Grok Imagine Image 2.0 Low vs Medium: texto y edición a prueba

Perspectivas8 min de lectura
Grok Imagine Image 2.0 Low vs Medium: texto y edición a prueba

Grok Imagine 2.0 a prueba: Low y Medium vs el primer Grok Imagine y GPT Image 2.6 en pósteres, envases, menús, retratos, edición de 3 fotos y velocidad.

xAI lanzó Grok Imagine Image 2.0 el 7 de agosto. El anuncio oficial hace varias promesas: sigue los prompts hasta el último detalle, compone la tipografía como un diseñador, mantiene legible el texto pequeño y conserva lo que le das cuando editas. Desde el 15 de noviembre también puedes usarlo en ZOOOP.

ZOOOP ya tenía el Grok Imagine de primera generación, así que quería responder dos preguntas: qué hace realmente mejor Grok Imagine 2.0 y si vale la pena tratar Low y Medium como herramientas distintas. Pasé los mismos prompts por los dos niveles de calidad de 2.0, el modelo de primera generación y GPT Image 2.6, uno al lado del otro. En resumen: en texto, los cuatro empataron esta vez. Donde Grok Imagine Image 2.0 se adelanta es en ediciones que mantienen intacto a tu sujeto, en no añadir cosas que no pediste y en composiciones que se ven más cerca de una pieza terminada.

Qué es Grok Imagine Image 2.0 y en qué se diferencia de la primera versión

Grok Imagine Image 2.0 es el modelo de imagen de segunda generación de xAI. En ZOOOP funciona igual que el Grok Imagine de primera generación: genera directamente a partir de un prompt o añade hasta 3 imágenes de referencia para editarlas o combinarlas. Tienes siete relaciones de aspecto, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 y 9:16, en 1K o 2K. El campo del prompt admite hasta 8.000 caracteres, así que el texto, la jerarquía y los colores caben en un solo párrafo.

El cambio más visible frente a la primera versión es una nueva elección entre dos niveles de calidad, Low y Medium. Low cuesta menos que Medium, aunque ambos están en la parte más económica de los modelos del Generador de imágenes con IA de ZOOOP. El modelo de primera generación no se ha retirado y aparece en todas las comparaciones de abajo.

Cómo lo probamos

Cuatro prompts, cada uno ejecutado una vez en cuatro modelos, todos en 1K: Grok Imagine Image 2.0 en Low y en Medium, el Grok Imagine de primera generación y GPT Image 2.6 en Medium como punto de referencia. Elegí prompts que tocan las áreas en las que xAI dice que más mejoró:

  1. Póster de una noche de jazz, 2:3. El titular "MIDNIGHT TIDE", una sola línea de letra pequeña abajo, "Live at Harbor Hall · Friday 21 November · Doors 8 PM", en estilo serigrafía.
  2. Envase de una lata de té, 1:1. Una etiqueta que dice "CHAMOMILE CALM", con una línea de letra pequeña debajo, "Organic herbal infusion · 20 pyramid bags", y manzanilla dibujada a mano.
  3. Retrato callejero, 3:4. Lisboa bajo la lluvia: una mujer de unos sesenta años con rizos plateados e impermeable amarillo, riéndose bajo el toldo de un café.
  4. Menú en pizarra, 4:3. El encabezado "TODAY'S BREWS", seis bebidas escritas a mano, una por línea, cada una con un pequeño icono. Los precios no estaban en el prompt.

También hice aparte una composición de tres imágenes, solo con 2.0 Medium y el modelo de primera generación.

Pósteres y envases: ¿el texto sale bien de verdad?

Primero, un resultado que no esperaba. Los cuatro modelos escribieron bien tanto el titular como la letra pequeña, incluido el de primera generación. La línea de abajo con la fecha y la hora salió perfecta, letra por letra, en los cuatro pósteres.

Póster de una noche de jazz, el mismo prompt en cuatro modelos

De izquierda a derecha: Grok Imagine Image 2.0 Low, 2.0 Medium, Grok Imagine de primera generación, GPT Image 2.6.

Primer plano de la letra pequeña en la parte inferior de cada póster

De arriba abajo: 2.0 Low, 2.0 Medium, Grok Imagine de primera generación, GPT Image 2.6.

Así que, siendo sinceros: con un texto tan corto, la mejora de "texto más preciso" no se notó. La letra pequeña es nítida, pero el modelo de primera generación ya podía con una línea así de larga. Las composiciones más difíciles, como una página entera de instrucciones o varias columnas de letra pequeña, no entraron en esta prueba.

La diferencia está en la composición. Los cuatro pósteres tienen una luna, olas y un saxofonista en silueta. 2.0 Low enmarca la letra pequeña con pequeños adornos de olas. 2.0 Medium traza un filete fino alrededor de todo el póster y mete la letra pequeña dentro, así que parece el cartel de un concierto que de verdad pasó por la imprenta. El modelo de primera generación encoge la ilustración en un bloque sobre fondo naranja, y la composición queda más plana. GPT Image 2.6 tiene el grano que más se parece a una serigrafía real.

La lata de té muestra una diferencia mayor.

Envase de una lata de té, el mismo prompt en cuatro modelos

De izquierda a derecha: 2.0 Low, 2.0 Medium, Grok Imagine de primera generación, GPT Image 2.6.

Grok Imagine Image 2.0 en Medium convirtió la etiqueta en una pegatina blanco roto con un borde fino y manzanilla dibujada a línea, y toda la lata parece algo que podrías tomar de una estantería. Low imprime las palabras directamente sobre la lata. La jerarquía sigue siendo clara, y basta para una presentación. La letra pequeña del modelo de primera generación se ve algo borrosa al hacer zoom, aunque la ortografía es correcta.

Menú y retrato: donde Low y Medium se separan

El menú en pizarra fue la única vez que Grok Imagine Image 2.0 Low se equivocó claramente.

Menú en pizarra, el mismo prompt en los dos niveles de calidad

Izquierda: 2.0 Low. Derecha: 2.0 Medium.

Los dos incluyeron las seis bebidas y sus iconos. Pero Low añadió por su cuenta un precio al final de cada línea, aunque el prompt nunca mencionó precios. Si una cafetería usara de verdad esta pizarra, alguien tendría que corregir esas cifras una por una. Medium escribió solo lo que se le pidió. Una prueba no demuestra que Low lo haga siempre, pero conviene recordar que Low a veces añade cosas que nadie pidió.

El retrato no tiene respuesta correcta o incorrecta. Los cuatro son buenos, y las diferencias son cuestión de gusto.

Retrato callejero, el mismo prompt en cuatro modelos

De izquierda a derecha: 2.0 Low, 2.0 Medium, Grok Imagine de primera generación, GPT Image 2.6.

En 2.0 Low se ríe mirando directamente a la cámara, lo que se siente un poco posado. En Medium inclina la cabeza y se ríe con naturalidad, como un momento que alguien captó por casualidad. El modelo de primera generación se aleja, y la calle ocupa casi todo el cuadro. GPT Image 2.6 también se siente espontáneo, y la pequeña pizarra detrás de ella enumera unos cuantos pasteles en portugués, un buen detalle lisboeta. Ninguno de los cuatro dejó fuera nada de lo que pedía el prompt.

Edición y composición: tres imágenes en una

Aquí es donde Grok Imagine Image 2.0 por fin se separa de la primera generación. Había tres imágenes de referencia: una foto de un corgi hecha con el móvil, una bicicleta roja vintage con cesta y una callejuela soleada junto al mar. El prompt pedía al corgi sentado en la cesta delantera de la bici, con la bici aparcada en esa callejuela.

Las tres imágenes de referencia y la composición de cada modelo

Fila de arriba, las tres referencias: la foto del corgi, la bici y la callejuela junto al mar. Fila de abajo: la composición de 2.0 Medium a la izquierda y la de primera generación a la derecha.

A primera vista, los dos cumplieron. El corgi está en la cesta, la bici y la callejuela coinciden con sus referencias, y hasta el aplique de pared y las macetas aparecen. Hay que hacer zoom para ver la diferencia.

Una es el perro. El corgi de la foto de referencia es tricolor, con pelo negro sobre los ojos y a lo largo del lomo. 2.0 Medium mantuvo esas manchas negras. El corgi del modelo de primera generación salió canela y blanco, y de cerca ya no es tu perro. La otra está en la esquina inferior izquierda, donde el modelo de primera generación añadió una pequeña línea de texto que parece la firma de un fotógrafo. 2.0 no lo hizo. Una marca de agua que aparece de la nada es una cosa más que limpiar antes de publicar.

Lo que dice xAI de que el modelo conserva lo que le das al editar se nota aquí. Si usas Editar imagen con tu propia mascota, un retrato o una foto de producto, eso importa más que si un titular está bien escrito.

Velocidad: cuánto tardan Low y Medium

Esto es lo que tardó cada imagen en esta prueba, todas en 1K:

  • 2.0 Low: de 14 a 57 segundos, casi siempre menos de 30
  • 2.0 Medium: de 68 a 90 segundos
  • Grok Imagine de primera generación: de 11 a 14 segundos
  • GPT Image 2.6 Medium: de 26 a 51 segundos

Medium en Grok Imagine Image 2.0 es claramente lento. Cada imagen tarda más de un minuto, más que GPT Image 2.6 en su ajuste Medium. El modelo de primera generación es el más rápido, y muy constante. En el lanzamiento también hicimos dos pruebas rápidas con 2.0 Low: un texto a imagen en 1K tardó 18 segundos y convertir una foto en acuarela tardó 17, así que las ediciones van más o menos igual de rápido que generar desde cero.

Cuándo usarlo y cuándo cambiar a GPT Image 2.6

Si una imagen lleva texto, o si estoy editando una foto y no quiero que las personas o los objetos cambien, Grok Imagine Image 2.0 es mi opción por defecto. Empieza en Low para probar direcciones. Es más barato y rápido, así que puedes lanzar varias composiciones de una vez. Luego vuelve a ejecutar en Medium el prompt que te guste para la versión final: la composición se ve más acabada y es menos probable que cuele cosas que el prompt nunca mencionó. Salga lo que salga de Low, revisa el texto.

Si solo necesitas un póster con un titular corto, el Grok Imagine de primera generación también lo hace bien, y es mucho más rápido, así que es una buena opción cuando vas con prisa. Pero en cuanto hay imágenes de referencia de por medio, sobre todo en composiciones donde una mascota, una cara o los detalles de un producto tienen que llegar intactos, cambia a Grok Imagine 2.0.

Para 4K, más de 3 imágenes de referencia o una composición larga y densa, cambia a GPT Image 2.6. Grok Imagine Image 2.0 llega como máximo a 2K y acepta 3 imágenes de referencia como mucho, y esos son límites fijos.

Todos estos modelos están en la misma página del Generador de imágenes con IA, así que puedes cambiar entre ellos sin ir a ningún otro sitio. Pasar un mismo prompt por cada uno te dirá más que cualquier reseña.

Preguntas frecuentes

Grok Imagine Image 2.0 Low o Medium: ¿cuál debo usar?

Low para probar direcciones y lotes de borradores: es más barato y la mayoría de las imágenes llegan en menos de medio minuto. Medium para la imagen final: las composiciones están más pulidas y es menos probable que añada cosas por su cuenta, pero cada imagen tarda más de un minuto.

¿Cuántas imágenes de referencia puedo usar?

Hasta 3. Sin imagen es texto a imagen, con una imagen se convierte en una edición, y con dos o tres puedes combinarlas.

¿Puede crear imágenes de más de 2K?

No, 2K es el máximo. Si necesitas 4K, cambia a GPT Image 2.6.

¿Puede crear fondos transparentes?

No, no genera fondos transparentes. Si quieres un PNG recortado directamente, usa Seedream 5.5.

¿Puedo escribir prompts en otros idiomas además del inglés?

Puedes escribirlos. Pero todos los prompts de esta prueba estaban en inglés y todavía no he comparado resultados en otros idiomas, así que no puedo decir qué tan bien funcionan.

Compartir

Descubre más

Ver todo