundos	$0.15
15 segundos	$0.225
30 segundos	$0.45

Texto para vídeo e imagem para vídeo têm duração por trecho de 6 a 30 segundos, e o imagem para vídeo do Grok Imagine 1.5 tem de 1 a 15 segundos; o preço é o mesmo, a diferença está no tipo de entrada fornecida e na duração desejada. O nível 1.5 tem uma explicação de preços própria, dedicada a como estimar a cobrança de vídeo por segundo.

A um centavo e meio por segundo, um clipe de 10 segundos sai por quinze centavos, barato o suficiente para gerar várias versões e escolher depois.

O que dá para fazer com $1 e com $10

Comparando o poder de compra dos três níveis de imagem e do vídeo:

Orçamento	Imagens Basic	Imagens Image 2.0	Imagens Quality	Vídeo
$1	33 imagens	cerca de 19 imagens	cerca de 14 imagens	cerca de 66 segundos
$10	333 imagens	cerca de 192 imagens	cerca de 142 imagens	cerca de 666 segundos

Novas contas ganham créditos gratuitos no cadastro, então os primeiros testes de imagem e vídeo não saem do seu bolso.

Pagamento por uso vs. acesso direto

Mais importante do que um número isolado é a estrutura. Na HiAPI, o Grok Imagine é puramente por uso: você paga apenas pelas chamadas bem-sucedidas, imagens por unidade e vídeos por segundo, sem mensalidade, sem planos de assinatura que precisam ser consumidos aos poucos, e uma única API Key cobre todos os endpoints da família e outros modelos da HiAPI.

O acesso direto ou de primeira parte tem um formato de custo diferente. O acesso original do Grok Imagine é mais voltado a assinatura de consumidor final; integrá-lo ao seu produto por chamada não é o foco dele. Outros acessos de terceiros cobram conforme seus próprios termos, que variam por região e mudam com frequência. Não fazemos comparação linha a linha; a resposta honesta é que depende do seu volume e de onde você roda. O que aqui é certo e verificável é a estrutura de cobrança: na HiAPI, a medição é por unidade ou por segundo, falhas não são cobradas e não há compromisso de fidelidade.

Como estimar e controlar custos em escala

Algumas alavancas basicamente determinam a maior parte da conta:

• Use o nível Basic para produção em lote e suba de nível só na versão final. Na fase de exploração, cada imagem custa só $0.03; regenere as aprovadas com Image 2.0 ($0.052) ou Quality ($0.07), e as descartadas já ficaram mais baratas.
• As imagens de referência do imagem para imagem acrescentam custo. No nível Basic, +$0.003 por imagem de referência; no Quality, +$0.015; no máximo 3. Não anexe referências desnecessárias e inclua esse valor no orçamento.
• Peça apenas os segundos de vídeo necessários. Cada segundo custa $0.015; reduzir os 30 segundos planejados para os 10 realmente necessários baixa o custo desse trecho de $0.45 para $0.15.
• Faça as novas tentativas não custarem nada. Tarefas com falha não são cobradas, timeouts ou bloqueios não descontam do seu saldo, então você pode implementar lógica de retry com tranquilidade.
• Calcule a conta antes de rodar. O custo de imagem é o número de imagens multiplicado pelo preço de cada nível, e o custo de vídeo é o número de segundos multiplicado por $0.015; substitua seus volumes e terá um número concreto. Para ver a versão genérica dessa abordagem em vários modelos, leia controlar custos de APIs de imagem e vídeo com IA.

Como chamar o Grok Imagine na HiAPI

Uma única API Key cobre todos os endpoints da família. Imagens e vídeos usam a interface de tarefas assíncronas: POST /v1/tasks retorna um taskId, e você consulta GET /v1/tasks/{taskId} até o status virar success (ou passa callback.url no nível superior para receber uma notificação de callback) e então baixa o resultado. Pagamento por uso, sem consumo mínimo, falhas não são cobradas.

Este artigo cobre apenas custos e vai até a estrutura de cobrança. Para o corpo completo da requisição (aspect_ratio / resolution de imagem, image_urls de imagem para imagem, campos de duração de vídeo) e exemplos de curl e Python prontos para copiar, consulte a documentação da HiAPI.

Perguntas frequentes

Quanto custa a API do Grok Imagine? Na HiAPI, imagens são por unidade: Basic texto para imagem $0.03, Image 2.0 $0.052, Quality $0.07; vídeos são por segundo, com os três endpoints a $0.015 por segundo. Sem assinatura e sem cobrança por token.

Imagem para imagem é mais caro que texto para imagem? Nos níveis Basic e Image 2.0 o preço base é o mesmo de texto para imagem (Basic $0.03, Image 2.0 $0.065), mas o imagem para imagem acrescenta $0.003 por imagem de referência no Basic e $0.015 por imagem de referência no Quality; no Quality, o imagem para imagem custa $0.08. É possível anexar no máximo 3 imagens de referência.

A resolução afeta o preço? Não. As imagens têm preço por nível, e resoluções de saída diferentes dentro do mesmo nível têm o mesmo preço. O nível Basic entrega 1K de forma estável; para uma peça final em 2K, use o nível Image 2.0.

O vídeo é cobrado por trecho ou por segundo? Por segundo. A cobrança é o número de segundos multiplicado por $0.015, então um clipe de 10 segundos custa $0.15 e um de 30 segundos custa $0.45. Texto para vídeo e imagem para vídeo têm de 6 a 30 segundos por trecho, e o imagem para vídeo 1.5 tem de 1 a 15 segundos.

Gerações com falha são cobradas? Não. Apenas tarefas bem-sucedidas são cobradas; timeouts, prompts bloqueados e novas tentativas não custam nada.

Conclusões principais

O orçamento do Grok Imagine fica fácil de calcular separando imagem e vídeo. Imagem é o número de unidades multiplicado pelo preço de cada nível: Basic $0.03, Image 2.0 $0.052, Quality $0.07, sem acréscimo por resolução, e o imagem para imagem acrescenta um pouco por imagem de referência. Vídeo é o número de segundos multiplicado por $0.015, com o mesmo preço nos três endpoints, limitado a $0.45 por trecho de 30 segundos. Use o nível Basic para explorar em lote, suba de nível na versão final ou quando precisar de detalhes, peça apenas os segundos de vídeo que serão usados e conte com novas tentativas sem custo em caso de falha.

Quer calcular um número real para o seu volume de trabalho? Novas keys já vêm com créditos gratuitos, a primeira imagem não custa nada; abra a página do modelo Grok Imagine texto para imagem e gere sua primeira imagem agora.

Leitura complementar

• Grok Image 2.0 vs GPT Image 2: comparação com o mesmo prompt, qual é mais adequado para você?
• Como usar a API de texto para imagem do Grok Image 2.0? Gere a primeira imagem em 5 minutos