O preço da API de geração de vídeo do Grok depende da taxa por segundo, da taxa de entrada por imagem e do número de tentativas. Veja o custo de imagem para vídeo em 480p, 720p e 1080p, o limite de 15 segundos, o limite de 10 requisições por segundo e a conta para um orçamento de 20 clipes.
Se você está calculando o custo de uma integração com a API de geração de vídeo do Grok, a taxa da página de preços não é o número que importa. O que importa é quanto você paga por um clipe que de fato vai publicar. A xAI cobra pelo vídeo do Grok Imagine por segundo de saída, adiciona uma pequena taxa para cada imagem enviada e limita o volume de requisições a 10 por segundo por modelo. Combine esses três fatores com sua taxa de novas tentativas e você chega ao orçamento real.
Esta página detalha as taxas por segundo dos dois modelos de vídeo da xAI, as regras de cobrança de imagem para vídeo, os limites de resolução e duração e a conta para um lote real de clipes. Onde a documentação oficial e os rastreadores de preços de terceiros divergem ou não dizem nada, eu informo. Tudo aqui foi conferido com a documentação de geração de vídeo da xAI e com rastreadores públicos de preços no início de outubro de 2026, então confirme os números atuais no seu console da xAI antes de fechar um orçamento.
💡 Versão curta: o modelo mais antigo começa em US$ 0,05 por segundo, o modelo mais novo 1.5 começa em US$ 0,08 por segundo, o 1080p existe só no 1.5, e um único clipe vai de 1 a 15 segundos.
A xAI oferece dois modelos de vídeo pelo mesmo endpoint, POST https://api.x.ai/v1/videos/generations. Eles compartilham o formato da requisição e o mesmo limite de taxa, mas não o preço, os tipos de entrada nem a resolução máxima.
As páginas oficiais dos modelos listam uma taxa de saída principal para cada modelo:
grok-imagine-video): US$ 0,050 por segundo. Aceita entrada de texto, imagem e vídeo.grok-imagine-video-1.5): US$ 0,080 por segundo. Aceita apenas entrada de texto e imagem.As páginas oficiais não detalham essas taxas por resolução. Um resumo de preços de terceiros publicado em 8 de setembro de 2026 faz isso, e é a tabela que a maioria dos desenvolvedores usa para orçar:
| Modelo | 480p | 720p | 1080p |
|---|---|---|---|
| Grok Imagine Video | US$ 0,05 | US$ 0,07 | Não oferecido |
| Grok Imagine Video 1.5 | US$ 0,08 | US$ 0,14 | US$ 0,25 |
Olhe a coluna de 480p: ela coincide exatamente com as taxas principais. Isso significa que o número oficial é o piso, não a conta típica. Um clipe em 720p no 1.5 custa 75 por cento a mais por segundo do que a taxa principal sugere, e um clipe em 1080p custa mais de três vezes isso.
💡 Trate a divisão por resolução como informada, não como oficial. As próprias páginas da xAI mostram apenas a taxa de entrada. Faça um teste de 5 segundos em cada resolução e compare com a página de uso do seu console antes de escalar.
A imagem para vídeo adiciona uma cobrança fixa por imagem de origem, além dos segundos de saída. As taxas informadas são US$ 0,002 por imagem no modelo base e US$ 0,01 por imagem no 1.5. Em um único clipe isso não pesa. Em 50.000 clipes, são US$ 100 contra US$ 500 só em taxas de imagem, então ela precisa estar no seu modelo de custos desde o primeiro dia.
Imagem para vídeo é o modo que a maioria das equipes realmente entrega. Uma fotografia parada dá controle sobre o assunto, o enquadramento e o visual antes de você pagar por um único segundo de movimento.
Quando você inclui o campo opcional image, a xAI usa essa imagem como quadro inicial do clipe. Se você não substituir a proporção, a saída segue as proporções da imagem de entrada em vez do padrão 16:9. A cobrança de cada tentativa resume-se a uma linha:
custo por tentativa = (segundos × taxa da resolução escolhida) + taxa da imagem
Não encontrei nenhuma taxa separada para prompt ou token na documentação, então o prompt de texto parece não ter cobrança extra. Os prompts têm limite de tamanho, porém, e um prompt longo demais retorna um erro invalid_argument.
💡 Gere seus primeiros quadros com um modelo de imagem fotorrealista, como o PicassoIA Image, antes de pagar pelo movimento. Uma imagem parada com defeito vira um clipe com defeito, e corrigir uma imagem custa uma fração do que custa renderizar o vídeo de novo.
O exemplo oficial da xAI para imagem para vídeo com o SDK em Python é curto:
response = client.video.generate(
prompt="Slow push-in on the cliff as waves roll in",
model="grok-imagine-video-1.5",
image="https://example.com/cliff.jpg"
)
Nos bastidores, é o mesmo endpoint assíncrono do texto para vídeo. Você envia o trabalho, recebe um request_id e consulta o status até o trabalho terminar. Duração, resolução e proporção são definidas como parâmetros da requisição, e a próxima seção lista os limites de cada um.
Os limites determinam quais ideias a API consegue produzir e definem o teto do custo por clipe. Três configurações importam: resolução, duração e proporção.
Como o padrão é 480p, uma requisição que omite o campo de resolução retorna a saída mais barata e mais suave. Defina a resolução de propósito.
O parâmetro duration aceita de 1 a 15 segundos para a geração padrão. A cobrança é por segundo, então o custo cresce em linha reta: um clipe de 10 segundos custa exatamente o dobro de um clipe de 5 segundos na mesma resolução.
A edição de vídeo é a exceção. Ela não aceita duração personalizada, mantém a duração do vídeo de origem e é limitada a 8,7 segundos.
A maioria dos clipes de marketing cabe em 5 a 6 segundos. Pagar por 15 segundos quando sua edição usa 4 é a fonte mais comum de desperdício.
Sete proporções são aceitas: 1:1, 16:9, 9:16, 4:3, 3:4, 3:2 e 2:3. O texto para vídeo usa 16:9 por padrão, enquanto a imagem para vídeo segue a imagem de entrada, a menos que você substitua. O formato vertical 9:16 existe para feeds de conteúdo curto, para que você não precise cortar depois da renderização.
O preço diz quanto custa um clipe. Os limites de taxa dizem a velocidade com que você consegue comprá-los.
Os dois modelos de vídeo listam o mesmo teto na documentação da xAI: 10 requisições por segundo. Isso equivale a 600 envios por minuto. Para a maioria dos produtos, esse não é o gargalo, porque os trabalhos de vídeo são lentos para renderizar e você raramente envia mais do que alguns por segundo. Ele passa a importar em reprocessamentos em massa, em que um laço simples que dispara milhares de trabalhos de uma vez será limitado.
As páginas dos modelos não listam limite diário e não dizem quantos trabalhos uma única conta pode renderizar ao mesmo tempo. Cotas no nível da equipe podem ser diferentes, então confira a página de limites no seu console antes de uma execução grande.
Os dois modelos rodam em us-east-1, us-west-2 e us-saltlake-2, e a Batch API é compatível em us-east-1 e us-west-2.
A geração de vídeo é assíncrona. Você envia uma requisição, recebe um request_id e consulta até o status mudar. Os estados documentados são pending, done, expired e failed.
Os vídeos finalizados chegam como URLs temporárias. A xAI orienta os desenvolvedores a baixar ou processar o arquivo rapidamente se quiserem manter uma cópia. Na prática:
done, copie o MP4 para o seu próprio armazenamento.request_id junto com o seu registro, para que você consiga rastrear qualquer clipe até o prompt e a imagem de origem.A taxa por segundo é o preço de uma tentativa. O preço de um clipe finalizado é o preço de uma tentativa multiplicado pelo número de takes de que você precisa.
Aqui está o custo de saída para tentativas únicas, usando as taxas por resolução informadas. Some a taxa de imagem (US$ 0,002 ou US$ 0,01) a cada linha.
| Clipe | Grok Imagine Video | Grok Imagine Video 1.5 |
|---|---|---|
| 5 segundos em 480p | US$ 0,25 | US$ 0,40 |
| 5 segundos em 720p | US$ 0,35 | US$ 0,70 |
| 10 segundos em 720p | US$ 0,70 | US$ 1,40 |
| 15 segundos em 720p | US$ 1,05 | US$ 2,10 |
| 5 segundos em 1080p | Não oferecido | US$ 1,25 |
| 15 segundos em 1080p | Não oferecido | US$ 3,75 |
Agora considere um trabalho realista: 20 clipes finalizados, 5 segundos cada, 720p, uma imagem de origem por clipe. Com uma única tentativa cada, o modelo base custa 20 × US$ 0,352 = US$ 7,04, e o 1.5 custa 20 × US$ 0,71 = US$ 14,20. Esses são números do melhor cenário.
A imagem para vídeo não é determinística. Cenas com pessoas, mãos ou movimentos rápidos de câmera costumam precisar de dois ou três takes, enquanto uma paisagem estática geralmente acerta na primeira. O mesmo trabalho de 20 clipes fica assim quando você conta os takes por clipe aproveitado:
| Takes por clipe aproveitado | Grok Imagine Video | Grok Imagine Video 1.5 |
|---|---|---|
| 1 | US$ 7,04 | US$ 14,20 |
| 2 | US$ 14,08 | US$ 28,40 |
| 3 | US$ 21,12 | US$ 42,60 |
| 4 | US$ 28,16 | US$ 56,80 |
Três hábitos reduzem esse multiplicador:
As respostas trazem uma flag respect_moderation que indica se o vídeo passou pela moderação. Prompts longos demais ou que violem a política de conteúdo retornam um erro invalid_argument, e um trabalho também pode terminar como failed.
Não encontrei nenhuma declaração sobre se trabalhos com falha ou moderados são cobrados. Não presuma que são gratuitos. Faça um teste pequeno, acompanhe sua página de uso e registre cada request_id para poder contestar uma cobrança com provas.
A taxa por segundo não é a única forma de usar esses modelos. Três modos extras mudam o que um clipe pode fazer.
Áudio nativo. No PicassoIA, o Grok Imagine Video 1.5 gera um som que combina com o movimento do quadro, então uma rua chuvosa vem com chuva. As páginas de preços da xAI não listam cobrança separada de áudio, o que faz do som, na prática, parte da taxa por segundo.
Referência para vídeo. Só o modelo base aceita vídeo como tipo de entrada, e é nisso que a referência para vídeo e a extensão de vídeo se apoiam. Se você quer que um assunto se mantenha consistente a partir de um conjunto de fotos, veja o Grok Imagine R2V e lembre-se do limite de 720p.
Edição de vídeo. A edição mantém a duração original e para em 8,7 segundos, então serve para ajustes rápidos e reestilizações, não para edições longas.
Se você quer clipes sem escrever código de API nem abrir uma conta de cobrança da xAI, pode usar a mesma família de modelos no navegador. O PicassoIA hospeda o Grok Imagine Video 1.5 como modelo de imagem para vídeo com áudio sincronizado.
A página do modelo lista 1,6 créditos por segundo de vídeo, então um clipe de 5 segundos usa 8 créditos. Há um teste gratuito disponível antes que as cobranças das assinaturas pagas sejam aplicadas.
O Grok não é o único caminho para um bom clipe de imagem para vídeo. Estes modelos do PicassoIA valem a pena lado a lado com a mesma imagem parada:
| Modelo | Por que testar |
|---|---|
| Seedance 2.5 Lite | Listado como gerador gratuito e ilimitado, com clipes de até 10 segundos |
| PicassoIA Video | Vídeo gratuito e ilimitado a partir de texto ou imagem |
| Wan 2.7 I2V | Anima qualquer imagem parada em vídeo |
| Veo 3.1 Lite | Vídeo com áudio nativo |
| Grok Imagine R2V | Transforma fotos de referência em vídeo |
Se você precisa de uma API HTTP em vez de um navegador, o PicassoIA também mantém uma API para desenvolvedores em https://api.picassoia.com/v1, com predições no estilo Replicate. Atualmente ela atende o PicassoIA Video e o Seedance 2.5 Lite para vídeo, permite 5 predições simultâneas por conta e não inclui o Grok. Confira os termos de acesso na página de preços do PicassoIA antes de construir sobre ela.
Tabelas de preços só vão até certo ponto. A forma mais rápida de ver quanto um clipe do Grok vale para você é fazer um e avaliá-lo quadro a quadro.
Aqui vai um plano simples. Gere uma imagem fotorrealista com o PicassoIA Image. Anime-a com o Grok Imagine Video 1.5. Passe a mesma imagem pelo Seedance 2.5 Lite e compare movimento, som e custo. Dez minutos de testes dizem mais do que qualquer tabela de preços.
Abra o Picasso IA, envie sua própria foto e teste seu primeiro clipe de imagem para vídeo. Mude uma configuração por vez, guarde as tentativas de que você gostar e anote quanto cada uma custou. Esse registro vira o seu orçamento real, e é o número que vai manter a sua conta da API honesta.
Escolha seu idioma
