O Grok AI gera vídeos? O que ele pode e não pode fazer em 2026

O que o Grok Imagine realmente faz

O Grok Imagine roda no mecanismo Aurora da xAI e, de acordo com a própria documentação da xAI, vai muito além de um truque único. Você tem texto para vídeo (descreva uma cena e receba um clipe), imagem para vídeo (anime um quadro estático), edição de vídeo (mude objetos, clima ou estilo com um prompt), referência para vídeo (direcione a geração com imagens de referência) e extensão de vídeo (continue um clipe a partir do último quadro). O áudio é gerado na mesma etapa — som ambiente, música, efeitos sonoros e diálogos curtos com sincronia labial — em vez de ser adicionado depois.

Um detalhe confunde muita gente, então vou ser direto: os recursos são divididos entre IDs de modelo. O modelo completo grok-imagine-video faz texto para vídeo e referência para vídeo. A prévia mais recente, grok-imagine-video-1.5, é focada em imagem para vídeo e, segundo a documentação da xAI, não suporta texto para vídeo nem referência para vídeo. Se você ler um guia que diz “o Grok faz texto para vídeo” e apontar seu código para a prévia 1.5 esperando que ela aceite um prompt de texto simples, vai receber um erro e perder uma tarde. Verifique o ID do modelo em relação ao modo de que você realmente precisa.

Qual é a duração máxima de um vídeo do Grok?

Curto. A API aceita um campo duration de até 15 segundos, mas a faixa ideal na prática é de 6–10 segundos — tempo suficiente para um gancho, um teaser de produto ou um teste de movimento, não para uma cena com arco narrativo. A resolução hoje chega no máximo a 720p; o nível “Pro” de 1080p que Elon Musk sinalizou para abril de 2026 perdeu a janela e, até o momento em que escrevo, não tem nova data pública. A saída roda a 24 fps.

Esse limite é a troca honesta. O Grok é rápido e barato por clipe, e o preço disso é comprimento e resolução. Se o seu projeto é conteúdo curto para redes sociais, os limites do Grok não vão te incomodar. Se você precisa de um take principal em 4K ou de uma tomada coerente de 15 segundos, já está olhando para outro modelo — e é aí que entram as próximas duas seções.

Os desenvolvedores podem acessar o vídeo do Grok por uma API?

Sim, diretamente pela xAI. O endpoint é POST https://api.x.ai/v1/videos/generations com Authorization: Bearer $XAI_API_KEY; você envia um prompt, recebe um ID de solicitação e faz polling até o clipe ficar pronto. O faturamento é por segundo de vídeo gerado, e tanto a duração quanto a resolução influenciam o custo — a taxa por segundo da xAI para 720p fica em torno de US$ 0,08/segundo, e você também é cobrado por qualquer imagem ou vídeo enviado como entrada. Há também um caminho compatível com OpenAI (base_url="https://api.x.ai/v1") se você preferir não aprender um novo SDK.

Aqui está a parte que vale a pena dizer claramente, porque é o motivo deste artigo existir: O vídeo do Grok é uma oferta direta da xAI (ou de parceiros selecionados) e não está disponível no GPT Proto. O que o GPT Proto hospeda da família Grok é o modelo de imagem — grok-imagine-image — a US$ 0,012 por imagem, contra uma referência de mercado de US$ 0,02. Se é a geração de imagens do Grok que você procura, essa é uma integração de uma única chamada, com uma chave que você talvez já tenha:

import requests
 
resp = requests.post(
    "https://gptproto.com/v1/images/generations",
    headers={
        "Authorization": "GPTPROTO_API_KEY",   # sua chave, formato sk-xxxxx
        "Content-Type": "application/json",
    },
    json={
        "model": "grok-imagine-image",
        "prompt": "Um beco de Tóquio iluminado por neon à noite, reflexos de chuva no asfalto, clima cyberpunk",
        "n": 1,
        "aspect_ratio": "16:9",
    },
)
 
print(resp.json()["data"][0]["url"])

Essa chamada é síncrona — a URL da imagem volta na resposta, sem polling. Para vídeo, você vai querer um modelo que o GPT Proto realmente oferece, que é a próxima seção.

Quão bom é o vídeo do Grok, de verdade?

Bom, mas não é mais o melhor — e a diferença entre essas duas afirmações é toda a história.

Fato: quando a xAI lançou a API Grok Imagine no final de janeiro de 2026, ela conquistou o primeiro lugar tanto em texto para vídeo quanto em imagem para vídeo no Video Arena da Artificial Analysis, um ranking construído com votos humanos às cegas. Isso foi real.

Também é fato: esse ranking já foi superado. No quadro atual do Video Arena, o Dreamina Seedance 2.0 da ByteDance lidera em imagem para vídeo com áudio (Elo 1194), com a prévia 1.5 do Grok em segundo (1111); em texto para vídeo, o HappyHorse-1.0 da Alibaba e o Seedance 2.0 estão à frente, com Kling 3.0 em terceiro e grok-imagine-video por volta do quinto lugar (1232). Portanto, a linha de lançamento “#1” da xAI não é mais precisa no ranking ao vivo — o Grok é um forte modelo de top 5, não o líder.

Minha leitura — e vou deixar claro que isso é um julgamento, não uma medição — é que a vantagem do Grok está na velocidade de iteração e no custo para clipes curtos voltados a redes sociais, não na qualidade da renderização final. Se você quer a saída mais bem avaliada, os modelos que o superam no ranking neutro são justamente alguns que você pode chamar pelo GPT Proto hoje.

Quer vídeo via API agora? Use estes no GPT Proto

Já que o vídeo do Grok não está na plataforma, estas são as alternativas que o GPT Proto hospeda — e, notavelmente, várias delas são exatamente os modelos que ficam acima do Grok no Video Arena:

• Dreamina Seedance 2.0 — o atual líder do Video Arena em vídeo com sincronia de áudio, clipes de 4–15 segundos com áudio nativo, US$ 0,2957/execução.
• Kling v3.0 Std — forte em texto para vídeo com movimento cinematográfico, US$ 0,2016/execução.
• Vidu Q3 Pro — clipes de 16 segundos em 720p com sincronia audiovisual nativa, e a opção mais econômica a US$ 0,04/execução.
• Hailuo 2.3 Standard — imagem para vídeo, 768p, até 10 segundos, US$ 0,252/execução.
  O trade-off a citar: eles usam o padrão assíncrono do GPT Proto (envie e depois faça polling do resultado), o que exige algumas linhas a mais do que uma chamada de imagem síncrona. Aqui está o Seedance 2.0 de ponta a ponta:

import requests
import time
 
# 1. Envie a geração
submit = requests.post(
    "https://gptproto.com/api/v3/bytedance/dreamina-seedance-2-0-260128/text-to-video",
    headers={
        "Authorization": "GPTPROTO_API_KEY",   # sua chave, formato sk-xxxxx
        "Content-Type": "application/json",
    },
    json={
        "prompt": "Uma raposa vermelha trotando por um campo nevado ao amanhecer, respiração visível no ar frio, vento ambiente suave",
        "duration": 5,
        "aspect_ratio": "16:9",
        "resolution": "720p",
        "generate_audio": True,
        "seed": -1,
    },
).json()
 
prediction_id = submit["data"]["id"]
 
# 2. Faça a consulta até o clipe ficar pronto
while True:
    result = requests.get(
        f"https://gptproto.com/api/v3/predictions/{prediction_id}/result",
        headers={"Authorization": "GPTPROTO_API_KEY", "Content-Type": "application/json"},
    ).json()
 
    status = result["data"]["status"]
    if status == "succeeded":
        print(result["data"]["outputs"])
        break
    if status in ("failed", "expired"):
        raise RuntimeError(f"Geração {status}")
    time.sleep(5)

Mesma chave, mesma carteira de cobrança, mesmo dashboard — você troca o slug do modelo na URL para alternar entre Seedance, Kling, Vidu ou Hailuo sem reescrever a integração.

Política de conteúdo e uso comercial

Se você está lançando algo voltado ao cliente, as condições de contorno importam tanto quanto as especificações.

O Grok Imagine inclui um modo “Spicy” que permite conteúdo mais sugestivo do que a maioria dos geradores convencionais, e isso atraiu um escrutínio pesado: uma investigação ativa do procurador-geral da Califórnia começou em janeiro de 2026, além de ações regulatórias separadas na UE (DSA) e no Reino Unido. A Política de Uso Aceitável da xAI se aplica a todas as superfícies, inclusive à API Imagine, e define limites rígidos que não mudam: nada de material de abuso sexual infantil, nada de representações pornográficas de pessoas reais, nada de imagens íntimas sem consentimento, nada de deepfakes de pessoas reais. A xAI descreve o envelope permitido como aproximadamente equivalente a um “filme classificado R”, e o próprio modo Spicy é protegido por verificação de idade, um plano pago e o app mobile — não é um botão na API.

Para trabalho em produção, duas observações práticas. Não há uma forma suportada de desativar a moderação no nível do modelo, então uma geração pode retornar saída borrada ou rejeitada (uma resposta 503 de política de conteúdo) independentemente das suas configurações. E, de acordo com o EU AI Act, se você publicar vídeo gerado por IA para o público, espera-se que divulgue que é sintético — inclua essa rotulagem no seu pipeline em vez de adaptá-la depois.

Procurando adicionar geração de imagem ou vídeo à sua stack? Explore o gerador de imagens Grok do GPT Proto e compare modelos de vídeo — uma chave, um saldo, mais de 200 modelos.