Grok Imagine Image 2.0 的技術規格
| 項目 | Grok Imagine Image 2.0 |
|---|---|
| 模型 ID | grok-imagine-image-2.0 |
| 供應商 | xAI |
| 模型家族 | Grok Imagine |
| 模型類型 | 圖像生成與編輯 |
| 輸入模態 | 文字、圖像 |
| 輸出模態 | 圖像 |
| 生成端點 | POST /v1/images/generations |
| 編輯端點 | POST /v1/images/edits |
| 輸出解析度 | 1K、2K |
| 品質模式 | Low、Medium |
| 預設品質 | Medium |
| 長寬比 | 1:1, 3:4, 4:3, 9:16, 16:9, 2:3, 3:2, 9:19.5, 19.5:9, 9:20, 20:9, 1:2, 2:1, auto |
| 每次請求的圖像數量 | 最多 10 張 |
| 參考圖像 | 支援用於圖像編輯 |
| 回應格式 | URL、Base64 JSON |
| API 相容性 | 與 OpenAI 相容的圖像 API |
| 發佈日期 | 2026 年 8 月 7 日 |
| API 狀態 | 一般可用 |
xAI 的官方文件確認，grok-imagine-image-2.0 同時支援圖像生成與編輯，提供 1K/2K 解析度，且長寬比與品質可配置。
什麼是 Grok Imagine Image 2.0？
Grok Imagine Image 2.0 是 xAI 的最新圖像生成與編輯模型，屬於 Grok Imagine 家族，專為精準遵循指令、文字排版、版面配置控制，以及保留參考圖像特徵而設計。
xAI 將 Image 2.0 描述為為「真正的創意工作」所設計。其主要改進不僅是更高的圖像品質；該模型特別優化於遵循詳細提示、在反覆編輯中維持視覺元素，並處理包含文字排版與多個結構化元素的構圖。
該模型於 2026 年 8 月 7 日 進入一般可用狀態，最初作為 Grok Imagine 的新品質模式釋出，隨後經由 API 提供。
Grok Imagine Image 2.0 的主要功能
精準遵循提示
Grok Imagine Image 2.0 旨在在複雜的圖像生成提示中保留詳細指令。當提示指定多個物件、空間關係、視覺風格或構圖限制時，特別有用。
強化的文字排版與版面生成
該模型的一項明確設計目標是改善對文字排版與結構化版面的處理。xAI 強調其能為密集、多部分的視覺內容規劃排版與版面，並維持小字的可讀性。
這使得該模型特別適用於：
- 海報
- 廣告
- 資訊圖表
- 產品包裝
- 社群媒體圖像
- 簡報美術
- 行銷橫幅
圖像到圖像編輯
該模型透過 /v1/images/edits 端點支援圖像編輯。開發者可提供既有圖像與編輯指令，例如改變其藝術風格或新增/移除視覺元素。
參考圖像保留
Image 2.0 旨在於生成與編輯過程中保留來自參考圖像的重要元素。這有助於在反覆的工作流程中維持角色外觀、產品識別、構圖或視覺風格。
1K 與 2K 輸出
API 同時支援 1K 與 2K 輸出解析度。開發者可依是否需要更快速的草稿或更高細節的生產資產來選擇解析度。
靈活的長寬比
Grok Imagine Image 2.0 支援廣泛的長寬比，包括方形、人像、風景、電影比例與行動裝置取向格式。這使同一生成 API 能服務不同的發佈管道，而不必都強制輸出為 1:1 畫布。
批次圖像生成
該 API 能在單一請求中生成多張圖像，官方 Imagine 文件支援每次請求最多 10 張。這有助於為廣告、產品攝影、縮圖與概念探索生成創意變體。
Grok Imagine Image 2.0 的基準測試表現
xAI 報告 Imagine Image 2.0 在截至 2026 年 8 月 7 日的排行榜資料中，於 Text-to-Image 與 Image Edit Arena 排行榜均名列第二。這些是 xAI 引用的外部 Arena 評估，而非內部構建的基準分數。
由於這些排名會隨時間變動，呈現時應附上日期，而非作為永久的模型排名。
Grok Imagine Image 2.0 與 Grok Imagine Image 對比
| 功能 | Grok Imagine Image 2.0 | Grok Imagine Image |
|---|---|---|
| 模型 ID | grok-imagine-image-2.0 | grok-imagine-image |
| 輸入 | 文字 + 圖像 | 文字 + 圖像 |
| 輸出 | 圖像 | 圖像 |
| 1K | 是 | 是 |
| 2K | 是 | 是 |
| 品質控制 | Low / Medium | 未記載與 2.0 相同的品質控制 |
| 文字排版 | 改進 | 較早一代 |
| 版面遵循 | 改進 | 較早一代 |
| 圖像編輯 | 是 | 是 |
| 價格 | $0.04–$0.08/每張輸出圖像，取決於品質/解析度 | $0.02/每張圖像 |
| 定位 | 新一代創意模型 | 前一代 Grok Imagine |
舊版 grok-imagine-image 目前列出的價格為每張生成圖像 $0.02，而 Image 2.0 採用依解析度/品質而定的定價。
Grok Imagine Image 2.0 與 GPT Image 2.0 對比
| 面向 | Grok Imagine Image 2.0 | GPT Image 2 / ChatGPT Images 2.0 |
|---|---|---|
| 發佈 | 2026 年 8 月 7 日 | 2026 年 4 月 21 日 |
| 核心重點 | 精準編輯 + 實際可用輸出（資訊圖表、產品照、UI 樣機、遊戲資產、分鏡） | 高擬真生成 + 推理 + 複雜多圖一致性 |
| Arena 排名（2026 年 8 月） | 文字到圖像與圖像編輯均為全球第 2 | 文字到圖像與圖像編輯均為全球第 1 |
| 文字渲染 | 大幅提升（銳利、具版面意識的排版） | 同級最佳（尤其小字與非拉丁文字，如日文/韓文/中文/印地語/孟加拉語） |
| 多圖/一致性 | 最多 5 張參考圖像；提供產品/頭像等模板 | 從單一提示產生最多 8 張一致圖像（啟用「Thinking」模式）；強角色/物件連貫性 |
| 特別功能 | 智慧調整尺寸/outpainting、原生多參考合成、以設計為導向的規劃 | 「Thinking」模式（先推理再生成，可搜尋網路，從檔案建立視覺化解說） |
| 解析度/長寬比 | 常見 1K/2K；透過 Smart Resize 提供靈活長寬比 | 最高至 2K（API 在部分情境可提供更高選項）；範圍廣（例如 3:1 到 1:3） |
| 優勢 | 精準的局部編輯、產品/參考導向工作、實用的創意工作流程 | 提示遵循、文字密集設計、多場景一致性、推理 + 網路知識 |
兩者皆屬於相似類別，但側重點略有不同。
Grok Imagine Image 2.0 尤其適合依賴精準提示遵循、海報式版面、文字排版、參考圖像保留與反覆圖像編輯的工作流程。
當應用已建立在 OpenAI 更廣泛的多模態生態系上，並需將圖像生成作為更大型 GPT 工作流程的一部分時，GPT Image 更值得考量。
對專注於創意圖像的 API 而言，Grok Imagine Image 2.0 兼具生成 + 編輯 + 2K 輸出 + 可配置品質 + 廣泛長寬比支援，是生產級創意管線的強力選擇。
Grok Imagine Image 2.0 與 Google Imagen 對比
| 能力 | Grok Imagine Image 2.0 | Google Imagen |
|---|---|---|
| 文字到圖像 | 是 | 是 |
| 圖像編輯 | 是 | 是（視模型/API 而定） |
| 2K 輸出 | 是 | 視模型而定 |
| 文字排版/版面聚焦 | 強 | 強 |
| 參考圖像工作流程 | 是 | 視模型而定 |
| OpenAI 相容 API | 是 | 否 |
| 長寬比控制 | 廣泛 | 視模型而定 |
| 多圖生成 | 每次請求最多 10 張 | 視模型而定 |
對已使用與 OpenAI 相容 SDK 的開發者而言，xAI 以 OpenAI 相容介面提供圖像生成端點，使 Grok Imagine Image 2.0 具有實際的整合優勢。
Grok Imagine Image 2.0 的使用情境
1. 行銷與廣告創意
生成行銷活動視覺、宣傳橫幅、產品廣告與社群媒體圖像，同時指定精確的視覺層級與文字位置。
2. 海報與資訊圖表生成
模型對文字排版與版面的重視，使其適用於海報、圖表、活動視覺與高資訊密度的視覺資產。
3. 產品視覺化
開發者可結合產品參考圖像與指令，在保留產品重要視覺特徵的同時，創建新環境、構圖或行銷場景。
4. 圖像風格重塑
編輯 API 可將既有圖像轉換為不同藝術風格，而無需從零完全重生。
5. 社群媒體內容
其廣泛的長寬比支援，適用於為行動動態、限時動態、橫向貼文、縮圖與其他平台格式生成資產。
6. 創意反覆迭代
由於圖像編輯可在既有結果上進行，團隊可採用 生成 → 審閱 → 編輯 → 精修 的工作流程，而非反覆從空白提示開始。
如何在 CometAPI 上使用 Grok Imagine Image 2.0 API
對已使用多個 AI 圖像模型的開發者而言，CometAPI 可提供統一的存取層，讓 Grok Imagine Image 2.0 能整合進既有應用，而無需建立完全獨立的模型管理工作流程。
基本整合流程如下：
- 建立或登入你的 CometAPI 帳戶。
- 取得 CometAPI API 金鑰。
- 選擇
grok-imagine-image-2.0。 - 透過支援的 CometAPI 圖像端點傳送文字提示或圖像編輯請求。
- 儲存回傳的圖像 URL 或圖像資料。
- 與同平台上的其他圖像模型結果進行比較。