Grok 最初以对话见长，但 xAI 在 2024 年底把图片生成也加了进来。现在的 Grok Imagine 不只能生图，连短视频也能生成，整个功能就集成在你和 Grok 对话的同一个界面里。
问题是，免费版能不能用？能做到什么程度？这篇把 Grok Imagine 的细节讲清楚。
认识 Grok Imagine
Grok Imagine 是 xAI 内置在 Grok 里的 AI 图片和短视频生成功能，底层模型叫做 Aurora，于 2024 年 12 月推出。
Aurora 的技术路线和 Stable Diffusion 或 DALL-E 不同，它不走扩散架构，而是采用自回归 MoE（Mixture of Experts）。这个差异带来一个实际效果：图片内的文字渲染。扩散模型生成的图，里面的英文字母常常拼错、中文字也常常乱掉；Aurora 因为架构不同，在这个问题上的表现明显更好。如果你需要生成带有标语、说明文字、品牌名称的图，这个差异感受很明显。
功能集中在 Grok 界面的「Imagine」标签页，入口有三个：
- grok.com 的 Imagine 标签页（浏览器版，最完整）
- X app / x.com 内的 Grok 界面
- Grok iOS / Android 独立 app
无论哪个入口，都需要 X 账号或 xAI 账号登录。
怎么用 Grok Imagine
步骤很直接：
- 打开 grok.com 或 Grok app，登录账号
- 确认你有付费方案，免费版看得到 Imagine 标签页，但点进去是付费墙（2026/3/19 起）
- 进入「Imagine」标签页
- 输入 prompt（主体 + 动作 + 场景 + 风格 + 技术细节；中文 prompt 可以直接用）
- 选择宽高比（横版、竖版、正方形等）
- 点 Generate，生图约 3–5 秒，视频约 17–30 秒
- 不满意就点 Regenerate，或在同一个对话里追加指令微调（比如「光线再暗一点」、「去掉背景里的人」）
- 下载，或直接分享到 X
Prompt 技巧上，越具体越好：主体的外形、动作、背景、光线、镜头、风格，能写的都写进去。Grok 在同一个对话里记得前面的图和指令，所以不用每次从头重写 prompt，追加一句微调比重新开始更高效。
中文 prompt 直接输入没问题。偶尔 Grok 的回复消息语气会不太一致，加上「请用简体中文回复」可以改善。
免费版无法生图
这件事需要单独说清楚：免费账号目前无法使用 Grok Imagine。
2026 年 3 月 19 日之后，免费版的 Imagine 标签页入口还在，但点进去会出现订阅提示。这个变动和 2026 年初的 deepfake 风波直接相关（后面一节会详细说）。如果你在网上看到「Grok 可以免费生图」的文章，注意发布日期，3 月底之后那些信息就已经过时了。
价格
免费版不能生图，要用 Grok Imagine 必须订阅付费方案。xAI 的专属方案有两个（时常有限时折扣，以下为原价参考）：
- SuperGrok：约 US$30/月，普通用户的主力选择，含视频生成。
- SuperGrok Heavy：约 US$300/月，面向高频、专业用途。
此外，订阅 X Premium / X Premium+ 也包含 Grok 的高级访问权限（顺带获得，不是专为生图设计的方案）。各方案的实际生图额度 xAI 没有公开、各方说法不一，以 grok.com 当前显示为准。
API 方面，标准模型每张图约 US$0.02、Pro 模型约 US$0.07（以官方最新定价为准）。
Grok Imagine 能做什么
文字生图
输入文字 prompt，选择宽高比（支持多种横竖比例），约 3–5 秒出图，生图速度在主流 AI 生图工具里算快的（实际分辨率选项以官方界面为准）。
图内文字渲染是 Aurora 的显著强项。要生成带广告语的海报、带品牌 Logo 文字的产品图，Aurora 的文字准确率比扩散架构的工具好一截。图内中文文字目前没有系统性公开测试，建议自行测试确认。
图片编辑与风格转换
可以上传参考图（数量以官方界面为准），进行风格转换或指定元素替换。比如上传一张产品照，让 Grok 把它转成水墨画风格，或把背景换成指定场景。编辑深度比 Photoshop AI 工具浅，但在对话流程里操作很直观。
短视频生成
在 Imagine 里输入 prompt 也能生成视频：
- 时长约 6–15 秒
- 分辨率 720p，帧率 24fps
- 生成时间约 17–30 秒
和专业视频生成工具（比如 Kling）相比，视频时长短、分辨率较低、动态连贯性也差一些，这个差距目前还比较明显。Grok 视频功能的优势主要在于和对话界面的整合：在聊 Grok 的同一个窗口里输几个字就能出视频，上手门槛低。
目前没有音频生成功能。
deepfake 风波与内容政策
2025 年底到 2026 年初，Grok Imagine 因为被大量用于生成未经同意的 deepfake 图像（受害者多为女性和公众人物）而引发广泛批评。事件持续发酵后，xAI 先在 1 月 9 日将生图限定付费用户、大幅收紧内容过滤，随后在 3 月 19 日全面取消免费版的生图功能。
这件事定义了 Grok Imagine 在 2026 年的现状：更严格的 NSFW 过滤、明显收窄的「允许范围」，以及更高的使用门槛（需付费）。
Grok 早期以相对宽松的生成尺度著称，网上有不少第三方文章教如何绕过限制。目前多数此类做法违反 xAI 服务条款，账号有被封禁的风险，这里不说明具体操作。
xAI 的内容政策仍在持续调整，细节以 docs.x.ai 和 x.ai/news 的官方公告为准。
和其他工具对比
| Grok Imagine（Aurora） | Midjourney | Kling | |
|---|---|---|---|
| 图内文字 | 强 | 较弱 | n/a |
| 艺术风格 | 普通 | 强 | n/a |
| 写实摄影 | 强 | 强 | n/a |
| 图片编辑深度 | 浅 | 中 | n/a |
| 视频时长 | 6–15 秒 | n/a | 更长 |
| 视频质量 | 普通 | n/a | 强 |
| X 整合 | 原生 | 无 | 无 |
| 入门成本 | 需付费方案 | 需付费 | 需付费 |
几个判断基准：
选 Grok Imagine 的情况：你本来就在用 Grok、需要图内文字准确、或者想把生图和 X 发帖整合在同一个流程里。
视频选专业工具（如 Kling）的情况：需要超过 15 秒的视频，或对动态连贯性要求高。Grok 的视频功能目前还处于早期阶段。
图片艺术风格选 Midjourney 的情况：需要精细的艺术方向控制、风格一致性，或高级图片编辑能力。
结论
Aurora 的图内文字渲染是真实的差异化优势，不是营销说辞。这个架构选择让它在特定场景下（品牌图、信息图、带标语的社交媒体图）比同类工具好用，不需要事后去 Canva 手动加字。
视频功能目前的定位更像是「能用，但不惊艳」。Kling 这类专业视频工具在这条赛道上领先不少，Grok 的短视频更适合快速验证视觉概念，不适合作为正式视频内容的输出工具。
取消免费生图让 Grok Imagine 的使用门槛明显提高了，付费理由目前主要来自图内文字渲染和 X 整合这两点。如果这两个不是你的核心需求，Midjourney 或其他免费生图工具可能更合算。选择付费方案的话，SuperGrok（约 US$30/月）的性价比比 X Premium+ 高，具体数字以官方为准。
延伸阅读
整理：Penna｜小企鵝 Penchan