图片：METAL
摘要
- xAI在Grok中以"质量模式"推出了新图像生成模型Imagine Image 2.0
- 在Arena基准测试的图像编辑和文本生成图像两个类别中均排名第二，仅次于OpenAI的GPT-Image-2
- 配套提供Magic Wand、Multi-Ref Editing、Smart Resize等编辑工具及预设模板
发布概况
xAI在Grok平台上发布了新的图像生成模型Imagine Image 2.0。该模型作为新的"质量模式"，已在grok.com/imagine以及Grok的iOS、Android应用中上线，xAI表示API接口也将很快开放。公司介绍称，该模型的设计目标是精准遵循细致指令，在复杂图像中依然保持排版和布局的整洁，并在多次生成中保持一致性。
Arena基准测试成绩
截至2026年8月7日，在Arena排行榜上，Imagine 2.0速度更快的"low"版本在图像编辑和文本生成图像两个类别中均位列总榜第二。在图像编辑竞技场（Image Edit Arena）中，该模型获得1,439分的Elo评分，略低于OpenAI GPT-Image-2的1,463分。在文本生成图像竞技场（Text-to-Image Arena）中，该模型得分1,320分，同样低于GPT-Image-2的1,380分。
| 模型 | Image Edit Arena Elo | Text-to-Image Arena Elo |
|---|---|---|
| GPT-Image-2 (OpenAI) | 1,463 bar:100 | 1,380 bar:100 |
| Imagine 2.0 low (xAI) | 1,439 bar:98 | 1,320 bar:96 |
Reve 2.1、Meta的Muse-Image、阿里巴巴（Alibaba）的Qwen-Image-3.0-Pro、谷歌（Google）的Gemini、字节跳动（ByteDance）的SeedDream等模型在两个类别中排名均低于Imagine 2.0。xAI表示，新模型相较于上一代"质量"版本有大幅提升。
新增编辑工具
Imagine Image 2.0新增了多项针对迭代式工作流优化的编辑功能。"Magic Wand"功能可仅修改选定区域，分割功能支持精确的区域选取。背景去除工具能够以透明背景提取目标对象。
"Multi-Ref Editing"功能可将最多5张输入图像组合成一张成品图。"Smart Resize"功能可将现有图像转换为所需的画面比例，模型会自动填补空白区域。
相关内容可参考METAL LAB的一篇文章，其中梳理了OpenAI图像生成模型的发展脉络，也可借此了解近期图像生成领域竞争格局的变化。
模板与视频预制功能
xAI还推出了针对常用图像工作流预先配置的模板，涵盖照片编辑、产品摄影、营销素材、设计工具、游戏素材、直播表情包等多个领域。
此外，公司还公布了一项功能，可分别生成角色、场景和道具，同时在整体图像中保持视觉风格的一致性。xAI表示，这一功能被定位为迈向未来完整视频制作工作流程的跳板。公司解释称，该功能能够创建出"一致的视觉世界"，可作为视频制作的起点。
展望
Imagine 2.0在基准测试中略逊于GPT-Image-2的结果表明，图像生成模型在顶尖梯队的竞争已趋于白热化。API开放时间以及未来能否扩展至视频生成功能，将是下一步值得关注的焦点。
评论