Grok Imagine Image 2.0：生图与五图编辑

先说它是什么

Grok Imagine Image 2.0 是 xAI 在 2026 年 8 月 7 日发布的图像模型，一个模型既管文字生图，也管改图，算是 Grok Imagine 这条线的新一代旗舰。官方说，目标是做出能用在真实工作里的图，重点是三件事：指令遵循得细，文字和版面排得像设计师，多轮生成和编辑里原图的内容不走样。xAI 的官网和文档现在署名 SpaceXSI，Arena 榜单上挂的是 SpaceXAI，看到这几个名字不用纠结，指的是同一家。

目前它在 grok.com/imagine 和 iOS、Android 的 Grok 应用里作为 Quality Mode 全面开放，API 里的名字是 grok-imagine-image-2.0。官方没有放出权重，参数规模、架构和训练数据也都没公布，这篇里凡是没写的，就是官方没说，我不替它补数字。

关键规格：旋钮不少，底细不明

输入可以是文字，也可以带参考图，输出是图。API 文档把能调的参数写得很细：分辨率有 1K 和 2K，定价表里还单列了一档 1.5K；画幅除了 1:1、16:9、9:16、4:3、3:2、2:1 这些常规比例，还有 21:9、5:2 两种宽幅，以及给手机屏准备的 19.5:9 和 20:9，不指定就由模型自己挑；一次请求最多出 10 张。另有个 quality 参数，可选 low、medium 和 auto。auto 的规则是生图时走 low，改图时走 medium，按实际用到的档位收费，换句话说，你什么都不写，改图就会比生图贵。

编辑是这一代的重头戏。官方列出的工具包括：只改你点中区域的魔棒，精确选区的分割，导出透明底的去背景，选个比例就由模型补全画面的智能改尺寸，以及一次最多放 5 张输入图的多图编辑，用来省掉手工拼合。官方还配了一批模板，覆盖修图、商品图、头像、图标、游戏资源等常见活儿。另外 API 支持延迟模式：请求先返回一个编号，稍后去取结果，结果留存 24 小时；默认返回的图片链接是临时的，得及时下载。

成绩单：官方只拿出一个榜

官方公布的成绩只有一项：在 Arena 的图像编辑榜和文生图榜上，综合 Elo 都排第二，数据截至 2026 年 8 月 7 日。Arena 是第三方榜单，靠用户匿名投票排名，反映的是人的偏好，不是某项能力的硬指标。官方没有单独公布文字渲染或指令遵循的测试分数，所以小字清晰、版面讲究这些话目前还只是官方说，AI主线的看法是，这类能力得拿自己手上最难的活儿去验，不能光看名次。

榜单也是动态的。11 月初更新的迁移说明里，官方写的是 low 档在图像编辑榜排第二、文生图榜排第三，和发布当天的说法不完全一样，官方没有解释差别，看名次最好以 Arena 当天的页面为准。

怎么用，多少钱

官方渠道有三个：grok.com/imagine、iOS 和 Android 的 Grok 应用，以及 API。API 既可以用 xAI 自己的 SDK，也可以用 OpenAI 兼容的 SDK，推理区域列的是 us-east-1 和 us-west-2，默认每秒 6 个请求，要更高的额度可以找官方申请。官方也提醒，账号所在地区等因素会影响能用哪些模型，以控制台里的模型页为准。

价格按张收，不按 token。输出价看分辨率和质量档：1K low 每张 0.04 美元，1.5K low 0.05 美元，2K low 0.06 美元，1K medium 0.06 美元，1.5K medium 0.07 美元，2K medium 0.08 美元。输入的参考图每张另收 0.01 美元。举个例子，拿 3 张参考图做一次 1K 编辑，按 auto 走 medium，输出 0.06 加输入 0.03，一次 0.09 美元。批处理接口支持图像，但图像按标准价结算，没有折扣；被判定违反使用规范的请求，生成了也照样收费。

和上一代、和别家比

先看自家：grok-imagine-image（1.0）还在卖，官方迁移说明里明确它不受这次退役影响，输出价是每张 0.02 美元，1K 和 2K 一个价，输入图每张 0.002 美元。2.0 起步价 0.04 美元，是 1.0 的两倍，换来的是质量档、更多画幅和最多 5 张的编辑输入。另一个旧型号 grok-imagine-image-quality 从 11 月 2 日起退役，请求会被转到 2.0 的 low 档，官方说 low 档每个分辨率都比它便宜 0.01 美元，老用户不改代码，账单每张还少一分钱。

再看别家：官方没有给逐项的对比，只有上面那个 Arena 名次，所以哪边强在哪、弱在哪，这里没法替厂商下结论。做选型的话，别只看榜，拿业务里最难的三五个活儿，比如带小字的海报、要保持人物一致的多图编辑，在几家各跑一遍，按每张 0.04 到 0.08 美元算，试错的成本不高。

适合谁，有哪些坑

做内容和营销的人可以先试：海报、商品图、信息图这类文字多、版面密的活儿，正是官方主打的方向，多图编辑能省掉手工合成，模板里还有电商图、头像和图标。做游戏或视频前期的人，可以看看官方演示的玩法：角色、场景、道具分开生成，保持同一个画风，再拿去当视频的参考图。官方给的是演示，实际稳不稳，要自己多跑几轮。

写代码接 API 的人要留意三点：图片链接是临时的，拿到就存；auto 档改图默认走 medium，成本比看起来高；想控制花销就显式写 quality。搞选型的技术负责人得接受两个现实：权重不开放，没法本地部署；规格和训练细节不透明，评估只能靠黑盒测试。AI主线的建议是先用 low 档跑一批真实需求，再决定值不值得为 medium 多花每张 0.02 美元。