Grok Imagine Image 2.0 Low مقابل Medium: اختبار النصوص والتعديلات

رؤىوقت القراءة: 7 دقيقة
Grok Imagine Image 2.0 Low مقابل Medium: اختبار النصوص والتعديلات

مراجعة Grok Imagine 2.0: مستويا Low وMedium مقابل الجيل الأول من Grok Imagine وGPT Image 2.6 في الملصقات والتغليف والقوائم والبورتريه ودمج 3 صور والسرعة.

أطلقت xAI نموذج Grok Imagine Image 2.0 في 7 أغسطس. يقدّم الإعلان الرسمي بضعة وعود: يتبع الموجّهات حتى أدق التفاصيل، ويصفّ النصوص كما يفعل المصمم، ويُبقي النص الصغير مقروءًا، ويحافظ على كل ما تعطيه إياه عند التعديل. واعتبارًا من 15 نوفمبر، يمكنك استخدامه على ZOOOP أيضًا.

كان الجيل الأول من Grok Imagine متاحًا على ZOOOP من قبل، لذا أردت إجابة عن سؤالين: ما الذي يتقنه Grok Imagine 2.0 أكثر فعلًا، وهل يستحق مستويا Low وMedium أن يُعامَلا كأداتين منفصلتين. شغّلت الموجّهات نفسها جنبًا إلى جنب على مستويي الجودة في 2.0، وعلى نموذج الجيل الأول، وعلى GPT Image 2.6. الخلاصة باختصار: في النصوص تعادلت النماذج الأربعة هذه المرة. أما ما يتقدم فيه Grok Imagine Image 2.0 فهو التعديلات التي تُبقي موضوعك سليمًا، وعدم إضافة أشياء لم تطلبها، وتخطيطات أقرب إلى عمل مكتمل.

ما هو Grok Imagine Image 2.0، وبمَ يختلف عن الإصدار الأول

Grok Imagine Image 2.0 هو نموذج الصور من الجيل الثاني لدى xAI. على ZOOOP يعمل بالطريقة نفسها التي يعمل بها الجيل الأول من Grok Imagine: تولّد مباشرة من موجّه، أو تضيف حتى 3 صور مرجعية لتعديلها أو دمجها. تحصل على سبع نسب عرض إلى ارتفاع، هي 16:9 و3:2 و4:3 و1:1 و3:4 و2:3 و9:16، بدقة 1K أو 2K. ويتسع مربع الموجّه لما يصل إلى 8,000 حرف، فتكفي فقرة واحدة للنص والتسلسل الهرمي والألوان معًا.

أوضح تغيير عن الإصدار الأول هو خيار جديد بين مستويين للجودة، Low وMedium. يكلّف Low أقل من Medium، مع أن كليهما يقع في الطرف الأرخص من النماذج في مولد الصورة بالذكاء الاصطناعي على ZOOOP. لم يُوقَف نموذج الجيل الأول، وهو حاضر في كل المقارنات أدناه.

كيف اختبرنا

أربعة موجّهات، شُغّل كل منها مرة واحدة على أربعة نماذج، وكلها بدقة 1K: Grok Imagine Image 2.0 على Low وعلى Medium، والجيل الأول من Grok Imagine، وGPT Image 2.6 على Medium كنقطة مرجعية. اخترت موجّهات تصيب الجوانب التي تقول xAI إنها تحسّنت أكثر من غيرها:

  1. ملصق ليلة جاز، 2:3. العنوان "MIDNIGHT TIDE"، وسطر واحد بخط صغير في الأسفل، "Live at Harbor Hall · Friday 21 November · Doors 8 PM"، بأسلوب الطباعة الحريرية.
  2. تغليف علبة شاي، 1:1. بطاقة مكتوب عليها "CHAMOMILE CALM"، وتحتها سطر بخط صغير، "Organic herbal infusion · 20 pyramid bags"، مع بابونج مرسوم باليد.
  3. بورتريه في الشارع، 3:4. لشبونة تحت المطر: امرأة في الستينيات من عمرها بشعر فضي مجعّد ومعطف مطر أصفر، تضحك تحت مظلة مقهى.
  4. قائمة على سبورة طباشير، 4:3. العنوان "TODAY'S BREWS"، وستة مشروبات مكتوبة بخط اليد، كل منها في سطر، ولكل منها أيقونة صغيرة. لم تكن الأسعار جزءًا من الموجّه.

وشغّلت أيضًا اختبار دمج منفصلًا لثلاث صور، على 2.0 Medium ونموذج الجيل الأول فقط.

الملصقات والتغليف: هل النص صحيح فعلًا؟

أولًا، نتيجة لم أتوقعها. كتبت النماذج الأربعة العنوان والخط الصغير كليهما بشكل صحيح، بما فيها نموذج الجيل الأول. وجاء السطر السفلي الذي يحمل التاريخ والوقت صحيحًا حرفًا بحرف على الملصقات الأربعة.

ملصق ليلة الجاز، الموجّه نفسه على أربعة نماذج

من اليسار إلى اليمين: Grok Imagine Image 2.0 Low، و2.0 Medium، والجيل الأول من Grok Imagine، وGPT Image 2.6.

لقطة مقرّبة للخط الصغير أسفل كل ملصق

من الأعلى إلى الأسفل: 2.0 Low، و2.0 Medium، والجيل الأول من Grok Imagine، وGPT Image 2.6.

لذا، بصراحة: مع نص بهذا القِصر، لم يظهر تحسين «النص الأدق». النص الصغير حاد، لكن نموذج الجيل الأول كان يتعامل أصلًا مع سطر بهذا الطول. أما التخطيطات الأصعب، كصفحة كاملة من التعليمات أو عدة أعمدة من الخط الدقيق، فلم تكن جزءًا من هذا الاختبار.

الفرق في التخطيط. في الملصقات الأربعة قمر وأمواج وعازف ساكسفون في صورة ظلية. يؤطّر 2.0 Low الخط الصغير بزخارف أمواج صغيرة. ويمدّ 2.0 Medium خطًا رفيعًا حول الملصق كله ويضع الخط الصغير داخله، فيبدو كملصق حفلة ذهب فعلًا إلى المطبعة. أما نموذج الجيل الأول فيصغّر العمل الفني إلى كتلة على خلفية برتقالية، فيصبح التكوين أكثر تسطّحًا. ولدى GPT Image 2.6 الحُبيبات الأقرب إلى إحساس الطباعة الحريرية الحقيقية.

أما علبة الشاي فتُظهر فجوة أكبر.

تغليف علبة الشاي، الموجّه نفسه على أربعة نماذج

من اليسار إلى اليمين: 2.0 Low، و2.0 Medium، والجيل الأول من Grok Imagine، وGPT Image 2.6.

حوّل Grok Imagine Image 2.0 على Medium البطاقة إلى ستيكر بلون أبيض عاجي بإطار رفيع وبابونج مرسوم بالخطوط، فتبدو العلبة كلها شيئًا يمكنك أن تتناوله عن رف متجر. أما Low فيطبع الكلمات مباشرة على العلبة. يبقى التسلسل الهرمي واضحًا، وهو جيد بما يكفي لعرض الفكرة على عميل. ويصبح الخط الصغير في نموذج الجيل الأول ضبابيًا قليلًا عند التكبير، مع أن الإملاء صحيح.

القائمة والبورتريه: حيث يفترق Low وMedium

كانت قائمة السبورة المرة الوحيدة التي أخطأ فيها Grok Imagine Image 2.0 Low بوضوح.

قائمة السبورة، الموجّه نفسه بمستويي الجودة

اليسار: 2.0 Low. اليمين: 2.0 Medium.

كتب الاثنان المشروبات الستة كلها مع أيقوناتها. لكن Low أضاف من تلقاء نفسه سعرًا في نهاية كل سطر، مع أن الموجّه لم يذكر الأسعار قط. لو استخدم مقهى هذه السبورة فعلًا، لاضطر أحدهم إلى تصحيح تلك الأرقام واحدًا تلو الآخر. أما Medium فلم يكتب إلا ما طُلب منه. اختبار واحد لا يثبت أن Low يفعل ذلك دائمًا، لكن من المفيد أن تتذكر أن Low يضيف أحيانًا أشياء لم يطلبها أحد.

أما البورتريه فلا إجابة صحيحة أو خاطئة فيه. الأربعة جيدة، والفروق مسألة ذوق.

بورتريه الشارع، الموجّه نفسه على أربعة نماذج

من اليسار إلى اليمين: 2.0 Low، و2.0 Medium، والجيل الأول من Grok Imagine، وGPT Image 2.6.

في 2.0 Low تضحك مباشرة إلى الكاميرا، ما يبدو متكلّفًا قليلًا. وفي Medium تميل برأسها وتضحك بعفوية، كلحظة التقطها أحدهم مصادفة. أما نموذج الجيل الأول فيبتعد بالكاميرا، فيملأ الشارع معظم الكادر. ويبدو GPT Image 2.6 عفويًا أيضًا، وتعرض السبورة الصغيرة خلفها بضعة أنواع من المعجنات بالبرتغالية، وهي لمسة لشبونية لطيفة. لم يُغفل أي من الأربعة شيئًا طلبه الموجّه.

التعديل والدمج: ثلاث صور في صورة واحدة

هنا يبتعد Grok Imagine Image 2.0 أخيرًا عن الجيل الأول. كانت هناك ثلاث صور مرجعية: صورة هاتف لكلب كورجي، ودراجة حمراء عتيقة الطراز بسلة، وزقاق مشمس على شاطئ البحر. طلب الموجّه أن يجلس الكورجي في السلة الأمامية للدراجة، وأن تكون الدراجة مركونة في ذلك الزقاق.

الصور المرجعية الثلاث ونتيجة الدمج من كل نموذج

الصف العلوي، المراجع الثلاثة: صورة الكورجي، والدراجة، والزقاق المطل على البحر. الصف السفلي: نتيجة دمج 2.0 Medium على اليسار، ونتيجة دمج الجيل الأول على اليمين.

للوهلة الأولى، أدّى كلاهما المهمة. الكورجي في السلة، والدراجة والزقاق يطابقان مرجعيهما، بل حتى مصباح الجدار وأصص الزهور ظهرت. عليك أن تكبّر الصورة لترى الفرق.

الفرق الأول في الكلب. الكورجي في الصورة المرجعية ثلاثي الألوان، بفراء أسود فوق العينين وعلى طول الظهر. حافظ 2.0 Medium على تلك العلامات السوداء. أما كورجي نموذج الجيل الأول فخرج بلونين أسمر وأبيض، ومن قريب لم يعد كلبك. والفرق الآخر في الزاوية السفلية اليسرى، حيث أضاف نموذج الجيل الأول سطرًا صغيرًا من النص يشبه توقيع مصوّر. أما 2.0 فلم يفعل. علامة مائية تظهر من العدم هي شيء إضافي عليك تنظيفه قبل النشر.

ادعاء xAI بأن النموذج يحافظ على ما تعطيه إياه عند التعديل يظهر هنا بوضوح. إن كنت تستخدم تحرير الصورة بالذكاء الاصطناعي على حيوانك الأليف أو على بورتريه أو صورة منتج، فهذا أهم من أن يُكتب العنوان بإملاء صحيح.

السرعة: كم يستغرق Low وMedium

إليك المدة التي استغرقتها كل صورة في هذا الاختبار، وكلها بدقة 1K:

  • 2.0 Low: من 14 إلى 57 ثانية، ومعظمها أقل من 30
  • 2.0 Medium: من 68 إلى 90 ثانية
  • الجيل الأول من Grok Imagine: من 11 إلى 14 ثانية
  • GPT Image 2.6 Medium: من 26 إلى 51 ثانية

مستوى Medium في Grok Imagine Image 2.0 بطيء بوضوح. كل صورة تستغرق أكثر من دقيقة، أي أطول من GPT Image 2.6 على إعداد Medium. ونموذج الجيل الأول هو الأسرع، وثابت جدًا. عند الإطلاق جرّبنا أيضًا اختبارين سريعين على 2.0 Low: استغرق تحويل نص إلى صورة بدقة 1K مدة 18 ثانية، وتحويل صورة فوتوغرافية إلى لوحة مائية 17 ثانية، أي أن التعديلات تسير بسرعة التوليد من الصفر تقريبًا.

متى تستخدمه، ومتى تنتقل إلى GPT Image 2.6

إذا كانت الصورة تحمل نصًا، أو كنت أعدّل صورة ولا أريد للأشخاص أو الأشياء أن تتبدّل، فإن Grok Imagine Image 2.0 هو خياري الافتراضي. ابدأ بـ Low لتجربة الاتجاهات. فهو أرخص وسريع، فيمكنك تشغيل عدة تكوينات دفعة واحدة. ثم أعد تشغيل الموجّه الذي يعجبك على Medium للنسخة النهائية: يبدو التخطيط أكثر اكتمالًا، ويقلّ احتمال أن يدسّ أشياء لم يذكرها الموجّه. وأيًّا كان ما يخرج من Low، فراجع النص.

إذا كان كل ما تحتاجه ملصقًا بعنوان قصير، فإن الجيل الأول من Grok Imagine يصيب في ذلك أيضًا، وهو أسرع بكثير، لذا فهو خيار جيد حين تكون مستعجلًا. لكن ما إن تدخل الصور المرجعية في الأمر، خصوصًا في عمليات الدمج التي يجب أن يصل فيها حيوان أليف أو وجه أو تفاصيل منتج سليمة، فانتقل إلى Grok Imagine 2.0.

أما لدقة 4K، أو لأكثر من 3 صور مرجعية، أو لتخطيط طويل ومكثّف، فانتقل إلى GPT Image 2.6. يتوقف Grok Imagine Image 2.0 عند 2K ويقبل 3 صور مرجعية على الأكثر، وهذه حدود صارمة.

كل هذه النماذج موجودة في صفحة مولد الصورة بالذكاء الاصطناعي نفسها، فيمكنك التبديل بينها دون الذهاب إلى أي مكان آخر. وتشغيل موجّه واحد على كل منها سيخبرك أكثر مما تخبرك به أي مراجعة.

الأسئلة الشائعة

Grok Imagine Image 2.0 Low أم Medium: أيهما أستخدم؟

Low لتجربة الاتجاهات ودفعات المسودات: فهو أرخص، ومعظم الصور تعود خلال نصف دقيقة. وMedium للصورة النهائية: تخطيطاته أكثر صقلًا ويقلّ احتمال أن يضيف أشياء من تلقاء نفسه، لكن كل صورة تستغرق أكثر من دقيقة.

كم صورة مرجعية يمكنني استخدامها؟

حتى 3. بلا صورة يكون تحويل نص إلى صورة، وصورة واحدة تجعله تعديلًا، وصورتان أو ثلاث تتيح لك دمجها.

هل يمكنه إنشاء صور أكبر من 2K؟

لا، 2K هي الحد الأقصى. إذا احتجت إلى 4K، فانتقل إلى GPT Image 2.6.

هل يمكنه إنشاء خلفيات شفافة؟

لا، لا يُخرج خلفيات شفافة. إذا أردت صورة PNG مقصوصة مباشرة، فاستخدم Seedream 5.5 بدلًا منه.

هل يمكنني كتابة الموجّهات بلغات غير الإنجليزية؟

يمكنك كتابتها. لكن كل موجّهات هذا الاختبار كانت بالإنجليزية، ولم أقارن النتائج بلغات أخرى بعد، لذا لا أستطيع أن أقول مدى جودتها.

مشاركة

اكتشف المزيد

عرض الكل