Grok Imagine Image 2.0 Low vs Medium: Text und Bearbeitung im Test

Einblicke8 Min. Lesezeit
Grok Imagine Image 2.0 Low vs Medium: Text und Bearbeitung im Test

Grok Imagine 2.0 im Test: Low und Medium gegen das erste Grok Imagine und GPT Image 2.6 bei Postern, Verpackung, Menüs, Porträts, 3-Bild-Edits und Tempo.

xAI hat Grok Imagine Image 2.0 am 7. August veröffentlicht. Die offizielle Ankündigung macht einige Versprechen: Es folgt Prompts bis ins Detail, setzt Schrift wie ein Designer, hält kleinen Text lesbar und bewahrt beim Bearbeiten, was Sie ihm geben. Seit dem 15. November können Sie es auch auf ZOOOP nutzen.

ZOOOP hatte bereits die erste Generation von Grok Imagine, also wollte ich zwei Fragen klären: Was macht Grok Imagine 2.0 tatsächlich besser, und lohnt es sich, Low und Medium als zwei getrennte Werkzeuge zu betrachten? Ich habe dieselben Prompts nebeneinander durch beide Qualitätsstufen von 2.0, das Modell der ersten Generation und GPT Image 2.6 laufen lassen. Kurzfassung: Beim Text lagen diesmal alle vier gleichauf. Vorne liegt Grok Imagine Image 2.0 bei Bearbeitungen, die Ihr Motiv unversehrt lassen, darin, nichts hinzuzufügen, worum Sie nicht gebeten haben, und bei Layouts, die eher nach fertigem Produkt aussehen.

Was Grok Imagine Image 2.0 ist und wie es sich von der ersten Version unterscheidet

Grok Imagine Image 2.0 ist das Bildmodell der zweiten Generation von xAI. Auf ZOOOP funktioniert es genauso wie die erste Generation von Grok Imagine: direkt aus einem Prompt generieren oder bis zu 3 Referenzbilder hinzufügen, um sie zu bearbeiten oder zu kombinieren. Es gibt sieben Seitenverhältnisse, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 und 9:16, in 1K oder 2K. Das Prompt-Feld fasst bis zu 8.000 Zeichen, sodass Text, Hierarchie und Farben alle in einen Absatz passen.

Die auffälligste Änderung gegenüber der ersten Version ist die neue Wahl zwischen zwei Qualitätsstufen, Low und Medium. Low kostet weniger als Medium, beide liegen aber am günstigeren Ende der Modelle im KI-Bildgenerator von ZOOOP. Das Modell der ersten Generation wurde nicht abgeschaltet und taucht in jedem Vergleich unten auf.

So haben wir getestet

Vier Prompts, jeder einmal auf vier Modellen, alle in 1K: Grok Imagine Image 2.0 auf Low und auf Medium, die erste Generation von Grok Imagine und GPT Image 2.6 auf Medium als Bezugspunkt. Ich habe Prompts gewählt, die genau die Bereiche treffen, in denen xAI die größten Verbesserungen verspricht:

  1. Jazznacht-Poster, 2:3. Die Überschrift „MIDNIGHT TIDE“, eine einzelne Zeile Kleingedrucktes unten, „Live at Harbor Hall · Friday 21 November · Doors 8 PM“, im Siebdruckstil.
  2. Teedosen-Verpackung, 1:1. Ein Etikett mit „CHAMOMILE CALM“, darunter eine Zeile Kleingedrucktes, „Organic herbal infusion · 20 pyramid bags“, und handgezeichnete Kamille.
  3. Straßenporträt, 3:4. Lissabon im Regen: eine Frau in ihren Sechzigern mit silbernen Locken und gelbem Regenmantel, die unter einer Café-Markise lacht.
  4. Kreidetafel-Menü, 4:3. Die Überschrift „TODAY'S BREWS“, sechs handgeschriebene Getränke, eins pro Zeile, jedes mit einem kleinen Symbol. Preise waren nicht Teil des Prompts.

Außerdem habe ich separat eine Komposition aus drei Bildern laufen lassen, nur auf 2.0 Medium und dem Modell der ersten Generation.

Poster und Verpackung: Stimmt der Text wirklich?

Zuerst ein Ergebnis, das ich nicht erwartet hatte. Alle vier Modelle haben sowohl die Überschrift als auch das Kleingedruckte richtig geschrieben, die erste Generation eingeschlossen. Die untere Zeile mit Datum und Uhrzeit kam auf allen vier Postern buchstabengenau heraus.

Jazznacht-Poster, derselbe Prompt auf vier Modellen

Von links nach rechts: Grok Imagine Image 2.0 Low, 2.0 Medium, erste Generation von Grok Imagine, GPT Image 2.6.

Nahaufnahme des Kleingedruckten unten auf jedem Poster

Von oben nach unten: 2.0 Low, 2.0 Medium, erste Generation von Grok Imagine, GPT Image 2.6.

Ehrlich gesagt also: Bei so kurzem Text hat sich das Upgrade „genauerer Text“ nicht gezeigt. Der kleine Text ist scharf, aber eine so lange Zeile konnte schon die erste Generation. Schwierigere Layouts, etwa eine ganze Seite Anleitung oder mehrere Spalten Kleingedrucktes, waren nicht Teil dieses Tests.

Der Unterschied liegt im Layout. Alle vier Poster haben einen Mond, Wellen und einen Saxofonisten als Silhouette. 2.0 Low rahmt das Kleingedruckte mit kleinen Wellenornamenten ein. 2.0 Medium zieht eine dünne Linie um das ganze Poster und setzt das Kleingedruckte hinein, sodass es wie ein Konzertplakat aussieht, das tatsächlich in der Druckerei war. Die erste Generation schrumpft das Motiv zu einem Block auf orangem Hintergrund, und die Komposition wird flacher. GPT Image 2.6 hat die Körnung, die sich am meisten nach echtem Siebdruck anfühlt.

Bei der Teedose ist der Abstand größer.

Teedosen-Verpackung, derselbe Prompt auf vier Modellen

Von links nach rechts: 2.0 Low, 2.0 Medium, erste Generation von Grok Imagine, GPT Image 2.6.

Grok Imagine Image 2.0 auf Medium hat das Etikett in einen cremeweißen Aufkleber mit feinem Rand und gezeichneter Kamille verwandelt, und die ganze Dose sieht aus wie etwas, das man aus dem Regal nehmen könnte. Low druckt die Wörter direkt auf die Dose. Die Hierarchie ist trotzdem klar, und für eine Präsentation reicht das. Das Kleingedruckte der ersten Generation wird beim Hineinzoomen etwas weich, die Schreibweise stimmt aber.

Menü und Porträt: Hier trennen sich Low und Medium

Das Kreidetafel-Menü war das einzige Mal, dass Grok Imagine Image 2.0 Low eindeutig etwas falsch gemacht hat.

Kreidetafel-Menü, derselbe Prompt auf beiden Qualitätsstufen

Links: 2.0 Low. Rechts: 2.0 Medium.

Beide haben alle sechs Getränke und ihre Symbole. Aber Low hat von sich aus ans Ende jeder Zeile einen Preis gesetzt, obwohl der Prompt Preise nie erwähnt hat. Würde ein Café diese Tafel wirklich verwenden, müsste jemand die Zahlen einzeln korrigieren. Medium hat nur geschrieben, worum es gebeten wurde. Ein Test beweist nicht, dass Low das immer tut, aber man sollte sich merken, dass Low manchmal Dinge hinzufügt, um die niemand gebeten hat.

Beim Porträt gibt es kein Richtig oder Falsch. Alle vier sind gut, und die Unterschiede sind Geschmackssache.

Straßenporträt, derselbe Prompt auf vier Modellen

Von links nach rechts: 2.0 Low, 2.0 Medium, erste Generation von Grok Imagine, GPT Image 2.6.

Bei 2.0 Low lacht sie direkt in die Kamera, was etwas gestellt wirkt. Bei Medium neigt sie den Kopf und lacht ungezwungen, wie ein Moment, den jemand zufällig erwischt hat. Die erste Generation geht weiter zurück, und die Straße füllt den Großteil des Bildes. GPT Image 2.6 wirkt ebenfalls ungestellt, und auf der kleinen Kreidetafel hinter ihr stehen ein paar Gebäckstücke auf Portugiesisch, ein schönes Lissabon-Detail. Keines der vier hat etwas weggelassen, was der Prompt verlangt hat.

Bearbeiten und Kombinieren: drei Bilder zu einem

Hier setzt sich Grok Imagine Image 2.0 endlich von der ersten Generation ab. Es gab drei Referenzbilder: ein Handyfoto eines Corgis, ein rotes Vintage-Fahrrad mit Korb und eine sonnige Gasse am Meer. Der Prompt verlangte den Corgi im vorderen Fahrradkorb und das Fahrrad in dieser Gasse geparkt.

Die drei Referenzbilder und die Komposition jedes Modells

Obere Zeile, die drei Referenzen: das Corgi-Foto, das Fahrrad und die Gasse am Meer. Untere Zeile: links die Komposition von 2.0 Medium, rechts die der ersten Generation.

Auf den ersten Blick haben beide die Aufgabe erfüllt. Der Corgi sitzt im Korb, Fahrrad und Gasse passen zu ihren Referenzen, und sogar die Wandlampe und die Blumentöpfe sind mit drin. Den Unterschied sehen Sie erst beim Hineinzoomen.

Der erste ist der Hund. Der Corgi auf dem Referenzfoto ist dreifarbig, mit schwarzem Fell über den Augen und entlang des Rückens. 2.0 Medium hat diese schwarzen Abzeichen beibehalten. Der Corgi der ersten Generation kam hellbraun und weiß heraus, und aus der Nähe ist es nicht mehr Ihr Hund. Der zweite steckt in der linken unteren Ecke, wo die erste Generation eine kleine Textzeile hinzugefügt hat, die wie ein Fotografenvermerk aussieht. 2.0 hat das nicht getan. Ein Wasserzeichen, das aus dem Nichts auftaucht, ist eine Sache mehr, die Sie vor dem Posten entfernen müssen.

Das Versprechen von xAI, dass das Modell beim Bearbeiten bewahrt, was Sie ihm geben, ist hier zu sehen. Wenn Sie mit Bild bearbeiten an Ihrem eigenen Haustier, einem Porträt oder einem Produktfoto arbeiten, zählt das mehr als die Frage, ob eine Überschrift richtig geschrieben ist.

Tempo: Wie lange Low und Medium brauchen

So lange hat jedes Bild in diesem Test gedauert, alle in 1K:

  • 2.0 Low: 14 bis 57 Sekunden, meist unter 30
  • 2.0 Medium: 68 bis 90 Sekunden
  • Erste Generation von Grok Imagine: 11 bis 14 Sekunden
  • GPT Image 2.6 Medium: 26 bis 51 Sekunden

Medium ist bei Grok Imagine Image 2.0 spürbar langsam. Jedes Bild dauert über eine Minute, länger als GPT Image 2.6 auf seiner Medium-Stufe. Die erste Generation ist die schnellste und sehr gleichmäßig. Zum Start haben wir außerdem zwei schnelle Durchgänge auf 2.0 Low gemacht: Ein Text-zu-Bild in 1K dauerte 18 Sekunden, ein Foto in ein Aquarell zu verwandeln 17, Bearbeitungen laufen also etwa so schnell wie das Generieren von Grund auf.

Wann Sie es nutzen sollten und wann Sie zu GPT Image 2.6 wechseln

Wenn ein Bild Text enthält oder ich ein Foto bearbeite und nicht will, dass Personen oder Gegenstände abdriften, ist Grok Imagine Image 2.0 meine Standardwahl. Beginnen Sie auf Low, um Richtungen auszuprobieren. Es ist günstiger und schnell, Sie können also mehrere Kompositionen in einem Rutsch laufen lassen. Lassen Sie dann den Prompt, der Ihnen gefällt, für das finale Bild noch einmal auf Medium laufen: Das Layout wirkt fertiger, und es schmuggelt seltener Dinge ein, die im Prompt nie vorkamen. Was auch immer aus Low kommt: Lesen Sie den Text Korrektur.

Wenn Sie nur ein Poster mit kurzer Überschrift brauchen, bekommt das auch die erste Generation von Grok Imagine richtig hin, und sie ist viel schneller, also eine gute Wahl, wenn es eilt. Sobald aber Referenzbilder im Spiel sind, besonders bei Kompositionen, in denen ein Haustier, ein Gesicht oder Produktdetails unversehrt ankommen müssen, wechseln Sie zu Grok Imagine 2.0.

Für 4K, mehr als 3 Referenzbilder oder ein langes, dichtes Layout wechseln Sie zu GPT Image 2.6. Grok Imagine Image 2.0 endet bei 2K und nimmt höchstens 3 Referenzbilder, und das sind harte Grenzen.

Alle diese Modelle finden Sie auf derselben Seite, im KI-Bildgenerator, Sie können also zwischen ihnen wechseln, ohne woanders hinzugehen. Einen Prompt durch jedes von ihnen zu schicken, verrät Ihnen mehr als jeder Testbericht.

Häufig gestellte Fragen

Grok Imagine Image 2.0 Low oder Medium: Was sollte ich nehmen?

Low zum Ausprobieren von Richtungen und für Serien von Entwürfen: Es ist günstiger, und die meisten Bilder sind innerhalb einer halben Minute da. Medium für das finale Bild: Die Layouts sind ausgefeilter, und es fügt seltener eigenmächtig etwas hinzu, braucht aber über eine Minute pro Bild.

Wie viele Referenzbilder kann ich verwenden?

Bis zu 3. Ohne Bild ist es Text zu Bild, ein Bild macht daraus eine Bearbeitung, und mit zwei oder drei können Sie sie kombinieren.

Kann es Bilder größer als 2K erzeugen?

Nein, 2K ist das Maximum. Wenn Sie 4K brauchen, wechseln Sie zu GPT Image 2.6.

Kann es transparente Hintergründe erzeugen?

Nein, es gibt keine transparenten Hintergründe aus. Wenn Sie direkt ein freigestelltes PNG wollen, nehmen Sie stattdessen Seedream 5.5.

Kann ich Prompts in anderen Sprachen als Englisch schreiben?

Eingeben können Sie sie. Aber jeder Prompt in diesem Test war auf Englisch, und ich habe Ergebnisse in anderen Sprachen noch nicht verglichen, deshalb kann ich nicht sagen, wie gut sie funktionieren.

Teilen

Mehr entdecken

Alle anzeigen