Grok Imagine od xAI - cztery modele, stawki i jak radzi sobie z polskim

Pod marką Grok Imagine xAI ukrywa kilka różnych modeli i łatwo je pomylić. W Kadrarisie obraz z Grok Imagine Image 2.0 kosztuje 0,264 zł za obraz, ze starszego Grok Imagine 0,144 zł za obraz, a wideo z Grok Imagine 1.0 Video od 0,173 zł za sekundę. Darmowego dostępu nie ma, ale nie ma też abonamentu, a płacisz tylko za udane wyniki.

Opisuję wszystkie cztery modele, wyniki dwóch moich testów (jeden we wrześniu, drugi w sierpniu 2026) i gotowe zapytania do Studio i API.

Do czego Grok Imagine się nadaje

Zacznę od końca, bo to najważniejsze przy wyborze:

• Napisy po polsku na szyldach, plakatach, etykietach. Image 2.0 w mojej próbie nie pomylił żadnej litery.
• Grafika udająca konkretną dekadę - stary afisz, rycina do bajki, wszystko, co ma przypominać dawny styl.
• Grafiki, na których nie może być tekstu - Grok słucha zakazu.
• Tapety na smartfon - stary model obsługuje 9:19.5 i 9:20, więc nic nie trzeba przycinać.
• Półminutowe ujęcie - Video 1.0 zrobi do 30 s z jednego opisu.
• Portret, który mówi - Video 1.5 ze zdjęcia, z dźwiękiem.

Do fotorealistycznych zdjęć konkretnych miejsc i produktów sięgnąłbym raczej po Nano Banana albo GPT Image. Uzasadnienie jest w zestawieniu GPT Image 2.5 vs Nano Banana Pro vs FLUX.2.

Kto jest kim w rodzinie

Czego nie wyczytasz z samych nazw:

• Image 2.0 w Kadrarisie pracuje tylko na tekście. Pliku do przeróbki nie przyjmie, a jakość i rozdzielczość są stałe. Edycje robisz w starszym modelu.
• Starszy Grok Imagine ma bardzo wydłużone formaty 9:19.5 i 9:20, czyli ekran telefonu bez kadrowania.
• Video 1.0 ciągnie ujęcie do pół minuty, tyle że xAI nie wspomina przy nim o audio.
• Video 1.5 potrzebuje dokładnie jednego zdjęcia. Z samego opisu nie ruszy, za to dodaje dźwięk i dialog zsynchronizowany z obrazem.

Ile to kosztuje

Obrazy mają stałą stawkę za sztukę, wideo jest liczone za sekundę.

Obrazy:

• Image 2.0 kosztuje 0,264 zł za obraz przy każdym formacie.
• Starszy Grok Imagine to 0,144 zł za obraz bez względu na to, czy wybierzesz standard, high, 1K czy 2K. Przeróbka zdjęcia kosztuje tyle samo co nowy obraz.
• num_images: 4 oznacza czterokrotność stawki.

Przy wideo liczy się jakość klipu:

Klip z Video 1.5 bez audio nie jest tańszy. Rozpiskę dla wszystkich progów masz na podstronach modeli, choćby Grok Imagine Video 1.5. Kwotę konkretnego zadania znasz przed wysłaniem - na przycisku "Generuj" w Studio albo w estimated_cost w API.

Rozliczenie idzie w złotych z 23% VAT, płacisz BLIK-iem lub kartą, fakturę VAT zaznaczasz przy doładowaniu. Cały cennik: cennik.

A za darmo?

Tu odpowiedź brzmi: nie. Brak bezpłatnego planu ani kredytów startowych, najmniejsza wpłata to 40 zł. Wpłacone środki nie mają daty ważności, a miesięcznej opłaty nie ma, więc korzystasz z nich w swoim tempie. Generacje nieudane, także odrzucone przez filtr treści, kosztują 0 zł.

W aplikacji Groka pod koniec września 2026 obrazy wymagały wykupienia SuperGroka, a bezpłatne konto dawało rozmowę, wyszukiwarkę i głos. xAI często przesuwa te granice, więc aktualny stan sprawdź u nich.

Moje dwa testy

Oba robiłem przez API, po jednej próbie na polecenie, bez wybierania najlepszego wyniku.

Wrzesień: Image 2.0 i polskie litery

27 września Image 2.0 przeszedł pięć zadań z mojego rankingu generatorów obrazów (16:9, 1K). Wyszło 8,6/10 - trzecia lokata, dzielona z innym modelem, w stawce ośmiu.

Dla nas kluczowe: polskie znaki bez jednego błędu. Szyld piekarni z napisem "ŻÓŁĆ" oceniłem na 9,5/10, każdy ogonek jest tam, gdzie trzeba.

Na scenie z targu model sam dopisał tekturkę z cenami warzyw - również poprawną - a całość wyglądała najbardziej kinowo ze wszystkich prób, z rozmytym tłem.

Minusem był czas. W tej próbie Image 2.0 był najwolniejszy z ośmiu: średnio 71,5 s na obraz, w przedziale 55-83 s. U nas tempo może się różnić, mimo to przy Groku nie liczę na obraz w 60 sekund i w API używam ?wait=120.

Sierpień: pojedynek z Nano Banana 2

W sierpniu postawiłem Groka naprzeciw Nano Banana 2 w czterech rundach. Nano Banana wygrała 2,5:1,5, ale rundy Groka były ciekawe.

Pierwsza wygrana to posłuszeństwo. Ilustracja z jeżem za kawiarnianym kontuarem miała zakaz napisów. Grok go dotrzymał, Nano Banana dorysowała na workach z kawą pseudotekst.

Druga wygrana to styl. Plakat turystyczny w estetyce mid-century wyszedł u Groka jak oryginał sprzed lat: słońce z promieniami, geometryczne chmury, płaskie pola koloru.

Przegrana przyszła przy fotorealizmie. Widok na dachy Starego Miasta w Warszawie po deszczu był klimatyczny, tylko ptaki rozlały się w smugi, a panorama mogła przedstawiać dowolnym europejskim miastem. Nano Banana pokazała Warszawę, którą da się rozpoznać.

Wniosek z obu prób: Grok traktuje polecenie bardzo dosłownie. Niczego nie dodaje od siebie i nie łamie zakazów. Dlatego warto dawać mu rozbudowane, precyzyjne opisy, a 10 000 znaków to spory zapas. Jak je układać, tłumaczę w przewodniku jak pisać prompty do obrazów AI.

Pierwsza generacja w Studio

1. Potrzebujesz konta i salda (wpłata od 40 zł).
2. W Studio przejdź do sekcji Obraz i kliknij Grok Imagine Image 2.0; klipy znajdziesz w sekcji Wideo.
3. Wpisz opis, wybierz format i liczbę obrazów.
4. Do edycji zdjęcia przełącz się na starszy Grok Imagine i dodaj plik w polu referencji.
5. Sprawdź kwotę i kliknij Generuj.

Wszystkie wyniki zostają w historii konta.

Zapytania do API

export KADRARIS_API_KEY="sk-kd-..."

Image 2.0 z opisu

curl "https://kadraris.com/v1/generate?wait=120" \
  -H "Authorization: Bearer $KADRARIS_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "grok-imagine-image-2.0",
    "input": {
      "prompt": "A small bookshop on a rainy street at night, wooden sign with white letters reading \"KSIĘGARNIA ŚWIT\", warm window light, 35mm photo",
      "aspect_ratio": "3:2",
      "num_images": 2
    }
  }'

Dozwolone formaty Image 2.0: 1:1, 2:3, 3:2, 3:4, 4:3, 9:16, 16:9. Wartości 1:2, 2:1, 4:5 i auto zwrócą błąd.

Edycja w starszym Grok Imagine

{
  "model": "grok-imagine",
  "input": {
    "prompt": "Make it a snowy winter morning, keep the house, the car and the dog exactly as they are",
    "image_urls": ["https://twoja-domena.pl/pliki/dom.jpg"],
    "quality": "high",
    "resolution": "2k"
  }
}

Ten model bierze jeden plik na raz. Gdy potrzebujesz kilku referencji, wybierz np. Nano Banana Pro.

Mówiące zdjęcie w Video 1.5

{
  "model": "grok-imagine-video-1.5",
  "input": {
    "prompt": "He puts down the cup, grins and says: \"Told you it would work.\" Kettle whistles in the background.",
    "image_url": "https://twoja-domena.pl/pliki/kuchnia.jpg",
    "duration": 8,
    "resolution": "720p",
    "aspect_ratio": "9:16",
    "generate_audio": true
  }
}

Długie ujęcie w Video 1.0

{
  "model": "grok-imagine-1.0-video",
  "input": {
    "prompt": "Slow drone flight over autumn hills: first a vineyard, then a small chapel, finally fog rolling into the valley",
    "duration": 20,
    "resolution": "480p",
    "aspect_ratio": "16:9"
  }
}

duration wpisujesz jako liczbę, nie tekst. W dłuższych klipach rozpisuję akcję na etapy, inaczej scena zaczyna się zapętlać.

Skrypt w Pythonie

import os
import time
import requests

API = "https://kadraris.com/v1"
KEY = os.environ["KADRARIS_API_KEY"]
HEADERS = {"Authorization": f"Bearer {KEY}"}

r = requests.post(
    f"{API}/generate?wait=120",
    headers=HEADERS,
    json={
        "model": "grok-imagine-image-2.0",
        "input": {
            "prompt": "Vintage railway poster of the Baltic "
                      "coast, lighthouse and dunes, flat "
                      "colors, no text",
            "aspect_ratio": "2:3",
            "num_images": 2,
        },
    },
    timeout=150,
)
task = r.json()

# 202 = nie zdążyło w 120 s, dopytuję co 10 s
while task["status"] not in ("succeeded", "failed"):
    time.sleep(10)
    task = requests.get(f"{API}/tasks/{task['id']}",
                        headers=HEADERS, timeout=30).json()

if task["status"] == "succeeded":
    for i, item in enumerate(task["output"]):
        with open(f"grok_{i}.png", "wb") as f:
            f.write(requests.get(item["url"],
                                 timeout=60).content)
    print("pobrano z salda:", task["cost"])
else:
    print("porażka, 0 zł:", task["error"])

Linki w output wygasają, dlatego zapisuję pliki od razu. Jeśli format ma znaczenie, sprawdź Content-Type przy pobieraniu. Więcej przykładów w poradniku o generowaniu obrazów w Pythonie.

Wizerunek innych osób

Video 1.5 robi przekonujące mówiące portrety i właśnie dlatego wymaga ostrożności. Zanim wyślesz czyjeś zdjęcie, upewnij się, że ta osoba zgadza się na użycie wizerunku. W Kadrarisie Video 1.5 działa z włączonym filtrem treści, a zadanie zatrzymane przez filtr kończy się porażką i nic nie kosztuje.

Pytania

Który Grok Imagine wybrać do edycji zdjęcia?

Starszy grok-imagine - przyjmuje jedno zdjęcie w image_urls i ma wybór jakości oraz rozdzielczości. Image 2.0 w Kadrarisie tworzy obrazy wyłącznie z opisu.

Ile zapłacę za 10-sekundowy klip z Video 1.0?

W 480p to 10 x od 0,173 zł za sekundę, w 720p około 1,8 raza więcej. Dokładną kwotę pokazuje Studio i pole estimated_cost, a nieudany klip kosztuje 0 zł.

Dlaczego obraz z Image 2.0 przychodzi tak długo?

W mojej wrześniowej próbie średni czas wynosił 71,5 s, najdłużej z ośmiu modeli. Ustaw ?wait=120 albo odpytuj zadanie po id, zamiast czekać 60 sekund.

Czy Video 1.5 zrobi klip bez zdjęcia?

Nie. Ten model wymaga dokładnie jednego zdjęcia na wejściu. Klip z samego opisu zrobi Video 1.0, tyle że bez opisanej przez producenta ścieżki audio.