به گزارش پیچینو، به گفته ماسک، این ارتقاء بزرگ در تولید تصویر و ویدئو همچنان در مرحله بتا اولیه است و هدف آن گسترش توانایی‌های Grok Imagine در خلق ویدیوهای کوتاه با کیفیت و همراه با صداست.
ماه‌های اخیر، Grok Imagine به‌عنوان نسخه‌ای مدرن از پلتفرم Vine معرفی شده؛ ابزاری برای تولید ویدئوهای کوتاه (حدود ۶ ثانیه) که خروجی آن بر پایه متن ساخته می‌شود و می‌تواند حاوی گفتار باشد.
هم‌زمان با استقبال اولیه، برخی مباحث اخلاقی پیرامون حالت «Spicy Mode» و خطرات احتمالی در تولید محتوای حساس نیز مطرح شده است.