Guia de prompts do Grok Imagine 2.0: estrutura, exemplos e imagens reais

Um prompt do Grok Imagine 2.0 é escrito com frases simples sobre uma única imagem, na ordem da xAI: assunto, detalhes, estilo, luz, cor e enquadramento. As palavras que precisam aparecer na imagem ficam entre aspas duplas, com o lugar onde entram. Rodamos 11 prompts em 26 de outubro de 2026: toda palavra entre aspas saiu correta, e o modelo escolheu o formato da imagem até definirmos aspect_ratio.

A estrutura de um prompt do Grok Imagine 2.0

O Image Prompting Guide da xAI dá uma única ordem para todos os prompts de uma série — assunto, detalhes e ponto focal, direção de arte, luz, cor, composição — e pede de quatro a seis frases de prosa que descrevam uma só imagem.

A última linha, Texto, é nossa.

• O assunto primeiro: o guia da xAI diz que “um prompt que começa pelo clima, pelo tipo de filme ou por uma lista de coisas a evitar produz uma cena estilizada cujo assunto é apenas um substituto”.
• Descreva o que você quer, não o que evitar. “Brushed steel with fine horizontal grain” dá ao modelo um material para desenhar, e uma lista longa de proibições é fácil de ignorar.
• Texto: o guia da xAI não tem regra para palavras dentro da imagem, e o anúncio diz que o modelo planeja a tipografia e o layout, então o texto pequeno sai nítido. Colocamos cada palavra entre aspas duplas e dissemos onde ela fica, e as 14 linhas entre aspas saíram corretas.
• Formato: o prompt não define. aspect_ratio vem em auto por padrão, o que deixa o modelo escolher a proporção que combina com o prompt, e nossas 11 execuções sem ajuste voltaram em retrato 832×1248, paisagem 1248×832, quadrado 1024×1024 e 1280×720. A seção da API mostra como fixar o formato.
• Comprimento e idioma: a xAI não publica comprimento máximo de prompt nem lista de idiomas de prompt. Os nossos tinham 30–48 palavras em uma a três frases, em inglês.

Como fizemos as imagens

• Modelo grok-imagine-image-2.0 pela API de mídia assíncrona da OmniaKey em 26 de outubro de 2026, com a operação generate e nenhum parâmetro, então aspect_ratio ficou no padrão da xAI, auto, e a resolução também. Todas as tarefas deram certo de primeira.
• Depois, mais duas execuções do prompt do pôster com aspect_ratio em "16:9": uma do nosso script de teste e uma do script Python abaixo. As duas voltaram em 1280×720, com o texto escrito certo.
• A saída foi JPEG, e o tempo da requisição até a imagem pronta ficou entre 15.6 s e 41.1 s. A maioria ficou entre 16 e 25 s; o ícone levou 41.1 s.
• Olhamos cada imagem em tamanho real e lemos palavra por palavra as quatro imagens com texto contra o prompt.
• A OmniaKey vende acesso à API do Grok Imagine 2.0, então os prompts rodaram por ela. Todos os preços aqui são os da xAI.
• Fontes: o Image Prompting Guide da xAI, o guia de geração de imagens e a página de preços, verificados em 26 de outubro de 2026.

Cada prompt rodou uma vez, então trate cada imagem como uma única amostra.

Oito prompts com imagens reais

1. Um pôster com título e uma linha pequena

Este prompt pede um título grande, uma linha pequena e um ar chapado de serigrafia.

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.

Em português: um pôster minimalista de show de jazz, com um título grande no topo e uma linha com data e casa embaixo, em fundo creme com a silhueta de um saxofone em azul profundo.

Configurações: generate, sem aspect_ratio (auto), voltou em 832×1248 em 16.4 s.

O que aconteceu:

• “BLUE HOUR” ocupa o topo em maiúsculas condensadas azul-escuras, a linha pequena fica embaixo e está escrita exatamente, pontos médios incluídos.
• Um saxofone azul-escuro preenche o centro do papel creme com uma textura leve de impressão, e o espaço vazio continua vazio.
• O saxofone mostra as chaves em linhas claras, então lê-se como desenho e não como silhueta chapada.

O que mudar:

• Nada no texto; mantenha a linha pequena dentro de um mesmo par de aspas para os pontos ficarem com ela.
• Para uma silhueta pura, tente “a solid single-color saxophone shape with no inner details”.

2. Um rótulo de produto com palavras exatas

Este prompt coloca duas linhas curtas de texto numa foto de produto.

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.

Em português: uma foto de produto de uma garrafa de vidro de cold brew, com rótulo de papel kraft que traz “NORTH ROAST” e “Cold Brew · 12 oz”, sobre ardósia escura molhada com gelo em volta.

Configurações: generate, sem aspect_ratio (auto), voltou em 832×1248 em 17.1 s.

O que aconteceu:

• Uma garrafa escura de café coberta de gotas está sobre ardósia preta molhada, com gelo em volta e fundo preto.
• O rótulo kraft traz “NORTH ROAST” em maiúsculas fortes e “Cold Brew · 12 oz” sob uma linha fina, os dois exatos.
• O modelo também desenhou um contorno pequeno de montanha acima do nome, que o prompt não pedia.

O que mudar:

• Se o rótulo deve levar só as suas palavras, tente “the label shows only these two lines of text, no logo”.

3. Um cartão de receita: várias linhas e ícones

Este prompt pede um título, três passos numerados e um ícone por passo.

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.

Em português: um cartão de receita limpo com o título “3-Step Pancakes”, três passos numerados escritos palavra por palavra e um ícone de linha ao lado de cada um.

Configurações: generate, sem aspect_ratio (auto), voltou em 832×1248 em 15.6 s.

O que aconteceu:

• O título “3-Step Pancakes” fica no topo, sobre uma linha fina bege, e três linhas são separadas por traços finos.
• As palavras de cada passo são exatas e ocupam duas linhas, com um ícone de linha à direita: um batedor, um relógio, uma frigideira.
• Os números ficaram dentro de círculos (“1”, “2”, “3”) em vez de “1.”, “2.”, “3.”.

O que mudar:

• Se o estilo “1.” importa, tente “numbers written as 1., 2., 3. before each step, no circles”.

4. Um menu de lousa com preços

Este prompt testa cinco linhas curtas escritas à mão com preços.

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.

Em português: um menu de lousa de café com o título “TODAY”, cinco linhas escritas à mão com preços, moldura de madeira e luz quente de café.

Configurações: generate, sem aspect_ratio (auto), voltou em 1248×832 em 29.8 s.

O que aconteceu:

• Uma lousa em moldura de madeira rústica pendurada numa parede de reboco quente, com uma planta em vaso na borda esquerda.
• “TODAY” está em maiúsculas grandes de giz, com sublinhado e um pequeno rabisco de folha.
• Os cinco itens estão em escrita de giz caprichada, os preços se alinham numa coluna à direita, e cada item e cada preço estão exatos.

O que mudar:

• Mantenha cada linha curta e dê as palavras exatas; cinco linhas curtas saíram todas certas aqui.

5. Uma foto de rua: lente e luz

Este prompt usa palavras de câmera para pedir um visual 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.

Em português: uma foto de rua espontânea de um homem idoso alimentando pombos numa praça de pedra na hora dourada, lente 35mm e profundidade de campo rasa.

Configurações: generate, sem aspect_ratio (auto), voltou em 1248×832 em 19.8 s.

O que aconteceu:

• Um homem idoso de boné e casaco longo escuro se agacha no calçamento de pedra e estende a mão aberta aos pombos em volta.
• A luz é quente e baixa, com a praça, pessoas e um muro grande de pedra desfocados atrás.
• O rosto mostra rugas e textura de pele, a mão parece natural e o grão de filme fica leve.

O que mudar:

• Nada. O guia da xAI diz para citar a textura uma vez e pedir luz que mantenha o assunto legível, e as duas coisas valeram aqui.

6. Comida vista de cima: nomear cada ingrediente

Este prompt lista as coberturas e dá uma direção à 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.

Em português: uma foto de comida vista de cima de uma tigela de ramen shoyu, cada ingrediente nomeado, os hashi apoiados na tigela e luz natural da janela vindo da esquerda.

Configurações: generate, sem aspect_ratio (auto), voltou em 1024×1024 em 20.7 s.

O que aconteceu:

• Uma vista de cima de uma tigela de cerâmica sobre madeira escura e gasta: meio ovo com gema mole alaranjada, duas fatias de chashu enrolado, duas folhas de nori, um monte de cebolinha fatiada e macarrão em caldo marrom.
• Hashi de madeira atravessam o lado direito da tigela, com fios fracos de vapor no topo.
• O modelo acrescentou um monte de cogumelos escuros em tiras que o prompt não listava.

O que mudar:

• Liste tudo o que deve estar na tigela e, se as coberturas precisam bater exatamente, tente “nothing else on top”.

7. Um interior: cada objeto com seu material

Este prompt nomeia cada objeto com material e cor.

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.

Em português: uma foto de interior de uma pequena sala escandinava, cada móvel com seu material e sua cor, luz suave da manhã e visão na altura dos olhos.

Configurações: generate, sem aspect_ratio (auto), voltou em 1248×832 em 16.3 s.

O que aconteceu:

• Tudo o que foi nomeado está lá: piso de carvalho claro, sofá branco com uma manta mostarda sobre um braço, mesa redonda de carvalho sobre tapete trançado, a janela grande à esquerda com árvores do lado de fora e uma figueira-lira alta num vaso branco à direita.
• Há quadros na parede, a visão é na altura dos olhos, clara e suave.

O que mudar:

• Nada. Um prompt que nomeia cada objeto, seu material e sua cor conseguiu todos; vale repetir esse padrão em outros ambientes.

8. Uma ilustração em aquarela

Este prompt nomeia uma técnica e uma 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.

Em português: uma ilustração infantil em aquarela suave, uma raposa pequena lendo sob um cogumelo vermelho gigante na floresta, vaga-lumes brilhando em volta, cores pastel suaves e textura de papel branco visível.

Configurações: generate, sem aspect_ratio (auto), voltou em 832×1248 em 24.9 s.

O que aconteceu:

• Uma aquarela suave de uma raposa laranja sob um grande cogumelo de chapéu vermelho, segurando um livro azul aberto, com vaga-lumes acesos em volta, samambaias, flores pequenas e cogumelos pequenos.
• A textura do papel branco aparece nas bordas.
• A raposa está de olhos fechados, então parece mais adormecida do que lendo.

O que mudar:

• Diga a expressão que você precisa: tente “eyes open, looking down at the page”.

O que dá errado e como corrigir

Um prompt vago deixa o modelo decidir tudo

Cada palavra que você omite o modelo preenche, e pode preencher com uma marca real.

a cool car

Em português: um carro legal. Três palavras e mais nada.

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.

Em português: um conversível vermelho-cereja dos anos 1960 parado numa estrada litorânea ao pôr do sol, ângulo baixo de frente e para-choque cromado pegando a luz.

• “a cool car” voltou como um superesportivo moderno cinza-escuro em asfalto molhado ao anoitecer, com montanhas, pinheiros e um céu rosado com nuvens atrás. Ele traz emblemas de uma montadora real no capô e nas rodas.
• O prompt específico colocou tudo na imagem: o conversível vermelho-cereja, o ângulo baixo de frente, a grade e o para-choque cromados ao sol, o mar e os penhascos atrás. O modelo acrescentou uma placa escrita “1962 CLK”.

Ícones simples ficam parecidos com logos famosos

O prompt do ícone pedia formas simples e as conseguiu, bem perto de uma marca que você já conhece.

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.

Em português: um ícone de app vetorial chapado, um avião de papel branco sobre um quadrado arredondado com degradê de azul para turquesa, formas geométricas simples, sem texto e centralizado.

O resultado é exatamente o que foi pedido — um avião de papel branco, um pouco fora do centro, sobre um quadrado arredondado de azul a turquesa, sem texto — e ele parece muito com o logo de um app de mensagens bem conhecido. Ideias de ícone simples e comuns caem perto de marcas famosas, então acrescente um detalhe que seja seu e compare o resultado com logos existentes antes de usar.

Estes são os erros que vimos, com a correção de cada um.

Rodar estes prompts pela API

A API de mídia da OmniaKey tem três passos: criar uma tarefa, consultar a mesma tarefa até ela terminar e baixar o arquivo.

pip install requests
export OMNIAKEY_API_KEY="your-key"

Este é o script que rodamos, sem alterações:

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")

A saída dele em 26 de outubro de 2026:

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

Da requisição até o arquivo salvo passaram cerca de 16 segundos.

• aspect_ratio: a API da xAI aceita 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 e auto. A xAI sugere fixar uma proporção na série inteira e 3:2 para a maioria das fotos. Nossas duas execuções em 16:9 voltaram em 1280×720, e o layout foi refeito para o quadro largo em vez de cortado: título no topo, saxofone no centro, a linha pequena embaixo.
• Na OmniaKey, o Grok Imagine só gera e n precisa ser 1. A API da própria xAI também edita imagens e devolve até 10 por requisição.
• A API da xAI tem ainda os ajustes quality e resolution, que não testamos pela OmniaKey.
• Baixe o arquivo quando a tarefa terminar: o link assinado dura cerca de uma hora e o registro da tarefa 24 horas.
• Preço: a xAI lista o Grok Imagine 2.0 a $0.04 por imagem, igual seja qual for o tamanho do prompt (verificado em 26 de outubro de 2026). O modelo anterior grok-imagine-image-quality custa $0.05 e o grok-imagine-image $0.02 por imagem, e nosso teste da API do Grok Imagine com os três modelos de imagem roda os mesmos quatro prompts nos três. Na OmniaKey, uma tarefa que falha é reembolsada automaticamente. Para a tarifa atual da OmniaKey, veja a página do modelo Grok Imagine 2.0 e a documentação da API de imagem.

Perguntas frequentes

Qual é o tamanho máximo de um prompt do Grok Imagine 2.0?

A xAI não publica comprimento máximo para um prompt de imagem. O Image Prompting Guide pede de quatro a seis frases para uma única imagem parada, e os nossos tinham 30–48 palavras em uma a três frases. As oito receitas acima ficaram todas perto do prompt.

Como acertar o texto no Grok Imagine 2.0?

Coloque cada linha de texto entre aspas duplas e diga onde ela fica no quadro. Nossos quatro prompts com texto renderizaram corretamente as 14 linhas entre aspas, com pontos médios e preços, e o anúncio da xAI diz que o texto pequeno agora sai nítido. O guia da xAI não tem regra para texto, então as aspas são o nosso método, não o da xAI.

Qual é o tamanho das imagens do Grok Imagine 2.0?

Deixadas em auto, nossas 11 execuções voltaram em 832×1248, 1248×832, 1024×1024 e 1280×720. Definir aspect_ratio em "16:9" deu 1280×720 nas duas execuções. A API da xAI também tem resolution, com 1k como padrão e 2k como opção.

O Grok Imagine 2.0 consegue editar uma imagem?

Sim pela xAI, que aceita uma edição em POST /v1/images/edits com até 5 imagens de origem numa requisição. O guia dela diz para começar pelas uma a três mudanças e manter o resto. Na OmniaKey, o Grok Imagine só gera, então um pedido de edição é recusado.

O Grok Imagine 2.0 reescreve meu prompt?

A API da xAI cobra o texto do prompt por um modelo de reescrita (upsampler), e o esquema de resposta não tem campo para um prompt reescrito. O que o upsampler muda não é publicado, então leia a imagem contra o seu prompt em vez de adivinhar.

Quanto custa o Grok Imagine 2.0?

A xAI lista $0.04 por imagem para o grok-imagine-image-2.0, verificado em 26 de outubro de 2026, e a geração custa o mesmo seja qual for o tamanho do prompt. Uma edição é cobrada pela imagem de entrada e pela imagem de saída. Para a tarifa atual da OmniaKey, veja a página do modelo Grok Imagine 2.0.

Registro de atualizações

• 27 de outubro de 2026: primeira versão, com prompts rodados em 26 de outubro de 2026.