Grok Imagine Image 2.0 Low vs Medium: tekst og redigering testet

Grok Imagine 2.0 testet: Low og Medium mod den første Grok Imagine og GPT Image 2.6 på plakater, emballage, menuer, portrætter, 3-billedredigering og fart.
xAI udgav Grok Imagine Image 2.0 den 7. august. Den officielle annoncering kommer med nogle løfter: den følger prompts helt ned i detaljerne, sætter typografi som en designer, holder lille tekst læsbar og holder fast i det, du giver den, når du redigerer. Fra den 15. november kan du også bruge den på ZOOOP.
ZOOOP havde allerede første generation af Grok Imagine, så jeg ville have svar på to spørgsmål: hvad Grok Imagine 2.0 faktisk gør bedre, og om Low og Medium er værd at behandle som to separate værktøjer. Jeg kørte de samme prompts side om side gennem begge kvalitetsniveauer i 2.0, modellen fra første generation og GPT Image 2.6. Kort fortalt: på tekst stod alle fire lige denne gang. Hvor Grok Imagine Image 2.0 trækker fra, er i redigeringer, der lader dit motiv være intakt, i ikke at tilføje ting, du ikke har bedt om, og i layouts, der ligner et færdigt stykke arbejde mere.
Hvad Grok Imagine Image 2.0 er, og hvordan den adskiller sig fra første version
Grok Imagine Image 2.0 er anden generation af billedmodellen fra xAI. På ZOOOP fungerer den på samme måde som første generation af Grok Imagine: generér direkte ud fra en prompt, eller tilføj op til 3 referencebilleder for at redigere eller kombinere dem. Du får syv aspektforhold, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 og 9:16, i 1K eller 2K. Promptfeltet rummer op til 8.000 tegn, så teksten, hierarkiet og farverne kan stå i ét afsnit.
Den tydeligste ændring fra første version er et nyt valg mellem to kvalitetsniveauer, Low og Medium. Low koster mindre end Medium, men begge ligger i den billigere ende af modellerne i ZOOOPs AI-billedgenerator. Modellen fra første generation er ikke udfaset, og den er med i alle sammenligningerne nedenfor.
Sådan testede vi
Fire prompts, hver kørt én gang på fire modeller, alle i 1K: Grok Imagine Image 2.0 på Low og på Medium, første generation af Grok Imagine og GPT Image 2.6 på Medium som sammenligningsgrundlag. Jeg valgte prompts, der rammer netop de områder, xAI siger er blevet mest forbedret:
- Plakat til en jazzaften, 2:3. Overskriften "MIDNIGHT TIDE", en enkelt linje med småt nederst, "Live at Harbor Hall · Friday 21 November · Doors 8 PM", i serigrafistil.
- Emballage til en tedåse, 1:1. En etiket med "CHAMOMILE CALM", en linje med småt under, "Organic herbal infusion · 20 pyramid bags", og håndtegnet kamille.
- Gadeportræt, 3:4. Lissabon i regnvejr: en kvinde i tresserne med sølvgrå krøller og gul regnfrakke, der griner under en cafémarkise.
- Tavlemenu, 4:3. Overskriften "TODAY'S BREWS", seks drikke skrevet i hånden, én pr. linje, hver med et lille ikon. Priser var ikke en del af prompten.
Jeg kørte også en separat sammensætning af tre billeder, kun på 2.0 Medium og modellen fra første generation.
Plakater og emballage: er teksten faktisk rigtig?
Først et resultat, jeg ikke havde forventet. Alle fire modeller stavede både overskriften og det med småt korrekt, modellen fra første generation inklusive. Den nederste linje med dato og klokkeslæt kom ud bogstav for bogstav korrekt på alle fire plakater.

Fra venstre mod højre: Grok Imagine Image 2.0 Low, 2.0 Medium, første generation af Grok Imagine, GPT Image 2.6.

Fra top til bund: 2.0 Low, 2.0 Medium, første generation af Grok Imagine, GPT Image 2.6.
Så ærligt talt: med så kort en tekst kunne opgraderingen "mere præcis tekst" ikke ses. Den lille tekst er skarp, men første generation kunne allerede klare en linje af den længde. Sværere layouts, som en hel side med instruktioner eller flere spalter med småt, var ikke en del af denne test.
Forskellen ligger i layoutet. Alle fire plakater har en måne, bølger og en saxofonist i silhuet. 2.0 Low indrammer det med småt med små bølgeornamenter. 2.0 Medium trækker en tynd streg rundt om hele plakaten og placerer det med småt inden for den, så den ligner en koncertplakat, der faktisk har været forbi trykkeriet. Første generation skrumper motivet til en blok på en orange baggrund, og kompositionen bliver fladere. GPT Image 2.6 har den kornethed, der føles mest som ægte serigrafi.
Tedåsen viser en større forskel.

Fra venstre mod højre: 2.0 Low, 2.0 Medium, første generation af Grok Imagine, GPT Image 2.6.
Grok Imagine Image 2.0 på Medium gjorde etiketten til et offwhite klistermærke med en fin kant og stregtegnet kamille, og hele dåsen ligner noget, man kunne tage ned fra en hylde. Low trykker ordene direkte på dåsen. Hierarkiet er stadig klart, og det er godt nok til en præsentation. Det med småt fra første generation bliver lidt blødt, når man zoomer ind, men stavningen er rigtig.
Menu og portræt: her skilles Low og Medium
Tavlemenuen var den eneste gang, Grok Imagine Image 2.0 Low tydeligt lavede en fejl.

Venstre: 2.0 Low. Højre: 2.0 Medium.
Begge fik alle seks drikke og deres ikoner med. Men Low satte af sig selv en pris for enden af hver linje, selvom prompten aldrig nævnte priser. Hvis en café faktisk brugte denne tavle, skulle nogen rette de tal ét for ét. Medium skrev kun det, den blev bedt om. Én test beviser ikke, at Low altid gør det, men det er værd at huske, at Low nogle gange tilføjer ting, ingen har bedt om.
Portrættet har ikke noget rigtigt eller forkert svar. Alle fire er gode, og forskellene handler om smag.

Fra venstre mod højre: 2.0 Low, 2.0 Medium, første generation af Grok Imagine, GPT Image 2.6.
På 2.0 Low griner hun direkte ind i kameraet, hvilket føles en smule poseret. På Medium lægger hun hovedet på skrå og griner afslappet, som et øjeblik, nogen tilfældigvis fangede. Første generation trækker sig tilbage, og gaden fylder det meste af billedet. GPT Image 2.6 føles også spontan, og den lille tavle bag hende viser et par kager på portugisisk, en fin detalje fra Lissabon. Ingen af de fire udelod noget, prompten bad om.
Redigering og sammensætning: tre billeder til ét
Det er her, Grok Imagine Image 2.0 endelig trækker fra første generation. Der var tre referencebilleder: et mobilfoto af en corgi, en rød vintagecykel med kurv og en solbeskinnet gyde ved havet. Prompten bad om corgien siddende i cyklens forreste kurv, med cyklen parkeret i den gyde.

Øverste række, de tre referencer: corgifotoet, cyklen og gyden ved havet. Nederste række: sammensætningen fra 2.0 Medium til venstre, den fra første generation til højre.
Ved første øjekast klarede begge opgaven. Corgien sidder i kurven, cyklen og gyden matcher deres referencer, og selv væglampen og blomsterpotterne kom med. Du skal zoome ind for at se forskellen.
Den første er hunden. Corgien på referencefotoet er trefarvet, med sort pels over øjnene og langs ryggen. 2.0 Medium beholdt de sorte aftegninger. Corgien fra første generation kom ud lysebrun og hvid, og tæt på er det ikke længere din hund. Den anden er i nederste venstre hjørne, hvor første generation tilføjede en lille tekstlinje, der ligner en fotografkreditering. Det gjorde 2.0 ikke. Et vandmærke, der dukker op ud af det blå, er én ting mere at rydde op i, før du poster.
Løftet fra xAI om, at modellen holder fast i det, du giver den, når du redigerer, kan ses her. Hvis du bruger Rediger billede på dit eget kæledyr, et portræt eller et produktfoto, betyder det mere, end om en overskrift er stavet rigtigt.
Hastighed: hvor lang tid Low og Medium tager
Så lang tid tog hvert billede i denne test, alle i 1K:
- 2.0 Low: 14 til 57 sekunder, for det meste under 30
- 2.0 Medium: 68 til 90 sekunder
- Første generation af Grok Imagine: 11 til 14 sekunder
- GPT Image 2.6 Medium: 26 til 51 sekunder
Medium på Grok Imagine Image 2.0 er tydeligt langsom. Hvert billede tager over et minut, længere end GPT Image 2.6 på dens Medium-indstilling. Første generation er den hurtigste og meget stabil. Ved lanceringen prøvede vi også to hurtige på 2.0 Low: tekst til billede i 1K tog 18 sekunder, og at gøre et foto til en akvarel tog 17, så redigeringer går omtrent lige så hurtigt som at generere fra bunden.
Hvornår du skal bruge den, og hvornår du skal skifte til GPT Image 2.6
Hvis et billede har tekst på, eller jeg redigerer et foto og ikke vil have, at personer eller genstande flytter sig, er Grok Imagine Image 2.0 mit standardvalg. Start på Low for at afprøve retninger. Den er billigere og hurtig, så du kan køre flere kompositioner på én gang. Kør så den prompt, du kan lide, igen på Medium til det endelige billede: layoutet ser mere færdigt ud, og den sniger sjældnere ting ind, som prompten aldrig nævnte. Uanset hvad der kommer ud af Low, så læs korrektur på teksten.
Hvis du kun skal bruge en plakat med en kort overskrift, rammer første generation af Grok Imagine også rigtigt, og den er meget hurtigere, så den er et fint valg, når det haster. Men så snart der er referencebilleder med, især i sammensætninger, hvor et kæledyr, et ansigt eller produktdetaljer skal komme igennem intakt, så skift til Grok Imagine 2.0.
Til 4K, mere end 3 referencebilleder eller et langt, tæt layout skal du skifte til GPT Image 2.6. Grok Imagine Image 2.0 går højst op til 2K og tager højst 3 referencebilleder, og det er faste grænser.
Alle disse modeller findes på den samme side, AI-billedgeneratoren, så du kan skifte mellem dem uden at gå andre steder hen. At køre én prompt gennem hver af dem fortæller dig mere end nogen anmeldelse.
Ofte stillede spørgsmål
Grok Imagine Image 2.0 Low eller Medium: hvilken skal jeg bruge?
Low til at afprøve retninger og til serier af udkast: den er billigere, og de fleste billeder er tilbage inden for et halvt minut. Medium til det endelige billede: layoutene er mere gennemarbejdede, og den tilføjer sjældnere ting af sig selv, men hvert billede tager over et minut.
Hvor mange referencebilleder kan jeg bruge?
Op til 3. Uden billede er det tekst til billede, ét billede gør det til en redigering, og med to eller tre kan du kombinere dem.
Kan den lave billeder større end 2K?
Nej, 2K er maksimum. Hvis du har brug for 4K, så skift til GPT Image 2.6.
Kan den lave gennemsigtige baggrunde?
Nej, den leverer ikke gennemsigtige baggrunde. Hvis du vil have en friskåret PNG med det samme, så brug Seedream 5.5 i stedet.
Kan jeg skrive prompts på andre sprog end engelsk?
Du kan godt skrive dem. Men alle prompts i denne test var på engelsk, og jeg har endnu ikke sammenlignet resultater på andre sprog, så jeg kan ikke sige, hvor godt de fungerer.





