xAI 的 Imagine Image 2.0 紧随 GPT-Image-2

The Decoder·8月8日 16:22 UTC·作者 Matthias Bastian

关键信息

截至 2026 年 8 月 7 日，速度更快的 low 变体在 Image Edit Arena 和 Text-to-Image Arena 中都位列全球第二，Elo 分别为 1,439 和 1,320。xAI 还强调了 Magic Wand 局部编辑、分割选区、背景移除、最多五张输入图像的 Multi-Ref Editing，以及用于调整长宽比的 Smart Resize。

资讯摘要

xAI 发布了 Imagine Image 2.0，并将其作为 Grok 中新的“质量模式”上线，用户可以在 grok.com/imagine 以及 Grok 的 iOS 和 Android 应用中使用。公司同时表示，API 访问也会在稍后开放，但尚未公布面向开发者的具体时间。xAI 介绍称，这一模型在精确执行指令、在复杂画面中保持清晰的字体与版式，以及在多次生成之间维持一致性方面都有提升。根据 2026 年 8 月 7 日的 Arena 排行榜，Imagine Image 2.0 的速度更快的 low 变体在 Image Edit Arena 和 Text-to-Image Arena 中都排到了全球第二。它在图像编辑榜上的 Elo 为 1,439，落后于 OpenAI 的 GPT-Image-2（1,463）；在文生图榜上的 Elo 为 1,320，也低于 GPT-Image-2 的 1,380。Reve 2.1、Meta 的 Muse-Image、Alibaba 的 Qwen-Image-3.0-Pro、Google 的 Gemini 以及 ByteDance 的 SeedDream 在这些对比中排名更靠后。

文章还指出，新模型在这些测试中大幅超过了 xAI 前一代的 Quality 版本。除了基准成绩之外，xAI 还围绕工作流推出了多项编辑功能。Magic Wand 可以只修改选定区域，分割功能可以精确选择局部，背景移除可以导出透明背景的主体。Multi-Ref Editing 支持最多五张输入图像合成为一次生成，Smart Resize 则能把已有图片转换为任意长宽比，并由模型自动补全额外空间。xAI 还提供了模板，覆盖照片编辑、产品摄影、营销物料、设计工具、游戏素材和直播表情等常见场景。公司另外展示了一项功能，可以分别生成角色、地点和道具，同时保持整体视觉风格一致，并将其定位为通向完整视频制作流程的一步。

资讯正文

xAI 的 Imagine Image 2.0 在 Arena 基准测试中紧随 OpenAI 的 GPT-Image-2 之后

xAI 发布了带有编辑工具和预设模板的 Imagine Image 2.0。该模型在 Arena 基准测试中的表现仅次于 OpenAI 的 GPT-Image-2。

据 xAI 介绍，Imagine Image 2.0 现已作为 grok.com/imagine 以及 Grok 的 iOS 和 Android 应用中的全新“Quality Mode”上线。Imagine Image 2.0 的 API 访问即将到来。

xAI 表示，Imagine 2.0 旨在以细致入微的准确度遵循指令，在复杂视觉内容中保持排版和布局整洁，并在多次生成之间保持一致性。

截至 2026 年 8 月 7 日的 Arena 排行榜上，该模型更快的“low”变体在两个类别中都位居全球第二。在 Image Edit Arena 中，它的 Elo 评分为 1,439，落后于 OpenAI 的 GPT-Image-2 的 1,463。在 Text-to-Image Arena 中，它得分为 1,320，同样不及 GPT-Image-2 的 1,380。

Reve 2.1、Meta 的 Muse-Image、阿里巴巴的 Qwen-Image-3.0-Pro、Google 的 Gemini 以及字节跳动的 SeedDream 都排在更靠后的位置。新模型在这些测试中也以明显优势击败了其前代的“Quality”变体。

面向迭代工作流构建的编辑工具

Imagine Image 2.0 附带了多项编辑功能。xAI 表示，一项名为“Magic Wand”的工具只会修改图像中选中的区域。分割功能允许用户选择精确区域，而背景移除工具则可导出带透明背景的主体。

Multi-Ref Editing 允许用户将最多五张输入图片合成为一次生成。“Smart Resize” 可将现有图像转换为任意宽高比，模型会自行补全额外空间。

模板与视频前期制作规划

xAI 还在加入模板功能，把常见的图像工作流打包成预配置的起点。类别涵盖照片编辑、产品摄影、营销素材、设计工具、游戏资产以及流媒体表情符号。

xAI 还展示了一项功能：它能分别生成角色、地点和道具，同时让所有图像保持统一的视觉风格。公司将其定位为迈向完整视频制作工作流的垫脚石。

来源与参考

收录于 2026-08-09