xAI 发布 Imagine Image 2.0：精确编辑、5图参考、9比例缩放，Arena 双榜第二
8月7日，xAI 发布了新一代图像生成与编辑模型 Imagine Image 2.0，作为 Grok Imagine 的 Quality Mode 引擎上线。注意，这不是 Grok 的聊天升级，也不是视频模型——它专门做静态图像的生成和编辑。
从"出一张图"到"可控编辑+批量适配"
之前的图像模型大多擅长"给我画一张"，但一旦需要改局部、换背景、适配不同尺寸，就得重新来。Imagine Image 2.0 的核心变化是：把图像生成从一次性操作变成了可重复的创意生产流程。
六大核心功能
1. 精确编辑
支持四种编辑方式：魔棒选区（点哪改哪）、分割选择（精确圈定对象）、背景移除（导出透明底素材）、提示词编辑（改选中内容但保留其余画面）。关键是"改产品颜色但不动包装、灯光和桌面"这种局部控制，而不是整张图重新生成。
2. 5张参考图组合
一次生成最多输入5张参考图，每张可以指定不同角色：一张定人物身份、一张定产品形状和颜色、一张定环境、一张定光照、一张定整体风格。比"把这几张图合在一起"更可控。
3. 9种比例智能缩放
从竖版1:2到横版2:1共9种比例，不是拉伸或裁切，而是生成式外扩——模型会补全新暴露的画面区域。一张主图可以快速适配社交媒体封面（9:16）、视频封面（16:9）、横幅（2:1）等场景。但每次缩放都是一次新的生成，仍需人工检查。
4. 任务模板
预置了照片编辑、产品换色、电商图、头像、吉祥物、图标、表情包、UI Kit等模板，降低提示词门槛，也暴露了目标市场：可重复的创意任务，而非开放式艺术创作。
5. 文字与排版
针对海报、信息图、菜单、包装等密集布局场景，模型会同时规划排版和内容，而不是只把字拼上去。
6. 静态世界构建
xAI 展示了一个工作流：分别生成角色、场景、道具，保持统一的视觉语言，为后续视频制作提供一致性的素材基础。
性能表现
根据 xAI 的发布文章，Imagine Image 2.0 在 Arena Image Edit 和 Text-to-Image 两个盲测偏好排行榜上均排名第二。盲测偏好意味着用户在不知道模型身份的情况下选择了它的输出，是有参考价值的信号。不过 xAI 未公布具体 Elo 分、置信区间和分类别成绩，所以"第二"是整体排名，不代表每个具体任务都最优。
当前限制
- API 尚未开放：目前只能在 Grok.com 和 Grok 移动端的 Quality Mode 使用，API 访问"即将推出"
- 无公开定价：API 价格、每张图成本均未公布
- 无技术报告：分辨率、延迟、失败率等关键指标未披露
- 无法自动化生产流程：没有 API 意味着暂时无法集成到批量工作流中
对谁有用
如果你需要的是"生成一张好看的图"，很多模型都能做到。Imagine Image 2.0 的差异化在于：需要反复编辑同一张图、需要多参考图组合、需要一张图适配多种尺寸、需要可重复的创意产出——这些场景它比纯生成模型更合适。电商运营、游戏美术、品牌设计团队是主要受众。
基于多家媒体转述整理。