Quel modèle Grok Imagine utiliser : 1.0 vs 1.5 vs Image 2.0

Trois modèles Grok Imagine ont été lancés en quatre mois, et choisir entre eux n'est pas une question du plus récent. Chaque modèle Grok Imagine fait un travail différent, l'un d'eux ne peut pas être appelé depuis une API du tout, et la nomenclature rend l'ensemble plus compliqué qu'il ne doit l'être.

Voici la version courte. Grok Imagine 1.0 Video et Video 1.5 génèrent de la vidéo. Imagine Image 2.0 génère des images. Les numéros de version s'étendent sur deux modalités différentes, donc « 2.0 est la mise à niveau de 1.5 » est faux de la manière qui compte.

Ce que chaque modèle Grok Imagine est réellement

Sortie	Date	Modalité	Sur reAPI
Grok Imagine 1.0 Video	7 mai 2026	Vidéo	Live
Grok Imagine Video 1.5	4 juin 2026	Vidéo	Live
Imagine Image 2.0	7 août 2026	Image	Coming soon

Le piège est dans la colonne du milieu. Quelqu'un qui cherche un modèle Grok Imagine voit 2.0 comme le modèle phare et suppose qu'il remplace 1.5. Ce n'est pas le cas. Si vous avez besoin de vidéo, 1.5 est la génération actuelle et 2.0 n'a rien à vous offrir. Si vous avez besoin d'images, 2.0 est celui que vous voulez et il n'est pas encore appelable.

Video 1.5 est le modèle vidéo fonctionnant

Video 1.5 couvre la génération de vidéo à partir de texte, d'image à vidéo, et de vidéo de référence à vidéo avec jusqu'à sept images de référence. Il génère du 1080p natif, des clips jusqu'à 15 secondes, et de l'audio dans le même passage que l'image, ce qui signifie que l'ambiance, les effets et le dialogue arrivent déjà synchronisés au lieu d'être superposés après coup.

La vitesse a également changé. Une génération Fast de 6 secondes en 720p est passée de plus de 40 secondes à environ 25 secondes^[1]. Sur le tableau Image-to-Video Arena, il s'est classé troisième au 2 août 2026, à l'intérieur d'un groupe de tête dont les barres d'erreur se chevauchent, donc traitez l'ordre à l'intérieur de ce groupe comme du bruit.

Pratiquement, c'est le modèle Grok Imagine auquel vous recourez quand une image fixe a besoin de devenir quelques secondes de mouvement. Pas une performance, juste un regard qui se déplace, des cheveux qui bougent, une poussée lente.

Ce que 1.0 Video est toujours pour

Grok Imagine 1.0 Video antécède 1.5 d'un mois et reste en direct sur reAPI. C'est le niveau moins cher plutôt qu'un niveau déprécié. Si votre charge de travail est un grand volume et de courts clips, et vous n'avez pas besoin du 1080p, de sept références ou d'un délai d'exécution plus rapide, l'ancien modèle Grok Imagine franchit toujours la barre.

L'encadrement honnête : 1.5 est meilleur à presque tout, et la raison d'exécuter 1.0 est le coût par clip, pas la capacité.

Cela en fait quand même un vrai choix dans deux situations. La première est la génération en vrac où les clips sont courts, sont coupés davantage, et ne quittent jamais un fil vertical, donc 1080p n'achète rien. La seconde est le travail A/B où vous testez des invites ou des concepts plutôt que de produire des finales, et utiliser le modèle Grok Imagine moins cher pour cinquante variantes bat l'utiliser pour quinze. Une fois qu'un concept est bloqué, re-rendez le keeper sur 1.5.

Image 2.0 est un produit différent avec un numéro de version

Imagine Image 2.0 a été lancé le 7 août 2026 comme le nouveau mode Qualité à l'intérieur de Grok^[2]. Sur les tableaux Arena, xAI a cité qu'il s'est classé deuxième au monde à la fois en génération de texte à image et en édition d'image, derrière GPT Image 2 d'OpenAI dans les deux. Ces scores portent toujours une étiquette préliminaire car le nombre de votes est faible.

Ce qui le sépare d'un simple modèle de texte vers image est que l'édition est intégrée plutôt qu'ajoutée. Une baguette magique ne change que la région vers laquelle vous pointez. La segmentation sélectionne des zones précises. La suppression de l'arrière-plan exporte les sujets sur la transparence. L'édition multi-référence accepte jusqu'à cinq entrées en une seule génération, donc un personnage, un emplacement et une accessoire peuvent être fournis séparément au lieu d'être entassés dans une image de référence.

Il y a un hic, et c'est ce que la plupart des gens se trompent. Image 2.0 n'a pas d'API publique. L'annonce de xAI se termine par « L'accès à l'API arrive bientôt » et ne donne ni point de terminaison ni date.

La collision de nommage qui vous coûte une après-midi

Il y a déjà un modèle d'image Grok sur l'API, et ce n'est pas 2.0. grok-imagine-image-quality est appelable depuis mai 2026^[3]. C'est la génération précédente, marquant 1228 et 1390 sur les mêmes tableaux où Image 2.0 a affiché 1320 et 1439.

Donc si vous intégrez un modèle Grok Imagine pour les images cette semaine, vous obtenez Quality, pas 2.0. L'édition délimitée par région et la composition à cinq références qui rendent 2.0 intéressant ne sont pas dans ce point de terminaison. Budgétez pour l'ancien comportement ou attendez.

Choisir un modèle Grok Imagine par travail

Travaillez en arrière à partir de la sortie, pas du numéro de version.

Vidéo, sortie aujourd'hui. Video 1.5. 1080p natif, jusqu'à 15 secondes, audio dans le même passage, sept images de référence.

Vidéo, sensible au coût en volume. 1.0 Video. Plus ancien, moins cher, toujours en direct.

Images, sortie aujourd'hui. Pas un modèle Grok Imagine. Utilisez quelque chose avec un point de terminaison, puis basculez plus tard.

Images, planification à l'avance. Image 2.0, quand l'API s'ouvre.

Cette dernière ligne vaut la peine de concevoir dès maintenant. Chaque modèle d'image sur reAPI parle la même forme de requête asynchrone, donc construire contre un modèle de sortie aujourd'hui et changer l'id du modèle quand Image 2.0 arrive est une édition d'une ligne plutôt qu'une migration. La même clé API fonctionne déjà sur l'ensemble de la plateforme.

Le coût est la partie que les numéros de version cachent

L'ordre des versions implique que plus récent signifie plus cher, et sur cette gamme ce n'est pas fiable non plus. Du côté vidéo, 1.0 Video et Video 1.5 sont facturés par seconde et se mettent à l'échelle par résolution, donc l'écart entre eux s'élargit avec la longueur du clip plutôt que de rester un pourcentage plat. Un rendu 1080p de 15 secondes et un rendu 480p de 4 secondes sont des produits commercialement différents même si le même modèle Grok Imagine les a produits.

Cela compte quand vous dimensionnez une charge de travail. Les équipes font généralement un test de référence sur de courts clips 480p, choisissent le modèle Grok Imagine plus récent sur la qualité, puis découvrent que la vraie facture réside dans la résolution et la durée qu'ils expédient réellement. Exécutez l'estimation aux paramètres de production avant de vous engager.

Pour Image 2.0, il n'y a pas encore de conversation de coûts à avoir, car aucun tarif n'a été publié. Quand il arrive, le tableau de prix sur sa page de modèle se remplit automatiquement, et le système de crédits ne change pas : vous payez par génération complétée, les générations échouées sont remboursées, et les crédits n'expirent pas.

Une note pratique de plus. Parce que chaque modèle sur la plateforme partage une clé et une forme de requête asynchrone, comparer deux options de modèle Grok Imagine en production est bon marché. Pointez la même intégration sur chaque id, exécutez les mêmes invites, et comparez les sorties réelles et les frais réels plutôt que les positions du classement. C'est généralement un meilleur signal qu'un delta Elo mesuré sur les invites de quelqu'un d'autre.

Ce qui n'est pas publié

Cela vaut la peine d'être explicite, car les suppositions circulent comme des faits.

L'architecture, le nombre de paramètres et la méthode d'entraînement d'Image 2.0 ne sont pas divulgués. xAI a décrit l'ancien modèle Aurora comme autorégressif, mais les affirmations selon lesquelles 2.0 partage cette conception sont des inférences, pas une documentation. Le prix d'Image 2.0 n'a pas non plus été publié, ni pour le modèle ni pour l'API à venir. Tout tarif par image cité pour lui aujourd'hui est inventé.

Où cela laisse la gamme

Les numéros de version suggèrent une échelle. La réalité est deux lignes de produits partageant un nom : vidéo à 1.0 et 1.5, images à 2.0, plus un quatrième modèle, grok-imagine-image-quality, servant silencieusement le trafic d'images sur l'API pendant que 2.0 obtient l'attention.

Donc la règle de sélection n'est pas « prendre le numéro le plus élevé ». Commencez par la sortie dont vous avez besoin, vérifiez si ce modèle Grok Imagine a un point de terminaison que vous pouvez appeler aujourd'hui, et seulement ensuite comparez la qualité. Deux des quatre échouent le test du point de terminaison pour les images en ce moment, et l'un d'eux échoue silencieusement en répondant avec une génération plus ancienne que ce que vous attendiez.

Pour les travaux vidéo, le modèle Grok Imagine actuel est Video 1.5, et il est en direct. Pour les travaux d'image, le modèle Grok Imagine qui vaut la peine de planifier est Image 2.0, et il n'est pas encore appelable. Construisez sur quelque chose qui s'expédie, gardez l'id du modèle en configuration plutôt que codé en dur, et le jour où Image 2.0 s'ouvre, vous changez une ligne au lieu de réécrire une intégration.

References

xAI. Grok Imagine Video 1.5. Retrieved August 2026 from x.ai/news/grok-imagine-video-1-5
xAI. Imagine Image 2.0. Retrieved August 2026 from x.ai/news/grok-imagine-image-2
xAI. Grok Imagine Quality Mode API. Retrieved August 2026 from x.ai/news/grok-imagine-quality-mode