Grok — нейросеть компании xAI Илона Маска: чат-бот, видео, картинки и озвучка. На сайте из этой линейки шесть нейросетей и модель Grok 4.7 в чате, все принимают задания по-русски и работают без VPN. Мы провели через них одну тему, ярмарку мёда: ролик, афишу и объявление голосом.
Чат-бот Grok xAI выпустила в 2023 году, а в августе 2025 года в приложении Grok появился Grok Imagine, генератор картинок и коротких роликов по тексту. В феврале 2026 года вышла Imagine 1.0 с роликами до 10 секунд в 720p и звуком, в апреле у картинок появился режим качества, в июне вышла Imagine Video 1.5, в августе Imagine Image 2.0. Озвучку xAI выпустила в апреле 2026 года. Не удивляйтесь, если на сайте xAI увидите имя SpaceXAI: в 2026 году компания вошла в SpaceX и с июля называется так.
Пять нейросетей сайта — это и есть Grok Imagine. Видео делают Grok Video и Grok Video 1.5, картинки рисуют Grok Image, Grok Image Pro и Grok Image 2.0. Pro и есть модель с режимом качества: картинки до 2K и аккуратнее надписи. Grok Image 2.0 самая новая. По словам xAI, в августе 2026 года она заняла второе место в Arena, рейтинге, где люди вслепую сравнивают картинки разных нейросетей. Шестая нейросеть, xAI TTS v1, озвучивает текст.
Для ролика нужен был стартовый кадр. Мы сделали его в Grok Image Pro: продавщица мёда выдумана нейросетью, такой женщины нет. Картинка пришла через 19 секунд.
Реалистичное фото: женщина лет пятидесяти в вязаном горчичном кардигане и светлом платке стоит за деревянным прилавком с банками мёда и сотами на осенней ярмарке в парке, улыбается и смотрит в камеру. За ней жёлтые клёны и гирлянда лампочек, мягкий дневной свет, горизонтальный кадр, снято на обычную камеру.
Grok Image Pro · 16:9, 1K · от 7 ₽
Этот кадр и одно задание мы отдали обеим видеонейросетям: 6 секунд, разрешение 720p: оно годится для телефона, а более дешёвое 480p — для проб. Реплику в кавычках нейросеть произносит сама: звук и речь обе модели делают без отдельной озвучки.
Женщина зачерпывает мёд деревянной ложкой из открытой банки и поднимает ложку: густой мёд медленно стекает тонкой струёй обратно в банку. Она смотрит в камеру и говорит по-русски: «Смотрите, какой тягучий!» Камера неподвижна, лёгкий ветер качает листья.
Grok Video · соотношение сторон 16:9 · от 2 ₽/сек
Grok Video 1.5 · соотношение сторон «Авто» · от 2 ₽/сек
Ролики вышли почти близнецами. В обоих лицо продавщицы не поменялось, мёд стекает непрерывной тонкой струёй, а фразу распознавание речи в обоих вернуло слово в слово. Деревянной ложки на исходном кадре не было, и обе нейросети взяли светлую ложечку из банки на прилавке. Обе думали по 56 секунд. Первая пара проб, с другой фразой, тоже вышла похожей. Поэтому выбирать между ними стоит по настройкам. Grok Video снимает ещё и из текста, ролик у неё длится 6–30 секунд, а секунда в 720p дешевле. Grok Video 1.5 работает только от картинки, зато ролик может быть короче, от 1 секунды, а соотношение сторон «Авто» возьмёт пропорции с картинки.
Обе принимают до 7 картинок, например образцы героя, товара и места. Как нейросети собирают сцену из нескольких образцов, показано в разделе Видео по референсам.
Поле Режим есть только у Grok Video. Мы дали одно задание из текста в двух режимах, 480p и 6 секунд:
Пожилой пчеловод в защитной сетке снимает крышку с улья на пасеке, вокруг кружат пчёлы, он достаёт рамку с сотами и показывает её в камеру. Реалистичное видео, дневной свет, горизонтальный кадр.
Grok Video · режим «Обычный» · от 2 ₽/сек
Grok Video · режим «Весёлый» · от 2 ₽/сек
В «Обычном» пчеловод молча подносит к камере рамку, облепленную пчёлами, и сцена похожа на настоящую съёмку на пасеке. В «Весёлом» он улыбается в камеру и сам говорит «Смотрите, какая рамка с мёдом!», хотя реплики в задании не было, а пчёл на рамке почти нет. На мультяшной сцене с медвежонком такой разницы не вышло: персонажи заговорили в обоих режимах. Третий режим, «Откровенный», в форме доступен только для видео из текста.
Нейросеть для картинок лучше всего проверять русской надписью. Поэтому мы попросили у трёх Grok Image афишу с заголовком и датой, соотношение сторон 2:3, у Pro разрешение 1K.
Вертикальная афиша осенней ярмарки мёда. Вверху крупная надпись «Медовая ярмарка», под ней строка «12 октября · вход свободный». В центре деревянный прилавок с банками янтарного мёда и сотами, вокруг жёлтые кленовые листья и две пчелы. Тёплые янтарные и коричневые тона, плоская иллюстрация, чистый кремовый фон под текстом.
Grok Image · 2 картинки за запуск · 4 ₽
Grok Image Pro · 1K · от 7 ₽
Grok Image 2.0 · 1 картинка · от 3 ₽
По заданию без фото Grok Image отдаёт сразу две картинки за одну цену. За два запуска мы получили четыре афиши, и на всех четырёх вместо «Медовой» написано «Ледовая», а в строке с датой — «выод» и «мну». Pro написала всё верно, только перенесла кавычки из задания в заголовок и сама добавила табличку «Свежий мёд». Самую аккуратную афишу сделала 2.0, хотя вместо плоской иллюстрации нарисовала объёмную, почти как фото. Картинка у неё дешевле, чем у Pro, но ждать её пришлось 44 секунды, а Pro ответила за 25.
Загрузить фото в 2.0 на сайте нельзя, она рисует только по тексту. Поэтому её афишу мы отдали на правку двум другим:
Сделай эту афишу зимней: вместо кленовых листьев — снег и еловые ветки, дату замени на «14 декабря». Надпись «Медовая ярмарка», банки мёда и соты оставь как есть.
Grok Image · 1 фото · 4 ₽
Grok Image Pro · соотношение «Авто», 1K · от 7 ₽
Обе правки удались: дата стала «14 декабря», заголовок не пострадал. Выходит, что Grok Image, которая путает буквы в своих надписях, чужую надпись сохраняет аккуратно. Она заменила фон на заснеженный лес и оставила размер исходника, 1152×1728. Pro бережнее отнеслась к композиции и присыпала снегом крышки банок, но при 1K картинка вышла меньше исходника, 832×1248. За каждую загруженную картинку Pro берёт доплату, а у Grok Image цена одна.
У xAI TTS v1 28 голосов и 16 языков, у арабского, испанского и португальского есть ещё варианты по странам. Подачу задают английские теги прямо в тексте: [pause] ставит паузу, [laugh] добавляет смешок, фраза между <whisper> и </whisper> звучит шёпотом. Остальные теги перечислены в подсказке к полю Текст. Объявление ярмарки мы отдали мужскому голосу Rex:
Друзья, [pause] 12 октября в парке — Медовая ярмарка! [laugh] Липовый, гречишный, цветочный — пробуйте с каждой ложки. <whisper>А самый тягучий мёд мы припрятали до обеда.</whisper> [pause] Вход свободный, приходите всей семьёй!
xAI TTS v1 · голос Rex, русский · 3 ₽ за 1000 символов
Запись на 16 секунд пришла через 19. Все слова на месте, фраза про тягучий мёд звучит тише остальных. Цена — 3 ₽ за 1000 символов, теги входят в число символов. Как xAI читает рядом с другими нейросетями, слышно в сравнении раздела Озвучка текста.
Текстовая модель xAI работает в чате сайта. Grok 4.7 вышла 21 сентября 2026 года, xAI называет её своей лучшей моделью. Она читает картинки, которые вы прикладываете, ищет в интернете и создаёт файлы, а платите вы за длину вопроса и ответа. Как устроен чат, рассказано в инструкции к чату.
Цены в таблице берутся из каталога. На все примеры статьи у нас ушло около 170 ₽.
| Нейросеть | Цена | Что делает | На входе | Лимиты |
|---|---|---|---|---|
| Grok Video | от 2 ₽/сек | видео из текста или картинок | текст, до 7 картинок | 6–30 с, 480p и 720p, 3 режима |
| Grok Video 1.5 | от 2 ₽/сек | видео из картинки | до 7 картинок и текст | 1–15 с, 480p и 720p |
| Grok Image | 4 ₽ | картинка или правка фото | текст, до 5 фото | 2 картинки за запуск по тексту |
| Grok Image Pro | от 7 ₽ | картинка или правка фото | текст, до 3 фото | 1K или 2K, 13 соотношений сторон и «Авто» |
| Grok Image 2.0 | от 3 ₽ | картинка по тексту | только текст | до 12 картинок за запуск |
| xAI TTS v1 | 3 ₽ за 1000 символов | озвучка текста | текст до 15 000 символов | 28 голосов, 16 языков |
Сравнить Grok с Kling, Veo и Seedance можно в разделах Видео из изображений и Видео из текста, а картинки — в разделе Создание изображений. Как Grok Video оживляет детский рисунок, показано в инструкции как оживить детский рисунок.
Статья обновлена 26 сентября 2026 г.
