Grok Imagine Image 2.0 es el modelo de generación y edición de imágenes de xAI. Recibe una descripción escrita, o una descripción junto con imágenes de origen, y devuelve un resultado de imagen. El perfil denominado 2.0 del productor abarca crear una escena, cambiar una imagen existente, combinar sujetos de referencias y transformar el estilo visual. Empieza eligiendo si necesitas una composición nueva o un cambio específico en material que ya tienes.
Describe el sujeto principal, su entorno, la composición, la iluminación y el tratamiento visual. Identifica qué debe notar primero el espectador y dónde se utilizará la imagen. Para un concepto de producto, un encargo ilustrativo puede describir una lámpara de escritorio de cerámica sobre una mesa de piedra clara, luz suave de ventana, una vista cercana del material y espacio libre para un titular separado. Para una ilustración, especifica los personajes, la acción y la estética prevista en lugar de esperar que una sola palabra de estilo defina la escena completa.
El productor documenta de una a diez imágenes de salida por solicitud de generación, con una como valor predeterminado. Varios resultados del mismo encargo ofrecen alternativas que revisar; no garantizan un sujeto idéntico en todas las variaciones. Comprueba el sujeto, la composición y los detalles importantes y conserva después la versión que mejor corresponda al encargo. Mantén juntos el encargo y la variación seleccionada para que ediciones posteriores utilicen la composición prevista.
La guía de generación documenta selección automática de relación de aspecto o una relación explícita. Las opciones enumeradas incluyen 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20, 21:9 y 5:2. Elige la forma según la ubicación prevista: cuadrada para una ficha compacta, vertical para una composición vertical u horizontal para una escena amplia. Especifica el sujeto sensible al recorte y el espacio que necesita la composición en lugar de depender solo de la relación de aspecto.
Los ajustes documentados de resolución de generación son 1k y 2k, con 1k como predeterminado. La calidad es un control independiente con opciones low, medium y auto. En la guía actual de xAI, auto es el valor predeterminado y utiliza low para generar y medium para editar; un ajuste explícito low o medium fija esa elección. Por tanto, la resolución y la calidad describen controles diferentes. Indica los detalles visuales importantes e inspecciónalos en la imagen devuelta en lugar de tratar cualquiera de los ajustes como garantía de letras, geometría o conservación del sujeto exactas.
Proporciona la imagen que cambiar y describe el cambio solicitado en relación con su contenido visible. Una edición enfocada podría pedir sustituir una pared oscura por una superficie de yeso clara mientras conserva la disposición del mobiliario, el punto de vista de cámara y la iluminación cálida. Si la intención es una transformación estilística, especifica el tratamiento deseado: el productor demuestra estilos de fotografía, anime, pintura al óleo, acuarela, pop art y boceto a lápiz. Identifica qué elementos deben conservar su aspecto y cuáles pueden cambiar con el tratamiento.
El flujo de edición del fabricante acepta una referencia de imagen de origen, datos de imagen codificados o un identificador de archivo. Para referencias almacenadas, utiliza imágenes PNG, JPEG o WebP subidas por completo. Su guía también documenta ediciones sucesivas: utiliza el resultado de una edición como entrada de la siguiente. Esto puede convertir una composición base en un resultado más específico mediante un cambio de mobiliario seguido de un ajuste de iluminación. Mantén el original y la imagen intermedia elegida asociados a cada encargo para poder comprobar un refinamiento posterior frente a la composición prevista.
La guía actual de múltiples imágenes permite hasta cinco imágenes de origen en una edición. Refiérete a ellas en el orden proporcionado y da a cada una una función clara, como el sujeto de la primera imagen y el entorno de la segunda. La relación de salida sigue por defecto la primera imagen de entrada, con una relación explícita disponible para sustituirla. Para un concepto de producto en una habitación, describe la posición, el tamaño y el contacto del producto con las superficies de la habitación y pide después conservar los detalles que lo identifican. Revisa cómo se combinaron las fuentes en lugar de suponer que todos los elementos se copiaron sin alteraciones.
El productor devuelve por defecto una dirección temporal de imagen y también documenta salida de imagen codificada. Conserva pronto la imagen real cuando la necesites como recurso. Su flujo diferido opcional separa la confirmación de recepción de la solicitud de su finalización: a un identificador de solicitud le sigue un estado pending, done o failed, y los resultados diferidos utilizan el formato de respuesta de dirección con un periodo documentado de retención de 24 horas. Una solicitud enviada o un estado pendiente no son una imagen terminada. Conserva la imagen completada con su encargo y ajustes elegidos para reutilizarla después.
Un recurso final útil es una imagen que corresponde a un encargo definido de escena, composición o edición. Inspecciona la composición completa y sus pequeños detalles, especialmente el sujeto de origen, los límites de los objetos, las proporciones y cualquier texto que aporte significado. Para trabajo iterativo, cambia la instrucción asociada al problema visible y utiliza el resultado seleccionado como siguiente referencia. Mantén concretas las instrucciones de modificación deseada y conservación para poder evaluar cada resultado frente a una finalidad creativa específica.
", "aboutText": "Grok Imagine Image 2.0 es el modelo de generación y edición de imágenes de xAI. Recibe una descripción escrita, o una descripción junto con imágenes de origen, y devuelve un resultado de imagen. El perfil denominado 2.0 del productor abarca crear una escena, cambiar una imagen existente, combinar sujetos de referencias y transformar el estilo visual. Empieza eligiendo si necesitas una composición nueva o un cambio específico en material que ya tienes.\n\n### Crear una imagen a partir de un encargo\n\nDescribe el sujeto principal, su entorno, la composición, la iluminación y el tratamiento visual. Identifica qué debe notar primero el espectador y dónde se utilizará la imagen. Para un concepto de producto, un encargo ilustrativo puede describir una lámpara de escritorio de cerámica sobre una mesa de piedra clara, luz suave de ventana, una vista cercana del material y espacio libre para un titular separado. Para una ilustración, especifica los personajes, la acción y la estética prevista en lugar de esperar que una sola palabra de estilo defina la escena completa.\n\nEl productor documenta de una a diez imágenes de salida por solicitud de generación, con una como valor predeterminado. Varios resultados del mismo encargo ofrecen alternativas que revisar; no garantizan un sujeto idéntico en todas las variaciones. Comprueba el sujeto, la composición y los detalles importantes y conserva después la versión que mejor corresponda al encargo. Mantén juntos el encargo y la variación seleccionada para que ediciones posteriores utilicen la composición prevista.\n\n### Composición, resolución y calidad\n\nLa guía de generación documenta selección automática de relación de aspecto o una relación explícita. Las opciones enumeradas incluyen 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20, 21:9 y 5:2. Elige la forma según la ubicación prevista: cuadrada para una ficha compacta, vertical para una composición vertical u horizontal para una escena amplia. Especifica el sujeto sensible al recorte y el espacio que necesita la composición en lugar de depender solo de la relación de aspecto.\n\nLos ajustes documentados de resolución de generación son 1k y 2k, con 1k como predeterminado. La calidad es un control independiente con opciones low, medium y auto. En la guía actual de xAI, auto es el valor predeterminado y utiliza low para generar y medium para editar; un ajuste explícito low o medium fija esa elección. Por tanto, la resolución y la calidad describen controles diferentes. Indica los detalles visuales importantes e inspecciónalos en la imagen devuelta en lugar de tratar cualquiera de los ajustes como garantía de letras, geometría o conservación del sujeto exactas.\n\n### Editar y transferir el estilo visual\n\nProporciona la imagen que cambiar y describe el cambio solicitado en relación con su contenido visible. Una edición enfocada podría pedir sustituir una pared oscura por una superficie de yeso clara mientras conserva la disposición del mobiliario, el punto de vista de cámara y la iluminación cálida. Si la intención es una transformación estilística, especifica el tratamiento deseado: el productor demuestra estilos de fotografía, anime, pintura al óleo, acuarela, pop art y boceto a lápiz. Identifica qué elementos deben conservar su aspecto y cuáles pueden cambiar con el tratamiento.\n\nEl flujo de edición del fabricante acepta una referencia de imagen de origen, datos de imagen codificados o un identificador de archivo. Para referencias almacenadas, utiliza imágenes PNG, JPEG o WebP subidas por completo. Su guía también documenta ediciones sucesivas: utiliza el resultado de una edición como entrada de la siguiente. Esto puede convertir una composición base en un resultado más específico mediante un cambio de mobiliario seguido de un ajuste de iluminación. Mantén el original y la imagen intermedia elegida asociados a cada encargo para poder comprobar un refinamiento posterior frente a la composición prevista.\n\n### Combinar varias referencias\n\nLa guía actual de múltiples imágenes permite hasta cinco imágenes de origen en una edición. Refiérete a ellas en el orden proporcionado y da a cada una una función clara, como el sujeto de la primera imagen y el entorno de la segunda. La relación de salida sigue por defecto la primera imagen de entrada, con una relación explícita disponible para sustituirla. Para un concepto de producto en una habitación, describe la posición, el tamaño y el contacto del producto con las superficies de la habitación y pide después conservar los detalles que lo identifican. Revisa cómo se combinaron las fuentes en lugar de suponer que todos los elementos se copiaron sin alteraciones.\n\n### Recibir y conservar la imagen\n\nEl productor devuelve por defecto una dirección temporal de imagen y también documenta salida de imagen codificada. Conserva pronto la imagen real cuando la necesites como recurso. Su flujo diferido opcional separa la confirmación de recepción de la solicitud de su finalización: a un identificador de solicitud le sigue un estado pending, done o failed, y los resultados diferidos utilizan el formato de respuesta de dirección con un periodo documentado de retención de 24 horas. Una solicitud enviada o un estado pendiente no son una imagen terminada. Conserva la imagen completada con su encargo y ajustes elegidos para reutilizarla después.\n\nUn recurso final útil es una imagen que corresponde a un encargo definido de escena, composición o edición. Inspecciona la composición completa y sus pequeños detalles, especialmente el sujeto de origen, los límites de los objetos, las proporciones y cualquier texto que aporte significado. Para trabajo iterativo, cambia la instrucción asociada al problema visible y utiliza el resultado seleccionado como siguiente referencia. Mantén concretas las instrucciones de modificación deseada y conservación para poder evaluar cada resultado frente a una finalidad creativa específica.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "23bfc6cf99c8c3cdd9284613639d5703b22307e9346904d8b1dc167f968eda5a", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "x-ai/grok-imagine-image-2.0Grok Imagine Image 2.0 crea imágenes a partir de encargos escritos y edita imágenes existentes mediante instrucciones en lenguaje natural. xAI documenta calidad, resolución y composición configurables, referencias de varias imágenes, transferencia de estilo y refinamiento iterativo.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Grok Imagine Image 2.0 es el modelo de generación y edición de imágenes de xAI. Recibe una descripción escrita, o una descripción junto con imágenes de origen, y devuelve un resultado de imagen. El perfil denominado 2.0 del productor abarca crear una escena, cambiar una imagen existente, combinar sujetos de referencias y transformar el estilo visual. Empieza eligiendo si necesitas una composición nueva o un cambio específico en material que ya tienes.
Describe el sujeto principal, su entorno, la composición, la iluminación y el tratamiento visual. Identifica qué debe notar primero el espectador y dónde se utilizará la imagen. Para un concepto de producto, un encargo ilustrativo puede describir una lámpara de escritorio de cerámica sobre una mesa de piedra clara, luz suave de ventana, una vista cercana del material y espacio libre para un titular separado. Para una ilustración, especifica los personajes, la acción y la estética prevista en lugar de esperar que una sola palabra de estilo defina la escena completa.
El productor documenta de una a diez imágenes de salida por solicitud de generación, con una como valor predeterminado. Varios resultados del mismo encargo ofrecen alternativas que revisar; no garantizan un sujeto idéntico en todas las variaciones. Comprueba el sujeto, la composición y los detalles importantes y conserva después la versión que mejor corresponda al encargo. Mantén juntos el encargo y la variación seleccionada para que ediciones posteriores utilicen la composición prevista.
La guía de generación documenta selección automática de relación de aspecto o una relación explícita. Las opciones enumeradas incluyen 1:1, 16:9, 9:16, 4:3, 3:4, 3:2, 2:3, 2:1, 1:2, 19.5:9, 9:19.5, 20:9, 9:20, 21:9 y 5:2. Elige la forma según la ubicación prevista: cuadrada para una ficha compacta, vertical para una composición vertical u horizontal para una escena amplia. Especifica el sujeto sensible al recorte y el espacio que necesita la composición en lugar de depender solo de la relación de aspecto.
Los ajustes documentados de resolución de generación son 1k y 2k, con 1k como predeterminado. La calidad es un control independiente con opciones low, medium y auto. En la guía actual de xAI, auto es el valor predeterminado y utiliza low para generar y medium para editar; un ajuste explícito low o medium fija esa elección. Por tanto, la resolución y la calidad describen controles diferentes. Indica los detalles visuales importantes e inspecciónalos en la imagen devuelta en lugar de tratar cualquiera de los ajustes como garantía de letras, geometría o conservación del sujeto exactas.
Proporciona la imagen que cambiar y describe el cambio solicitado en relación con su contenido visible. Una edición enfocada podría pedir sustituir una pared oscura por una superficie de yeso clara mientras conserva la disposición del mobiliario, el punto de vista de cámara y la iluminación cálida. Si la intención es una transformación estilística, especifica el tratamiento deseado: el productor demuestra estilos de fotografía, anime, pintura al óleo, acuarela, pop art y boceto a lápiz. Identifica qué elementos deben conservar su aspecto y cuáles pueden cambiar con el tratamiento.
El flujo de edición del fabricante acepta una referencia de imagen de origen, datos de imagen codificados o un identificador de archivo. Para referencias almacenadas, utiliza imágenes PNG, JPEG o WebP subidas por completo. Su guía también documenta ediciones sucesivas: utiliza el resultado de una edición como entrada de la siguiente. Esto puede convertir una composición base en un resultado más específico mediante un cambio de mobiliario seguido de un ajuste de iluminación. Mantén el original y la imagen intermedia elegida asociados a cada encargo para poder comprobar un refinamiento posterior frente a la composición prevista.
La guía actual de múltiples imágenes permite hasta cinco imágenes de origen en una edición. Refiérete a ellas en el orden proporcionado y da a cada una una función clara, como el sujeto de la primera imagen y el entorno de la segunda. La relación de salida sigue por defecto la primera imagen de entrada, con una relación explícita disponible para sustituirla. Para un concepto de producto en una habitación, describe la posición, el tamaño y el contacto del producto con las superficies de la habitación y pide después conservar los detalles que lo identifican. Revisa cómo se combinaron las fuentes en lugar de suponer que todos los elementos se copiaron sin alteraciones.
El productor devuelve por defecto una dirección temporal de imagen y también documenta salida de imagen codificada. Conserva pronto la imagen real cuando la necesites como recurso. Su flujo diferido opcional separa la confirmación de recepción de la solicitud de su finalización: a un identificador de solicitud le sigue un estado pending, done o failed, y los resultados diferidos utilizan el formato de respuesta de dirección con un periodo documentado de retención de 24 horas. Una solicitud enviada o un estado pendiente no son una imagen terminada. Conserva la imagen completada con su encargo y ajustes elegidos para reutilizarla después.
Un recurso final útil es una imagen que corresponde a un encargo definido de escena, composición o edición. Inspecciona la composición completa y sus pequeños detalles, especialmente el sujeto de origen, los límites de los objetos, las proporciones y cualquier texto que aporte significado. Para trabajo iterativo, cambia la instrucción asociada al problema visible y utiliza el resultado seleccionado como siguiente referencia. Mantén concretas las instrucciones de modificación deseada y conservación para poder evaluar cada resultado frente a una finalidad creativa específica.
POST /v1/images/generationstext, imageimage| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites x-ai/grok-imagine-image-2.0 | Predeterminado— |
Campoprompt | Tipostring | RequisitoObligatorio | Valores y límites Longitud mínima: 1 | Predeterminado— |
Camporesolution | Tipostring | RequisitoOpcional | Valores y límites 1K, 2K | Predeterminado— |
Campoaspect_ratio | Tipostring | RequisitoOpcional | Valores y límites 1:1, 3:4, 4:3, 9:16, 16:9, 2:3, 3:2, 9:19.5, 19.5:9, 9:20, 20:9, 1:2, 2:1, auto | Predeterminado— |
Campoquality | Tipostring | RequisitoOpcional | Valores y límites low, medium | Predeterminado— |
Campon | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Máximo: 1 | Predeterminado— |
Campoinput_references | Tipoarray | RequisitoOpcional | Valores y límites Número mínimo de elementos: 0 Número máximo de elementos: 3 | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, prompt |
Parámetromaterial_types | Contratotext, image |
Ciclo de vida: synchronous_result_then_owned_library
GET /v1/media/tasks/{task_id} · task_id real devuelto o registro de la biblioteca multimedia
GET /v1/media/assets/{asset_id}/content
GET /v1/media/assets
GET /v1/media/assets/{asset_id}
Las tarifas mostradas estiman el coste antes de la generación. El cargo final se calcula a partir del coste registrado para la generación original. La duración medida del resultado y las cantidades previstas no constituyen la cantidad facturable final.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Cantidad prevista | Unidad de facturación | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cantidad prevista— | Unidad de facturación— | Cargo Entrada · Tokens de entrada · Estimación solo para comparar — / 1K tokens Salida · Tokens de salida · Estimación solo para comparar — / 1K tokens Entrada · Lectura de caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché · Estimación solo para comparar — / 1K tokens Entrada · Escritura en caché, 1 hora · Estimación solo para comparar — / 1K tokens |
| Configuraciónimagen de entrada | Tabla de tarifas— | Cantidad prevista— | Unidad de facturaciónpor imagen de entrada | Cargo Entrada · imagen de entrada · Estimación solo para comparar $0.02 por imagen de entrada |
| ConfiguraciónCoste estimado de generación | Tabla de tarifas— | Cantidad previstaestimación para una generación | Unidad de facturación— | Cargo Salida · Coste estimado de generación · Estimación solo para comparar $0.08 estimación previa a la generación Esta estimación no es un cargo adicional ni una tarifa fija para la generación completada. |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nexport AILOOT_API_KEY\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np={'model': 'x-ai/grok-imagine-image-2.0', 'prompt': 'a red panda astronaut floating in space, studio lighting'}\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json, os, subprocess\nfrom pathlib import Path\nfrom urllib.parse import urlsplit, urljoin\n\ndef save_images(items):\n if not items: raise SystemExit("No completed images; retain the full response")\n for index, item in enumerate(items):\n encoded=item.get("b64_json")\n uri=item.get("url", "")\n if not encoded and uri.startswith("data:image/"):\n header, separator, encoded=uri.partition(",")\n if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI")\n if encoded:\n raw=base64.b64decode(encoded,validate=True)\n elif uri:\n uri=urljoin("https://api.ailoot.ai",uri)\n parsed=urlsplit(uri)\n if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password:\n raise SystemExit("Invalid returned image URL")\n owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content")\n args=["curl","--fail-with-body","--silent","--show-error",uri]\n if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]]\n temporary=Path(f"image-{index}.bin")\n subprocess.run(args+["-o",str(temporary)],check=True)\n raw=temporary.read_bytes()\n temporary.unlink()\n else: raise SystemExit("Image has neither bytes nor URL")\n if not raw: raise SystemExit("Empty image result")\n ext="png" if raw.startswith(b"\\x89PNG") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"<svg",b"<?xml")) else "bin"\n Path(f"image-{index}.{ext}").write_bytes(raw)\n print("Every returned image saved; complete response metadata retained")\nsave_images(json.loads(Path("result.json").read_text())["data"])\nPY_RESULT\nDescarga cada imagen recibida o guarda su contenido Base64
GET /v1/media/tasks/{task_id}GET /v1/media/assets/{asset_id}/contentGET /v1/media/assetsGET /v1/media/assets/{asset_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/media/assets \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o owned-assets.json\n# Preserve every returned asset and follow its exact signed content URL. Do not construct a signed token.\nGuarda todas las imágenes completadas; descarga cada URL recibida o decodifica su contenido Base64.
Conserva la respuesta completa y las cabeceras, todas las salidas reales, los identificadores originales devueltos y todos los campos de uso. Recupera la operación original sin volver a enviar la solicitud de creación.
Conserva el X-Client-Request-ID devuelto para la conciliación. Consulta únicamente los valores task_id/asset_id realmente devueltos o la biblioteca multimedia propia; nunca construyas una URL de tarea a partir del ID de la operación ni vuelvas a enviar la solicitud de creación.
| Campo | Tipo |
|---|---|
Campocreated | Tipo |
Campodata[].url | Tipo |
Campodata[].b64_json | Tipo |
Campousage | Tipo |
Ailoot Ultra x-ai/grok-imagine-image-2.0
/v1/images