Grok Imagine 2.0 Prompt-Guide: Aufbau, Beispiele und echte Bilder

Ein Prompt für Grok Imagine 2.0 besteht aus schlichten Sätzen über ein einziges Bild, in xAIs Reihenfolge: Motiv, Details, Stil, Licht, Farbe, Bildausschnitt. Wörter, die im Bild stehen sollen, kommen in doppelte Anführungszeichen, dazu der Platz, an dem sie stehen. Wir haben am 26.10.2026 elf Prompts laufen lassen: Jedes Wort in Anführungszeichen kam richtig heraus, und das Bildformat wählte das Modell, bis wir aspect_ratio gesetzt haben.

So ist ein Grok-Imagine-2.0-Prompt aufgebaut

Der Image Prompting Guide von xAI nennt eine Reihenfolge für alle Prompts einer Reihe – Motiv, Details und Blickpunkt, Art Direction, Licht, Farbe, Komposition – und verlangt vier bis sechs Sätze Prosa, die ein einziges Bild beschreiben.

Die letzte Zeile, Text, stammt von uns.

• Motiv zuerst: xAIs Guide schreibt: „Ein Prompt, der mit Stimmung, Filmsorte oder einer Liste von Dingen beginnt, die man vermeiden will, erzeugt eine stilisierte Szene, deren Motiv nur ein Platzhalter ist.“
• Beschreiben Sie, was Sie wollen, nicht was Sie vermeiden wollen. „Brushed steel with fine horizontal grain“ gibt dem Modell ein Material zum Zeichnen, und eine lange Verbotsliste wird leicht ignoriert.
• Text: xAIs Guide hat keine Regel für Wörter im Bild, und die Ankündigung sagt, das Modell plane Typografie und Layout, sodass kleiner Text scharf herauskommt. Wir haben jedes Wort in doppelte Anführungszeichen gesetzt und den Platz genannt, und alle 14 Zeilen in Anführungszeichen kamen richtig heraus.
• Format: Der Prompt legt es nicht fest. aspect_ratio steht standardmäßig auf auto, das Modell wählt also das Verhältnis, das zum Prompt passt, und unsere 11 Läufe ohne Angabe kamen als Hochformat 832×1248, Querformat 1248×832, Quadrat 1024×1024 und 1280×720 zurück. Wie Sie das Format festlegen, steht im API-Abschnitt.
• Länge und Sprache: xAI veröffentlicht keine maximale Prompt-Länge und keine Liste der Prompt-Sprachen. Unsere waren 30–48 Wörter in ein bis drei Sätzen, auf Englisch.

So sind die Bilder entstanden

• Modell grok-imagine-image-2.0 über die asynchrone Media-API von OmniaKey am 26.10.2026, mit operation generate und ohne jeden Parameter, also blieb aspect_ratio auf xAIs Standard auto und die Auflösung auf dem Standardwert. Jede Aufgabe lief beim ersten Versuch durch.
• Danach zwei weitere Läufe des Poster-Prompts mit aspect_ratio auf "16:9": einer aus unserem Testskript und einer aus dem Python-Skript unten. Beide kamen in 1280×720 zurück, mit korrekt geschriebenem Text.
• Die Ausgabe war JPEG, und die Zeit von der Anfrage bis zum fertigen Bild lag zwischen 15.6 s und 41.1 s. Die meisten brauchten 16 bis 25 s; das Icon brauchte 41.1 s.
• Wir haben jedes Bild in voller Größe angesehen und in den vier Bildern mit Text jedes Wort Buchstabe für Buchstabe mit dem Prompt verglichen.
• OmniaKey verkauft API-Zugang zu Grok Imagine 2.0, deshalb liefen die Prompts darüber. Alle Preise hier sind die von xAI.
• Quellen: xAIs Image Prompting Guide, die Anleitung zur Bilderzeugung und die Preisseite, geprüft am 26.10.2026.

Jeder Prompt lief einmal, jedes Bild ist also eine einzelne Stichprobe.

Acht Prompts mit echten Bildern

1. Ein Poster mit Titel und einer kleinen Zeile

Dieser Prompt verlangt einen großen Titel, eine kleine Zeile und einen flachen Siebdruck-Look.

A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette in deep blue on a cream background, lots of empty space, flat screen-print style.

Auf Deutsch: ein minimalistisches Jazzkonzert-Poster mit großem Titel oben und einer kleinen Zeile mit Datum und Halle unten, auf cremefarbenem Grund mit einer Saxofon-Silhouette in tiefem Blau.

Einstellungen: generate, kein aspect_ratio (auto), kam in 832×1248 in 16.4 s zurück.

Was passiert ist:

• „BLUE HOUR“ steht in großen, schmalen dunkelblauen Großbuchstaben über die ganze Breite oben, die kleine Zeile steht unten und ist exakt geschrieben, Mittelpunkte inklusive.
• Ein dunkelblaues Saxofon füllt die Mitte des cremefarbenen Papiers mit einer leichten Druckstruktur, und der Freiraum bleibt frei.
• Das Saxofon zeigt seine Klappen in hellen Linien, wirkt also wie eine Zeichnung und nicht wie eine reine flache Silhouette.

Was Sie ändern können:

• Am Text nichts; halten Sie die kleine Zeile in einem Paar Anführungszeichen, damit die Punkte bei ihr bleiben.
• Für eine reine Silhouette probieren Sie “a solid single-color saxophone shape with no inner details”.

2. Ein Produktetikett mit exakten Wörtern

Dieser Prompt setzt zwei kurze Textzeilen auf ein Produktfoto.

Studio product photo of a glass bottle of cold brew coffee with a kraft paper label that reads "NORTH ROAST" and "Cold Brew · 12 oz". The bottle stands on wet dark slate with ice cubes around it, soft side light, dark background, sharp focus on the label.

Auf Deutsch: ein Produktfoto einer Glasflasche Cold Brew mit Kraftpapier-Etikett, auf dem “NORTH ROAST” und “Cold Brew · 12 oz” stehen, auf nassem dunklem Schiefer mit Eiswürfeln.

Einstellungen: generate, kein aspect_ratio (auto), kam in 832×1248 in 17.1 s zurück.

Was passiert ist:

• Eine dunkle Glasflasche Kaffee voller Wassertropfen steht auf nassem schwarzem Schiefer mit Eiswürfeln ringsum, vor schwarzem Hintergrund.
• Das Kraftpapier-Etikett zeigt „NORTH ROAST“ in fetten Großbuchstaben und „Cold Brew · 12 oz“ unter einer dünnen Linie, beides exakt.
• Das Modell zeichnete außerdem einen kleinen Bergumriss über den Namen, den der Prompt nicht verlangt hatte.

Was Sie ändern können:

• Wenn auf dem Etikett nur Ihre Wörter stehen sollen, probieren Sie “the label shows only these two lines of text, no logo”.

3. Eine Rezeptkarte: mehrere Zeilen und Icons

Dieser Prompt verlangt einen Titel, drei nummerierte Schritte und ein Icon pro Schritt.

A clean recipe card titled "3-Step Pancakes" with three numbered steps: "1. Mix flour, milk and eggs", "2. Rest the batter 10 minutes", "3. Cook on a hot pan". A small line icon next to each step, cream background, simple sans-serif font.

Auf Deutsch: eine klare Rezeptkarte mit dem Titel “3-Step Pancakes”, drei nummerierten Schritten im Wortlaut und einem kleinen Linien-Icon neben jedem Schritt.

Einstellungen: generate, kein aspect_ratio (auto), kam in 832×1248 in 15.6 s zurück.

Was passiert ist:

• Der Titel „3-Step Pancakes“ steht oben über einer kurzen braunen Linie, und drei Zeilen sind durch dünne Linien getrennt.
• Die Wörter jedes Schritts sind exakt und laufen über zwei Zeilen, rechts sitzt ein Linien-Icon: ein Schneebesen, eine Uhr, eine Pfanne.
• Die Nummern sitzen in Kreisen („1“, „2“, „3“) statt als „1.“, „2.“, „3.“.

Was Sie ändern können:

• Wenn der Stil „1.“ wichtig ist, probieren Sie “numbers written as 1., 2., 3. before each step, no circles”.

4. Eine Kreidetafel mit Preisen

Dieser Prompt testet fünf kurze handgeschriebene Zeilen mit Preisen.

A cafe chalkboard menu with the heading "TODAY" and five lines of small handwritten text: "Flat white 4.50", "Oat latte 5.00", "Matcha 5.50", "Almond croissant 4.00", "Banana bread 3.50". Wooden frame, warm cafe light.

Auf Deutsch: eine Kreidetafel für ein Café mit der Überschrift “TODAY”, fünf handgeschriebenen Zeilen mit Preisen, Holzrahmen und warmem Caféllicht.

Einstellungen: generate, kein aspect_ratio (auto), kam in 1248×832 in 29.8 s zurück.

Was passiert ist:

• Eine Tafel im rustikalen Holzrahmen hängt an einer warmen Putzwand, am linken Rand steht eine Topfpflanze.
• „TODAY“ steht in großen Kreide-Großbuchstaben mit Unterstrich und einer kleinen Blattkritzelei.
• Die fünf Posten sind in ordentlicher Kreideschrift, die Preise stehen rechts in einer Spalte, und jeder Posten und jeder Preis ist exakt.

Was Sie ändern können:

• Halten Sie jede Zeile kurz und geben Sie die exakten Wörter; fünf kurze Zeilen kamen hier alle richtig heraus.

5. Eine Straßenszene: Objektiv und Licht

Dieser Prompt nutzt Kamerawörter, um einen fotografischen Look zu verlangen.

Candid street photograph of an elderly man feeding pigeons in a stone plaza at golden hour. Shot on a 35mm lens, shallow depth of field, natural skin texture, warm low sun, slight film grain.

Auf Deutsch: ein ungestelltes Straßenfoto eines älteren Mannes, der zur goldenen Stunde auf einem Steinplatz Tauben füttert, 35mm-Objektiv, geringe Schärfentiefe, natürliche Hautstruktur.

Einstellungen: generate, kein aspect_ratio (auto), kam in 1248×832 in 19.8 s zurück.

Was passiert ist:

• Ein älterer Mann mit flacher Mütze und langem dunklem Mantel hockt auf Steinplatten und streckt seine geöffnete Hand den Tauben um ihn herum hin.
• Das Licht ist warm und tief, dahinter liegen unscharf der Platz, Menschen und eine große Steinmauer.
• Sein Gesicht zeigt Falten und Hautstruktur, die Hand wirkt natürlich, das Filmkorn bleibt leicht.

Was Sie ändern können:

• Nichts nötig. xAIs Guide rät, die Struktur einmal zu nennen und Licht zu verlangen, das das Motiv lesbar lässt, und beides hat hier gehalten.

6. Essen von oben: jede Zutat nennen

Dieser Prompt zählt die Toppings auf und gibt dem Licht eine Richtung.

Overhead food photo of a bowl of shoyu ramen with a soft-boiled egg, chashu pork, nori and sliced scallions on a dark wooden table. Chopsticks rest on the bowl, light steam rises, natural window light from the left.

Auf Deutsch: ein Essensfoto von oben von einer Schale Shoyu-Ramen, jede Zutat genannt, Stäbchen auf dem Rand, natürliches Fensterlicht von links.

Einstellungen: generate, kein aspect_ratio (auto), kam in 1024×1024 in 20.7 s zurück.

Was passiert ist:

• Ein Blick von direkt oben auf eine Steingutschale auf dunklem, verwittertem Holz: ein halbes Ei mit orangefarbenem, weichem Dotter, zwei Scheiben gerolltes Chashu, zwei Blätter Nori, ein Haufen geschnittene Frühlingszwiebeln und Nudeln in brauner Brühe.
• Hölzerne Stäbchen liegen quer über der rechten Seite der Schale, oben steigen schwache Dampfschwaden auf.
• Das Modell ergänzte einen Haufen dunkler Pilzstreifen, die der Prompt nicht nannte.

Was Sie ändern können:

• Zählen Sie alles auf, was in der Schale sein soll, und probieren Sie dann “nothing else on top”, wenn die Toppings genau passen müssen.

7. Ein Interieur: jedes Objekt mit Material

Dieser Prompt nennt jedes Objekt mit Material und Farbe.

Interior design photo of a small Scandinavian living room: light oak floor, a white sofa with a mustard throw, a round oak coffee table, a large window with soft morning light, a tall fiddle-leaf fig in a white pot. Calm, airy, eye-level view.

Auf Deutsch: ein Interieurfoto eines kleinen skandinavischen Wohnzimmers, jedes Möbelstück mit Material und Farbe, weiches Morgenlicht und Blick auf Augenhöhe.

Einstellungen: generate, kein aspect_ratio (auto), kam in 1248×832 in 16.3 s zurück.

Was passiert ist:

• Alles Genannte ist da: heller Eichenboden, weißes Sofa mit senfgelber Decke über einer Armlehne, runder Eichentisch auf einem Webteppich, das große Fenster links mit Bäumen davor, eine hohe Geigenfeige im weißen Topf rechts.
• An der Wand hängt gerahmte Kunst, der Blick liegt auf Augenhöhe, hell und weich.

Was Sie ändern können:

• Nichts nötig. Ein Prompt, der jedes Objekt mit Material und Farbe nennt, hat alle bekommen; für andere Räume passt dasselbe Muster.

8. Eine Aquarellillustration

Dieser Prompt nennt eine Technik und eine Papierstruktur.

Children's book illustration in soft watercolor: a small fox reading a book under a giant red mushroom in a forest, fireflies glowing around it, gentle pastel colors, visible white paper texture.

Auf Deutsch: eine Kinderbuchillustration in weichem Aquarell, ein kleiner Fuchs liest unter einem riesigen roten Pilz im Wald, Glühwürmchen leuchten drumherum, sanfte Pastelltöne, sichtbare weiße Papierstruktur.

Einstellungen: generate, kein aspect_ratio (auto), kam in 832×1248 in 24.9 s zurück.

Was passiert ist:

• Ein weiches Aquarell eines orangefarbenen Fuchses unter einem großen rothütigen Pilz, der ein aufgeschlagenes blaues Buch hält, mit leuchtenden Glühwürmchen, Farnen, kleinen Blumen und kleinen Pilzen ringsum.
• An den Rändern zeigt sich weiße Papierstruktur.
• Der Fuchs hat die Augen geschlossen, wirkt also eher schlafend als lesend.

Was Sie ändern können:

• Nennen Sie den Ausdruck, den Sie brauchen: probieren Sie “eyes open, looking down at the page”.

Was schiefgeht und wie Sie es beheben

Ein vager Prompt lässt das Modell alles entscheiden

Jedes Wort, das Sie weglassen, füllt das Modell auf, und es kann es mit einer echten Marke füllen.

a cool car

Auf Deutsch: ein cooles Auto. Drei Wörter, sonst nichts.

A 1960s cherry-red convertible parked on a coastal road at sunset, low angle from the front three-quarter view, chrome bumper catching the light, ocean and cliffs behind it, photorealistic, warm golden light.

Auf Deutsch: ein kirschrotes Cabrio aus den 1960er-Jahren auf einer Küstenstraße bei Sonnenuntergang, niedriger Winkel von vorn, Chromstoßstange im Licht.

• „a cool car“ kam als dunkelgrauer moderner Supersportwagen auf nassem Asphalt in der Dämmerung zurück, mit Bergen, Kiefern und einem wolkigen rosa Himmel dahinter. Auf Motorhaube und Rädern trägt er Embleme eines echten Autoherstellers.
• Der konkrete Prompt brachte alles ins Bild: das kirschrote Cabrio, den niedrigen Winkel von vorn, Kühlergrill und Stoßstange aus Chrom in der Sonne, Meer und Klippen dahinter. Das Modell ergänzte ein Kennzeichen mit der Aufschrift „1962 CLK“.

Einfache Icons landen nah an berühmten Logos

Der Icon-Prompt verlangte schlichte Formen und bekam sie, sehr nah an einer Marke, die Sie schon kennen.

Flat vector app icon: a white paper plane on a rounded square with a blue-to-teal gradient. Simple geometric shapes, no text, centered, clean edges, plain white background around the icon.

Auf Deutsch: ein flaches Vektor-App-Icon, ein weißes Papierflugzeug auf einem abgerundeten Quadrat mit Verlauf von Blau zu Petrol, einfache geometrische Formen, kein Text, zentriert.

Das Ergebnis ist genau das Verlangte – ein weißes Papierflugzeug, leicht aus der Mitte, auf einem abgerundeten Quadrat von Blau zu Petrol, ohne Text – und es sieht dem Logo einer bekannten Messaging-App sehr ähnlich. Einfache, gängige Icon-Ideen landen nah an berühmten Marken, also ergänzen Sie ein Detail, das Ihr eigenes ist, und vergleichen Sie das Ergebnis mit bestehenden Logos, bevor Sie es einsetzen.

Das sind die Fehlgriffe, die wir gesehen haben, mit der Lösung für jeden.

Diese Prompts über die API ausführen

Die Media-API von OmniaKey hat drei Schritte: eine Aufgabe anlegen, dieselbe Aufgabe abfragen, bis sie fertig ist, dann das Ergebnis herunterladen.

pip install requests
export OMNIAKEY_API_KEY="your-key"

Hier ist das Skript, das wir ausgeführt haben, unverändert:

import os
import time
import uuid

import requests

API = "https://api.omniakey.com/v1/media/tasks"
HEADERS = {"Authorization": f"Bearer {os.environ['OMNIAKEY_API_KEY']}"}

PROMPT = (
    'A minimalist jazz concert poster. Large bold title "BLUE HOUR" at the top and a smaller '
    'line "Live at Harbor Hall · Nov 14 · 8 PM" at the bottom. A single saxophone silhouette '
    "in deep blue on a cream background, lots of empty space, flat screen-print style."
)

# 1. Create the task. Reuse the same Idempotency-Key only when retrying this exact request.
resp = requests.post(
    API,
    headers={**HEADERS, "Idempotency-Key": str(uuid.uuid4())},
    json={
        "model": "grok-imagine-image-2.0",
        "type": "image",
        "operation": "generate",
        "input": {"prompt": PROMPT},
        "parameters": {"aspect_ratio": "16:9"},  # leave it out and the model picks the shape
    },
    timeout=30,
)
resp.raise_for_status()
task = resp.json()
print("task:", task["id"], task["status"])

# 2. Poll the same task until it finishes. Slow is not failed: keep polling this id.
while task["status"] in ("queued", "processing"):
    time.sleep(4)
    task = requests.get(f"{API}/{task['id']}", headers=HEADERS, timeout=30).json()

if task["status"] != "succeeded":
    raise SystemExit(f"task ended {task['status']}: {task.get('error')}")

# 3. Download the image now: the signed URL lasts about an hour.
asset = task["assets"][0]
with open("blue-hour.jpg", "wb") as f:
    f.write(requests.get(asset["url"], timeout=60).content)
print("saved blue-hour.jpg", asset["mime_type"], asset["byte_size"], "bytes")

Seine Ausgabe am 26.10.2026:

task: task_ETAcsodTDIPQkhTVyykyRiRdBpYDOgj7 queued
saved blue-hour.jpg image/jpeg 205099 bytes

Von der Anfrage bis zur gespeicherten Datei dauerte es etwa 16 Sekunden.

• aspect_ratio: Die API von xAI nimmt 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, 5:2 und auto. xAI empfiehlt, ein Verhältnis für eine ganze Reihe festzulegen und für die meisten Fotos 3:2 zu nehmen. Unsere beiden 16:9-Läufe kamen in 1280×720 zurück, und das Layout wurde für den breiten Rahmen neu gebaut statt beschnitten: Titel oben, Saxofon in der Mitte, die kleine Zeile unten.
• Bei OmniaKey erzeugt Grok Imagine nur Bilder, und n muss 1 sein. Die eigene API von xAI bearbeitet auch Bilder und gibt bis zu 10 pro Anfrage zurück.
• Die API von xAI hat außerdem Einstellungen für quality und resolution, die wir über OmniaKey nicht getestet haben.
• Laden Sie die Datei herunter, sobald die Aufgabe fertig ist: Der signierte Link gilt etwa eine Stunde, der Aufgaben-Datensatz 24 Stunden.
• Preis: xAI listet Grok Imagine 2.0 mit $0.04 pro Bild, gleich wie lang der Prompt ist (geprüft am 26.10.2026). Das ältere grok-imagine-image-quality kostet $0.05 und grok-imagine-image $0.02 pro Bild, und unser API-Test von Grok Imagine mit den drei Bildmodellen schickt dieselben vier Prompts durch alle drei. Bei OmniaKey wird eine fehlgeschlagene Aufgabe automatisch erstattet. Den aktuellen Tarif von OmniaKey finden Sie auf der Modellseite von Grok Imagine 2.0 und die Parameter in der Dokumentation der Bild-API.

Häufige Fragen

Wie lang darf ein Prompt für Grok Imagine 2.0 sein?

xAI veröffentlicht keine maximale Länge für einen Bild-Prompt. Der Image Prompting Guide verlangt vier bis sechs Sätze für ein einzelnes Standbild, und unsere hatten 30–48 Wörter in ein bis drei Sätzen. Alle acht Rezepte oben landeten nah am Prompt.

Wie bekommt man Text in Grok Imagine 2.0 richtig hin?

Setzen Sie jede Textzeile in doppelte Anführungszeichen und nennen Sie ihren Platz im Bild. Unsere vier Prompts mit Text gaben alle 14 Zeilen in Anführungszeichen richtig wieder, Mittelpunkte und Preise inklusive, und die Ankündigung von xAI sagt, kleiner Text komme jetzt scharf heraus. xAIs Guide hat keine Regel für Text, die Anführungszeichen sind also unsere Methode.

Welche Größe haben Bilder von Grok Imagine 2.0?

Auf auto kamen unsere 11 Läufe in 832×1248, 1248×832, 1024×1024 und 1280×720 zurück. Mit aspect_ratio auf "16:9" ergaben beide Läufe 1280×720. Die API von xAI hat außerdem resolution, mit 1k als Standard und 2k als Option.

Kann Grok Imagine 2.0 ein Bild bearbeiten?

Über xAI ja, das eine Bearbeitung an POST /v1/images/edits mit bis zu 5 Ausgangsbildern pro Anfrage annimmt. Der Guide rät, mit den ein bis drei Änderungen zu beginnen und den Rest zu behalten. Bei OmniaKey erzeugt Grok Imagine nur Bilder, eine Bearbeitungsanfrage wird also abgelehnt.

Schreibt Grok Imagine 2.0 meinen Prompt um?

Die API von xAI berechnet Prompt-Text für ein Modell zur Prompt-Umschreibung (Upsampler), und ihr Antwortschema hat kein Feld für einen umgeschriebenen Prompt. Was der Upsampler ändert, ist nicht veröffentlicht, lesen Sie das Bild also gegen Ihren Prompt, statt zu raten.

Was kostet Grok Imagine 2.0?

xAI listet $0.04 pro Bild für grok-imagine-image-2.0, geprüft am 26.10.2026, und die Erzeugung kostet gleich viel, egal wie lang der Prompt ist. Eine Bearbeitung wird für das Eingangsbild und das Ausgangsbild berechnet. Den aktuellen Tarif von OmniaKey finden Sie auf der Modellseite von Grok Imagine 2.0.

Änderungsprotokoll

• 27.10.2026: erste Version, mit Prompts vom 26.10.2026.