Guía de prompts de Grok Imagine 2.0: estructura, ejemplos e imágenes reales

Un prompt de Grok Imagine 2.0 se escribe con frases sencillas sobre una sola imagen, en el orden de xAI: sujeto, detalles, estilo, luz, color y encuadre. Las palabras que deben aparecer en la imagen van entre comillas dobles y se indica dónde van. Ejecutamos 11 prompts el 26 de octubre de 2026: todas las palabras entre comillas salieron correctas y el modelo eligió el formato de la imagen hasta que fijamos aspect_ratio.

La estructura de un prompt de Grok Imagine 2.0

La Image Prompting Guide de xAI da un único orden para todos los prompts de una serie —sujeto, detalles y punto focal, dirección de arte, luz, color, composición— y pide de cuatro a seis frases de prosa que describan una sola imagen.

La última fila, Texto, es nuestra.

• El sujeto primero: la guía de xAI dice que «un prompt que empieza por el ambiente, el tipo de película o una lista de cosas que evitar produce una escena estilizada cuyo sujeto es un sustituto».
• Describe lo que quieres, no lo que quieres evitar. «Brushed steel with fine horizontal grain» le da al modelo un material que dibujar, y una lista larga de cosas a evitar se ignora con facilidad.
• Texto: la guía de xAI no tiene ninguna regla sobre palabras dentro de la imagen, y el anuncio dice que el modelo planifica la tipografía y el diseño, así que el texto pequeño sale nítido. Pusimos cada palabra entre comillas dobles e indicamos dónde va, y las 14 líneas entrecomilladas salieron correctas.
• Formato: el prompt no lo fija. aspect_ratio vale auto por defecto, lo que deja que el modelo elija la proporción que mejor le va al prompt, y nuestras 11 ejecuciones sin tocar nada volvieron en vertical 832×1248, horizontal 1248×832, cuadrado 1024×1024 y 1280×720. La sección de la API explica cómo fijarlo.
• Longitud e idioma: xAI no publica una longitud máxima de prompt ni una lista de idiomas para prompts. Los nuestros tenían 30–48 palabras en una a tres frases, en inglés.

Cómo hicimos las imágenes

• Modelo grok-imagine-image-2.0 a través de la API de medios asíncrona de OmniaKey el 26 de octubre de 2026, con la operación generate y sin ningún parámetro, así que aspect_ratio se quedó en el valor por defecto de xAI, auto, y la resolución en el valor por defecto. Todas las tareas salieron bien al primer intento.
• Después, dos ejecuciones más del prompt del póster con aspect_ratio en "16:9": una desde nuestro script de pruebas y otra desde el script de Python de abajo. Las dos volvieron en 1280×720 y con el texto bien escrito.
• La salida fue JPEG, y el tiempo desde la petición hasta la imagen terminada fue de 15.6 s a 41.1 s. La mayoría quedó entre 16 y 25 s; el icono tardó 41.1 s.
• Vimos cada imagen a tamaño completo y leímos palabra por palabra las cuatro imágenes con texto contra el prompt.
• OmniaKey vende acceso a la API de Grok Imagine 2.0, así que ejecutamos los prompts a través de ella. Todos los precios son los de xAI.
• Fuentes: la Image Prompting Guide de xAI, la guía de generación de imágenes y la página de precios, consultadas el 26 de octubre de 2026.

Cada prompt se ejecutó una vez, así que conviene ver cada imagen como una sola muestra.

Ocho prompts con imágenes reales

1. Un póster con título y una línea pequeña

Este prompt pide un título grande, una línea pequeña y un aire plano de serigrafía.

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.

En español: un póster minimalista de concierto de jazz, con un título grande arriba y una línea con fecha y sala abajo, sobre fondo crema y con la silueta de un saxofón en azul profundo.

Ajustes: generate, sin aspect_ratio (auto), salió en 832×1248 en 16.4 s.

Qué pasó:

• «BLUE HOUR» ocupa la parte superior en mayúsculas condensadas de azul oscuro, y la línea pequeña está abajo, escrita exactamente, con sus puntos medios.
• Un saxofón azul oscuro llena el centro del papel crema con una textura de impresión ligera, y el espacio vacío sigue vacío.
• El saxofón muestra las llaves con líneas claras, así que se lee como un dibujo y no como una silueta plana.

Qué cambiar:

• Nada en el texto; mantén la línea pequeña dentro de un mismo par de comillas para que los puntos se queden con ella.
• Para una silueta pura, prueba “a solid single-color saxophone shape with no inner details”.

2. Una etiqueta de producto con palabras exactas

Este prompt pone dos líneas cortas de texto en una foto de producto.

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.

En español: una foto de producto de una botella de cristal de café cold brew, con etiqueta de papel kraft que lleva “NORTH ROAST” y “Cold Brew · 12 oz”, sobre pizarra oscura mojada y con hielo alrededor.

Ajustes: generate, sin aspect_ratio (auto), salió en 832×1248 en 17.1 s.

Qué pasó:

• Una botella oscura de café cubierta de gotas está sobre pizarra negra mojada, con hielo alrededor y fondo negro.
• La etiqueta kraft dice «NORTH ROAST» en mayúsculas gruesas y «Cold Brew · 12 oz» bajo una línea fina, las dos exactas.
• El modelo dibujó además un contorno pequeño de montaña sobre el nombre, que el prompt no pedía.

Qué cambiar:

• Si la etiqueta debe llevar solo tus palabras, prueba “the label shows only these two lines of text, no logo”.

3. Una tarjeta de receta: varias líneas e iconos

Este prompt pide un título, tres pasos numerados y un icono por paso.

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.

En español: una tarjeta de receta limpia titulada “3-Step Pancakes”, con tres pasos numerados escritos palabra por palabra y un icono de línea junto a cada uno.

Ajustes: generate, sin aspect_ratio (auto), salió en 832×1248 en 15.6 s.

Qué pasó:

• El título «3-Step Pancakes» está arriba, sobre una línea fina tostada, y tres filas se separan con líneas finas.
• Las palabras de cada paso son exactas y ocupan dos líneas, con un icono de línea a la derecha: unas varillas, un reloj y una sartén.
• Los números quedaron dentro de círculos («1», «2», «3») en lugar de «1.», «2.», «3.».

Qué cambiar:

• Si importa el estilo «1.», prueba “numbers written as 1., 2., 3. before each step, no circles”.

4. Una pizarra de menú con precios

Este prompt prueba cinco líneas cortas escritas a mano con precios.

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.

En español: una pizarra de menú de cafetería con el encabezado “TODAY”, cinco líneas escritas a mano con sus precios, marco de madera y luz cálida de cafetería.

Ajustes: generate, sin aspect_ratio (auto), salió en 1248×832 en 29.8 s.

Qué pasó:

• Una pizarra con marco de madera rústica cuelga de una pared de yeso cálida, con una planta en maceta en el borde izquierdo.
• «TODAY» está en mayúsculas grandes de tiza, con subrayado y un pequeño dibujo de hoja.
• Los cinco productos están en una escritura de tiza ordenada, los precios se alinean en una columna a la derecha y cada producto y cada precio son exactos.

Qué cambiar:

• Mantén cada línea corta y da las palabras exactas; cinco líneas cortas salieron todas bien aquí.

5. Una foto de calle: objetivo y luz

Este prompt usa palabras de cámara para pedir un aire fotográfico.

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.

En español: una foto callejera espontánea de un hombre mayor dando de comer a las palomas en una plaza de piedra a la hora dorada, con objetivo de 35mm y poca profundidad de campo.

Ajustes: generate, sin aspect_ratio (auto), salió en 1248×832 en 19.8 s.

Qué pasó:

• Un hombre mayor con gorra plana y abrigo largo oscuro se agacha sobre los adoquines y extiende la mano abierta a las palomas que lo rodean.
• La luz es cálida y baja, con la plaza, la gente y un gran muro de piedra desenfocados detrás.
• Su cara muestra arrugas y textura de piel, la mano parece natural y el grano de película se queda ligero.

Qué cambiar:

• No hace falta nada. La guía de xAI dice que la textura se menciona una vez y que conviene pedir una luz que mantenga legible al sujeto, y las dos cosas se cumplieron aquí.

6. Comida desde arriba: nombrar cada ingrediente

Este prompt enumera los toppings y da una dirección a la luz.

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.

En español: una foto cenital de un cuenco de ramen shoyu, con cada ingrediente nombrado, los palillos apoyados en el cuenco y luz natural de ventana desde la izquierda.

Ajustes: generate, sin aspect_ratio (auto), salió en 1024×1024 en 20.7 s.

Qué pasó:

• Una vista cenital de un cuenco de cerámica sobre madera oscura desgastada: medio huevo con yema anaranjada, dos lonchas de chashu enrollado, dos hojas de nori, un montón de cebolleta picada y fideos en caldo marrón.
• Los palillos de madera cruzan el lado derecho del cuenco y arriba se ven unos hilos tenues de vapor.
• El modelo añadió un montón de setas oscuras en tiras que el prompt no incluía.

Qué cambiar:

• Enumera todo lo que debe ir en el cuenco y, si los toppings tienen que coincidir al detalle, prueba “nothing else on top”.

7. Un interior: cada objeto con su material

Este prompt nombra cada objeto con su material y su color.

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.

En español: una foto de interior de un salón escandinavo pequeño, con cada mueble, su material y su color, luz suave de mañana y vista a la altura de los ojos.

Ajustes: generate, sin aspect_ratio (auto), salió en 1248×832 en 16.3 s.

Qué pasó:

• Todo lo nombrado está: suelo de roble claro, sofá blanco con una manta mostaza sobre un brazo, mesa redonda de roble sobre una alfombra tejida, la ventana grande a la izquierda con árboles fuera y una higuera de hoja de violín alta en una maceta blanca a la derecha.
• Hay arte enmarcado en la pared, la vista es a la altura de los ojos y el resultado es luminoso y suave.

Qué cambiar:

• No hace falta nada. Un prompt que nombra cada objeto, su material y su color los consiguió todos; conviene repetir ese patrón en otras habitaciones.

8. Una ilustración en acuarela

Este prompt nombra una técnica y una textura de papel.

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.

En español: una ilustración infantil en acuarela suave, con un zorro pequeño leyendo bajo una seta roja enorme, luciérnagas alrededor y textura de papel blanco.

Ajustes: generate, sin aspect_ratio (auto), salió en 832×1248 en 24.9 s.

Qué pasó:

• Una acuarela suave de un zorro naranja bajo una seta grande de sombrero rojo, con un libro azul abierto en las patas, luciérnagas encendidas alrededor, helechos, flores pequeñas y setas pequeñas.
• La textura del papel blanco se ve en los bordes.
• El zorro tiene los ojos cerrados, así que parece más dormido que leyendo.

Qué cambiar:

• Di la expresión que necesitas: prueba “eyes open, looking down at the page”.

Qué falla y cómo arreglarlo

Un prompt vago deja que el modelo decida todo

Cada palabra que omites la rellena el modelo, y puede rellenarla con una marca real.

a cool car

En español: un coche molón. Tres palabras y nada más.

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.

En español: un descapotable rojo cereza de los años 60 aparcado en una carretera de costa al atardecer, con ángulo bajo desde el frente y el parachoques cromado recibiendo la luz.

• «a cool car» volvió como un superdeportivo moderno gris oscuro sobre asfalto mojado al anochecer, con montañas, pinos y un cielo rosado con nubes detrás. Lleva distintivos de un fabricante de coches real en el capó y en las ruedas.
• El prompt específico puso todo en la imagen: el descapotable rojo cereza, el ángulo bajo desde el frente, la parrilla y el parachoques cromados al sol, el mar y los acantilados detrás. El modelo añadió una matrícula que dice «1962 CLK».

Los iconos simples se parecen a logos famosos

El prompt del icono pedía formas simples y las consiguió, muy cerca de una marca que ya conoces.

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.

En español: un icono de app vectorial plano, con un avión de papel blanco sobre un cuadrado redondeado con degradado de azul a turquesa, formas geométricas simples, sin texto y centrado.

El resultado es justo lo que se pidió —un avión de papel blanco, algo descentrado, sobre un cuadrado redondeado de azul a turquesa, sin texto— y se parece mucho al logo de una app de mensajería muy conocida. Las ideas de icono simples y comunes aterrizan cerca de marcas famosas, así que añade un detalle que sea tuyo y compara el resultado con los logos existentes antes de usarlo.

Estos son los fallos que vimos, con su arreglo.

Ejecutar estos prompts desde la API

La API de medios de OmniaKey tiene tres pasos: crear una tarea, consultar la misma tarea hasta que termine y descargar el archivo.

pip install requests
export OMNIAKEY_API_KEY="your-key"

Este es el script que ejecutamos, sin cambios:

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")

Su salida el 26 de octubre de 2026:

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

Desde la petición hasta el archivo guardado pasaron unos 16 segundos.

• aspect_ratio: la API de xAI acepta 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 y auto. xAI sugiere fijar una proporción en toda una serie y usar 3:2 para la mayoría de las fotos. Nuestras dos ejecuciones en 16:9 volvieron en 1280×720, y el diseño se rehízo para el marco ancho en lugar de recortarse: título arriba, saxofón en el centro, la línea pequeña abajo.
• En OmniaKey, Grok Imagine solo genera y n debe ser 1. La API propia de xAI también edita imágenes y devuelve hasta 10 por petición.
• La API de xAI tiene además ajustes de quality y resolution, que no probamos a través de OmniaKey.
• Descarga el archivo cuando termine la tarea: el enlace firmado dura alrededor de una hora y el registro de la tarea 24 horas.
• Precio: xAI lista Grok Imagine 2.0 a $0.04 por imagen, igual sea cual sea la longitud del prompt (consultado el 26 de octubre de 2026). El modelo anterior grok-imagine-image-quality cuesta $0.05 y grok-imagine-image $0.02 por imagen, y nuestra prueba de la API de Grok Imagine con los tres modelos de imagen ejecuta los mismos cuatro prompts en los tres. En OmniaKey, una tarea fallida se reembolsa automáticamente. Para la tarifa actual de OmniaKey, consulta la página del modelo Grok Imagine 2.0 y la documentación de la API de imagen.

Preguntas frecuentes

¿Cuánto puede medir un prompt de Grok Imagine 2.0?

xAI no publica una longitud máxima para un prompt de imagen. Su Image Prompting Guide pide de cuatro a seis frases para una sola imagen fija, y los nuestros tenían 30–48 palabras en una a tres frases. Las ocho recetas de arriba se acercaron al prompt.

¿Cómo se consigue que el texto salga bien en Grok Imagine 2.0?

Pon cada línea de texto entre comillas dobles y di dónde se sitúa en el encuadre. Nuestros cuatro prompts con texto reprodujeron correctamente las 14 líneas entrecomilladas, con puntos medios y precios incluidos, y el anuncio de xAI dice que el texto pequeño ahora sale nítido. La guía de xAI no tiene regla para el texto, así que las comillas son nuestro método, no el de xAI.

¿Qué tamaño tienen las imágenes de Grok Imagine 2.0?

Con auto, nuestras 11 ejecuciones volvieron en 832×1248, 1248×832, 1024×1024 y 1280×720. Fijar aspect_ratio en "16:9" dio 1280×720 en las dos ejecuciones. La API de xAI también tiene resolution, con 1k por defecto y 2k como opción.

¿Puede Grok Imagine 2.0 editar una imagen?

Sí a través de xAI, que acepta una edición en POST /v1/images/edits con hasta 5 imágenes de origen en una petición. Su guía dice que conviene empezar por los uno a tres cambios y mantener el resto. En OmniaKey, Grok Imagine solo genera, así que una petición de edición se rechaza.

¿Grok Imagine 2.0 reescribe mi prompt?

La API de xAI factura el texto del prompt a un modelo de reescritura (upsampler), y su esquema de respuesta no tiene ningún campo para un prompt reescrito. Lo que cambia el upsampler no está publicado, así que lee la imagen contra tu prompt en lugar de adivinar.

¿Cuánto cuesta Grok Imagine 2.0?

xAI lista $0.04 por imagen para grok-imagine-image-2.0, consultado el 26 de octubre de 2026, y generar cuesta lo mismo sea cual sea la longitud del prompt. Una edición se factura por la imagen de entrada y la imagen de salida. Para la tarifa actual de OmniaKey, consulta la página del modelo Grok Imagine 2.0.

Registro de cambios

• 27 de octubre de 2026: primera versión, con prompts ejecutados el 26 de octubre de 2026.