Grok Imagine Image 2.0 Low vs Medium: testo e modifiche alla prova

Approfondimenti8 min di lettura
Grok Imagine Image 2.0 Low vs Medium: testo e modifiche alla prova

Grok Imagine 2.0 alla prova: Low e Medium vs il primo Grok Imagine e GPT Image 2.6 su poster, packaging, menu, ritratti, modifiche con 3 foto e velocità.

xAI ha rilasciato Grok Imagine Image 2.0 il 7 agosto. L'annuncio ufficiale fa alcune promesse: segue i prompt fin nei dettagli, compone la tipografia come un designer, mantiene leggibile il testo piccolo e conserva ciò che gli dai quando modifichi. Dal 15 novembre puoi usarlo anche su ZOOOP.

ZOOOP aveva già il Grok Imagine di prima generazione, quindi volevo rispondere a due domande: cosa fa davvero meglio Grok Imagine 2.0, e se Low e Medium meritano di essere trattati come strumenti separati. Ho fatto girare gli stessi prompt sui due livelli di qualità di 2.0, sul modello di prima generazione e su GPT Image 2.6, uno accanto all'altro. In breve: sul testo, stavolta tutti e quattro hanno pareggiato. Dove Grok Imagine Image 2.0 si fa avanti è nelle modifiche che lasciano intatto il soggetto, nel non aggiungere cose che non hai chiesto e in impaginazioni più vicine a un lavoro finito.

Cos'è Grok Imagine Image 2.0 e in cosa si differenzia dalla prima versione

Grok Imagine Image 2.0 è il modello di immagini di seconda generazione di xAI. Su ZOOOP funziona come il Grok Imagine di prima generazione: genera direttamente da un prompt, oppure aggiungi fino a 3 immagini di riferimento per modificarle o combinarle. Hai sette proporzioni, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 e 9:16, in 1K o 2K. Il campo del prompt accetta fino a 8.000 caratteri, quindi testi, gerarchia e colori stanno tutti in un solo paragrafo.

Il cambiamento più evidente rispetto alla prima versione è la nuova scelta tra due livelli di qualità, Low e Medium. Low costa meno di Medium, anche se entrambi stanno nella fascia più economica dei modelli del Generatore di immagini IA di ZOOOP. Il modello di prima generazione non è stato ritirato e compare in tutti i confronti qui sotto.

Come abbiamo testato

Quattro prompt, ciascuno eseguito una volta su quattro modelli, tutti a 1K: Grok Imagine Image 2.0 in Low e in Medium, il Grok Imagine di prima generazione e GPT Image 2.6 in Medium come termine di paragone. Ho scelto prompt che toccano le aree in cui secondo xAI ci sono stati i miglioramenti maggiori:

  1. Poster di una serata jazz, 2:3. Il titolo "MIDNIGHT TIDE", una sola riga in caratteri piccoli in basso, "Live at Harbor Hall · Friday 21 November · Doors 8 PM", in stile serigrafia.
  2. Packaging di una latta di tè, 1:1. Un'etichetta con scritto "CHAMOMILE CALM", sotto una riga in caratteri piccoli, "Organic herbal infusion · 20 pyramid bags", e camomilla disegnata a mano.
  3. Ritratto di strada, 3:4. Lisbona sotto la pioggia: una donna sulla sessantina con riccioli argentati e impermeabile giallo, che ride sotto la tenda di un caffè.
  4. Menu su lavagna, 4:3. Il titolo "TODAY'S BREWS", sei bevande scritte a mano, una per riga, ciascuna con una piccola icona. I prezzi non facevano parte del prompt.

Ho fatto anche, a parte, una composizione da tre immagini, solo su 2.0 Medium e sul modello di prima generazione.

Poster e packaging: il testo è davvero giusto?

Prima di tutto, un risultato che non mi aspettavo. Tutti e quattro i modelli hanno scritto correttamente sia il titolo sia i caratteri piccoli, compreso quello di prima generazione. La riga in basso con data e ora è uscita perfetta, lettera per lettera, su tutti e quattro i poster.

Poster di una serata jazz, lo stesso prompt su quattro modelli

Da sinistra a destra: Grok Imagine Image 2.0 Low, 2.0 Medium, Grok Imagine di prima generazione, GPT Image 2.6.

Primo piano dei caratteri piccoli in fondo a ogni poster

Dall'alto in basso: 2.0 Low, 2.0 Medium, Grok Imagine di prima generazione, GPT Image 2.6.

Quindi, onestamente: con un testo così breve, il miglioramento "testo più preciso" non si è visto. I caratteri piccoli sono nitidi, ma il modello di prima generazione sapeva già gestire una riga di questa lunghezza. Impaginazioni più difficili, come una pagina intera di istruzioni o diverse colonne in caratteri piccoli, non facevano parte di questo test.

La differenza sta nell'impaginazione. Tutti e quattro i poster hanno una luna, delle onde e un sassofonista in silhouette. 2.0 Low incornicia i caratteri piccoli con piccoli ornamenti a forma di onda. 2.0 Medium traccia un filetto sottile tutto intorno al poster e ci infila dentro i caratteri piccoli, così sembra la locandina di un concerto andata davvero in tipografia. Il modello di prima generazione rimpicciolisce l'illustrazione in un blocco su sfondo arancione, e la composizione diventa più piatta. GPT Image 2.6 ha la grana che più ricorda una vera serigrafia.

La latta di tè mostra un divario più ampio.

Packaging di una latta di tè, lo stesso prompt su quattro modelli

Da sinistra a destra: 2.0 Low, 2.0 Medium, Grok Imagine di prima generazione, GPT Image 2.6.

In Medium, Grok Imagine Image 2.0 ha trasformato l'etichetta in un adesivo bianco sporco con un bordo sottile e camomilla a tratto, e tutta la latta sembra qualcosa che potresti prendere da uno scaffale. Low stampa le parole direttamente sulla latta. La gerarchia resta chiara, e va bene per una presentazione. I caratteri piccoli del modello di prima generazione si impastano un po' quando zoomi, anche se l'ortografia è corretta.

Menu e ritratto: dove Low e Medium si separano

Il menu su lavagna è stata l'unica volta in cui Grok Imagine Image 2.0 Low ha chiaramente sbagliato qualcosa.

Menu su lavagna, lo stesso prompt ai due livelli di qualità

A sinistra: 2.0 Low. A destra: 2.0 Medium.

Entrambi hanno tutte e sei le bevande con le loro icone. Ma Low ha aggiunto di sua iniziativa un prezzo alla fine di ogni riga, anche se il prompt non parlava mai di prezzi. Se un bar usasse davvero questa lavagna, qualcuno dovrebbe correggere quei numeri uno per uno. Medium ha scritto solo quello che gli era stato chiesto. Un test non dimostra che Low lo faccia sempre, ma conviene ricordare che a volte Low aggiunge cose che nessuno ha chiesto.

Il ritratto non ha una risposta giusta o sbagliata. Sono buoni tutti e quattro, e le differenze sono questione di gusto.

Ritratto di strada, lo stesso prompt su quattro modelli

Da sinistra a destra: 2.0 Low, 2.0 Medium, Grok Imagine di prima generazione, GPT Image 2.6.

Su 2.0 Low ride guardando dritto in camera, il che sembra un po' in posa. Su Medium inclina la testa e ride con naturalezza, come un momento che qualcuno ha colto per caso. Il modello di prima generazione allarga l'inquadratura, e la strada riempie gran parte del fotogramma. Anche GPT Image 2.6 sembra spontaneo, e la piccola lavagna alle sue spalle elenca qualche dolce in portoghese, un bel tocco lisbonese. Nessuno dei quattro ha tralasciato qualcosa di ciò che chiedeva il prompt.

Modifica e composizione: tre immagini in una

È qui che Grok Imagine Image 2.0 si stacca finalmente dalla prima generazione. Le immagini di riferimento erano tre: una foto di un corgi scattata col telefono, una bici rossa vintage con il cestino e un vicolo assolato vicino al mare. Il prompt chiedeva il corgi seduto nel cestino anteriore della bici, con la bici parcheggiata in quel vicolo.

Le tre immagini di riferimento e la composizione di ciascun modello

Riga in alto, i tre riferimenti: la foto del corgi, la bici e il vicolo vicino al mare. Riga in basso: la composizione di 2.0 Medium a sinistra, quella della prima generazione a destra.

A prima vista entrambi hanno fatto il lavoro. Il corgi è nel cestino, la bici e il vicolo corrispondono ai loro riferimenti, e ci sono perfino l'applique a muro e i vasi di fiori. Bisogna zoomare per vedere la differenza.

Una è il cane. Il corgi della foto di riferimento è tricolore, con il pelo nero sopra gli occhi e lungo il dorso. 2.0 Medium ha mantenuto quelle macchie nere. Il corgi del modello di prima generazione è uscito fulvo e bianco, e da vicino non è più il tuo cane. L'altra è nell'angolo in basso a sinistra, dove il modello di prima generazione ha aggiunto una piccola riga di testo che sembra la firma di un fotografo. 2.0 non l'ha fatto. Una filigrana che spunta dal nulla è una cosa in più da ripulire prima di pubblicare.

L'affermazione di xAI secondo cui il modello conserva ciò che gli dai in fase di modifica qui si vede. Se usi Modifica immagine sul tuo animale, su un ritratto o su una foto di prodotto, questo conta più del fatto che un titolo sia scritto giusto.

Velocità: quanto ci mettono Low e Medium

Ecco quanto ha richiesto ogni immagine in questo test, tutte a 1K:

  • 2.0 Low: da 14 a 57 secondi, per lo più sotto i 30
  • 2.0 Medium: da 68 a 90 secondi
  • Grok Imagine di prima generazione: da 11 a 14 secondi
  • GPT Image 2.6 Medium: da 26 a 51 secondi

Medium su Grok Imagine Image 2.0 è decisamente lento. Ogni immagine richiede più di un minuto, più di GPT Image 2.6 sull'impostazione Medium. Il modello di prima generazione è il più veloce, e molto costante. Al lancio abbiamo anche fatto due prove rapide su 2.0 Low: un testo in immagine a 1K ha richiesto 18 secondi e trasformare una foto in acquerello 17, quindi le modifiche vanno più o meno veloci quanto generare da zero.

Quando usarlo, e quando passare a GPT Image 2.6

Se un'immagine contiene testo, o se sto modificando una foto e non voglio che persone o oggetti cambino, Grok Imagine Image 2.0 è la mia scelta predefinita. Parti da Low per provare direzioni. Costa meno ed è rapido, quindi puoi lanciare diverse composizioni in una volta. Poi rilancia in Medium il prompt che ti piace per la versione finale: l'impaginazione sembra più rifinita, ed è meno probabile che infili cose che il prompt non ha mai citato. Qualunque cosa esca da Low, rileggi il testo.

Se ti serve solo un poster con un titolo breve, anche il Grok Imagine di prima generazione lo azzecca, ed è molto più veloce, quindi è una buona scelta quando vai di fretta. Ma appena entrano in gioco immagini di riferimento, soprattutto nelle composizioni in cui un animale, un volto o i dettagli di un prodotto devono arrivare intatti, passa a Grok Imagine 2.0.

Per il 4K, più di 3 immagini di riferimento o un'impaginazione lunga e densa, passa a GPT Image 2.6. Grok Imagine Image 2.0 arriva al massimo a 2K e accetta al massimo 3 immagini di riferimento, e sono limiti fissi.

Tutti questi modelli si trovano nella stessa pagina del Generatore di immagini IA, quindi puoi passare dall'uno all'altro senza andare altrove. Far girare un prompt su ciascuno ti dirà più di qualsiasi recensione.

Domande frequenti

Grok Imagine Image 2.0 Low o Medium: quale usare?

Low per provare direzioni e fare serie di bozze: costa meno e la maggior parte delle immagini arriva in meno di mezzo minuto. Medium per l'immagine finale: le impaginazioni sono più curate ed è meno incline ad aggiungere cose di sua iniziativa, ma ogni immagine richiede più di un minuto.

Quante immagini di riferimento posso usare?

Fino a 3. Senza immagini è testo in immagine, con un'immagine diventa una modifica, e con due o tre puoi combinarle.

Può creare immagini più grandi di 2K?

No, 2K è il massimo. Se ti serve il 4K, passa a GPT Image 2.6.

Può creare sfondi trasparenti?

No, non genera sfondi trasparenti. Se vuoi subito un PNG scontornato, usa invece Seedream 5.5.

Posso scrivere i prompt in lingue diverse dall'inglese?

Puoi digitarli. Ma tutti i prompt di questo test erano in inglese e non ho ancora confrontato i risultati in altre lingue, quindi non posso dire quanto funzionino bene.

Condividi

Scopri di più

Vedi tutto