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

Innsikt8 min lesing
Grok Imagine Image 2.0 Low vs Medium: tekst og redigering testet

Grok Imagine 2.0 testet: Low og Medium mot første Grok Imagine og GPT Image 2.6 på plakater, emballasje, menyer, portretter, 3-bilderedigering og fart.

xAI lanserte Grok Imagine Image 2.0 7. august. Den offisielle kunngjøringen kommer med noen løfter: den følger prompter helt ned i detaljene, setter typografi som en designer, holder liten tekst lesbar og holder på det du gir den når du redigerer. Fra 15. november kan du bruke den på ZOOOP også.

ZOOOP hadde allerede første generasjon av Grok Imagine, så jeg ville ha svar på to spørsmål: hva Grok Imagine 2.0 faktisk gjør bedre, og om Low og Medium er verdt å behandle som to separate verktøy. Jeg kjørte de samme promptene side om side gjennom begge kvalitetsnivåene i 2.0, modellen fra første generasjon og GPT Image 2.6. Kortversjonen: på tekst sto alle fire likt denne gangen. Der Grok Imagine Image 2.0 drar fra, er i redigeringer som lar motivet ditt være intakt, i å ikke legge til ting du ikke ba om, og i oppsett som ligner mer på et ferdig produkt.

Hva Grok Imagine Image 2.0 er, og hvordan den skiller seg fra første versjon

Grok Imagine Image 2.0 er andre generasjon av bildemodellen fra xAI. På ZOOOP fungerer den på samme måte som første generasjon av Grok Imagine: generer rett fra en prompt, eller legg til opptil 3 referansebilder for å redigere eller kombinere dem. Du får sju sideforhold, 16:9, 3:2, 4:3, 1:1, 3:4, 2:3 og 9:16, i 1K eller 2K. Promptfeltet tar opptil 8000 tegn, så teksten, hierarkiet og fargene får plass i ett avsnitt.

Den tydeligste endringen fra første versjon er et nytt valg mellom to kvalitetsnivåer, Low og Medium. Low koster mindre enn Medium, men begge ligger i den billigere enden av modellene i KI-bildegeneratoren på ZOOOP. Modellen fra første generasjon er ikke faset ut, og den er med i alle sammenligningene nedenfor.

Slik testet vi

Fire prompter, hver kjørt én gang på fire modeller, alle i 1K: Grok Imagine Image 2.0 på Low og på Medium, første generasjon av Grok Imagine, og GPT Image 2.6 på Medium som referansepunkt. Jeg valgte prompter som treffer akkurat områdene xAI sier er mest forbedret:

  1. Plakat til en jazzkveld, 2:3. Overskriften "MIDNIGHT TIDE", én enkelt linje med liten skrift nederst, "Live at Harbor Hall · Friday 21 November · Doors 8 PM", i silketrykkstil.
  2. Emballasje til en teboks, 1:1. En etikett med "CHAMOMILE CALM", en linje med liten skrift under, "Organic herbal infusion · 20 pyramid bags", og håndtegnet kamille.
  3. Gateportrett, 3:4. Lisboa i regnvær: en kvinne i sekstiårene med sølvgrå krøller og gul regnfrakk, som ler under en kafémarkise.
  4. Tavlemeny, 4:3. Overskriften "TODAY'S BREWS", seks drikker håndskrevet, én per linje, hver med et lite ikon. Priser var ikke med i prompten.

Jeg kjørte også en egen sammensetning av tre bilder, bare på 2.0 Medium og modellen fra første generasjon.

Plakater og emballasje: stemmer teksten faktisk?

Først et resultat jeg ikke hadde ventet. Alle fire modellene stavet både overskriften og den lille skriften riktig, modellen fra første generasjon også. Den nederste linjen med dato og klokkeslett kom ut bokstavrett på alle fire plakatene.

Plakat til en jazzkveld, samme prompt på fire modeller

Fra venstre mot høyre: Grok Imagine Image 2.0 Low, 2.0 Medium, første generasjon av Grok Imagine, GPT Image 2.6.

Nærbilde av den lille skriften nederst på hver plakat

Fra topp til bunn: 2.0 Low, 2.0 Medium, første generasjon av Grok Imagine, GPT Image 2.6.

Så, ærlig talt: med så kort tekst syntes ikke oppgraderingen "mer nøyaktig tekst". Den lille teksten er skarp, men første generasjon klarte allerede en linje av den lengden. Vanskeligere oppsett, som en hel side med instruksjoner eller flere spalter med liten skrift, var ikke med i denne testen.

Forskjellen ligger i oppsettet. Alle fire plakatene har en måne, bølger og en saksofonist i silhuett. 2.0 Low rammer inn den lille skriften med små bølgeornamenter. 2.0 Medium trekker en tynn strek rundt hele plakaten og legger den lille skriften innenfor, så den ser ut som en konsertplakat som faktisk har vært innom trykkeriet. Første generasjon krymper motivet til en blokk på oransje bakgrunn, og komposisjonen blir flatere. GPT Image 2.6 har kornet som føles mest som ekte silketrykk.

Teboksen viser en større forskjell.

Emballasje til en teboks, samme prompt på fire modeller

Fra venstre mot høyre: 2.0 Low, 2.0 Medium, første generasjon av Grok Imagine, GPT Image 2.6.

Grok Imagine Image 2.0 på Medium gjorde etiketten til et offwhite klistremerke med en fin kant og strektegnet kamille, og hele boksen ser ut som noe du kunne tatt ned fra en hylle. Low trykker ordene rett på boksen. Hierarkiet er fortsatt tydelig, og det er godt nok til en presentasjon. Den lille skriften fra første generasjon blir litt myk når du zoomer inn, men stavingen er riktig.

Meny og portrett: her skilles Low og Medium

Tavlemenyen var den eneste gangen Grok Imagine Image 2.0 Low tydelig gjorde noe feil.

Tavlemeny, samme prompt på begge kvalitetsnivåene

Venstre: 2.0 Low. Høyre: 2.0 Medium.

Begge fikk med alle seks drikkene og ikonene deres. Men Low la på egen hånd til en pris på slutten av hver linje, selv om prompten aldri nevnte priser. Hvis en kafé faktisk brukte denne tavlen, måtte noen rette de tallene ett for ett. Medium skrev bare det den ble bedt om. Én test beviser ikke at Low alltid gjør dette, men det er verdt å huske at Low av og til legger til ting ingen ba om.

Portrettet har ikke noe riktig eller galt svar. Alle fire er gode, og forskjellene handler om smak.

Gateportrett, samme prompt på fire modeller

Fra venstre mot høyre: 2.0 Low, 2.0 Medium, første generasjon av Grok Imagine, GPT Image 2.6.

På 2.0 Low ler hun rett inn i kameraet, noe som føles litt oppstilt. På Medium legger hun hodet på skakke og ler avslappet, som et øyeblikk noen tilfeldigvis fanget. Første generasjon trekker seg tilbake, og gaten fyller mesteparten av bildet. GPT Image 2.6 føles også spontan, og den lille tavlen bak henne lister opp noen bakverk på portugisisk, en fin detalj fra Lisboa. Ingen av de fire utelot noe prompten ba om.

Redigering og sammensetning: tre bilder til ett

Det er her Grok Imagine Image 2.0 endelig drar fra første generasjon. Det var tre referansebilder: et mobilbilde av en corgi, en rød vintagesykkel med kurv og et solfylt smug ved sjøen. Prompten ba om corgien sittende i sykkelens forreste kurv, med sykkelen parkert i det smuget.

De tre referansebildene og sammensetningen fra hver modell

Øverste rad, de tre referansene: corgibildet, sykkelen og smuget ved sjøen. Nederste rad: sammensetningen fra 2.0 Medium til venstre, den fra første generasjon til høyre.

Ved første øyekast klarte begge oppgaven. Corgien sitter i kurven, sykkelen og smuget stemmer med referansene, og til og med vegglampen og blomsterpottene kom med. Du må zoome inn for å se forskjellen.

Den første er hunden. Corgien på referansebildet er trefarget, med svart pels over øynene og langs ryggen. 2.0 Medium beholdt de svarte tegningene. Corgien fra første generasjon ble lysebrun og hvit, og på nært hold er det ikke lenger hunden din. Den andre er i nedre venstre hjørne, der første generasjon la til en liten tekstlinje som ligner en fotografkreditering. Det gjorde ikke 2.0. Et vannmerke som dukker opp fra ingensteds, er én ting til å rydde bort før du legger ut bildet.

Løftet fra xAI om at modellen holder på det du gir den når du redigerer, er synlig her. Bruker du Rediger bilde på ditt eget kjæledyr, et portrett eller et produktbilde, betyr det mer enn om en overskrift er riktig stavet.

Hastighet: hvor lang tid Low og Medium bruker

Så lang tid tok hvert bilde i denne testen, alle i 1K:

  • 2.0 Low: 14 til 57 sekunder, for det meste under 30
  • 2.0 Medium: 68 til 90 sekunder
  • Første generasjon av Grok Imagine: 11 til 14 sekunder
  • GPT Image 2.6 Medium: 26 til 51 sekunder

Medium på Grok Imagine Image 2.0 er tydelig treg. Hvert bilde tar over et minutt, lenger enn GPT Image 2.6 på Medium-innstillingen. Første generasjon er raskest, og svært stabil. Ved lanseringen prøvde vi også to raske på 2.0 Low: tekst til bilde i 1K tok 18 sekunder, og å gjøre et foto om til en akvarell tok 17, så redigeringer går omtrent like raskt som å generere fra bunnen av.

Når du bør bruke den, og når du bør bytte til GPT Image 2.6

Har et bilde tekst på seg, eller redigerer jeg et foto og ikke vil at personer eller gjenstander skal skli ut, er Grok Imagine Image 2.0 standardvalget mitt. Start på Low for å prøve ut retninger. Den er billigere og rask, så du kan kjøre flere komposisjoner i ett jafs. Kjør så prompten du liker på nytt på Medium for det endelige bildet: oppsettet ser mer ferdig ut, og den sniker sjeldnere inn ting prompten aldri nevnte. Uansett hva som kommer ut av Low: les korrektur på teksten.

Trenger du bare en plakat med en kort overskrift, får første generasjon av Grok Imagine det også til, og den er mye raskere, så den er et fint valg når det haster. Men så snart referansebilder er med, særlig i sammensetninger der et kjæledyr, et ansikt eller produktdetaljer må komme gjennom intakt, bør du bytte til Grok Imagine 2.0.

For 4K, mer enn 3 referansebilder eller et langt, tett oppsett bytter du til GPT Image 2.6. Grok Imagine Image 2.0 stopper på 2K og tar maks 3 referansebilder, og det er faste grenser.

Alle disse modellene finnes på den samme siden, KI-bildegeneratoren, så du kan bytte mellom dem uten å gå noe annet sted. Å kjøre én prompt gjennom hver av dem forteller deg mer enn noen anmeldelse.

Vanlige spørsmål

Grok Imagine Image 2.0 Low eller Medium: hvilken bør jeg bruke?

Low til å prøve ut retninger og til serier med utkast: den er billigere, og de fleste bildene kommer tilbake innen et halvt minutt. Medium til det endelige bildet: oppsettene er mer gjennomarbeidet, og den legger sjeldnere til ting på egen hånd, men hvert bilde tar over et minutt.

Hvor mange referansebilder kan jeg bruke?

Opptil 3. Uten bilde er det tekst til bilde, ett bilde gjør det til en redigering, og med to eller tre kan du kombinere dem.

Kan den lage bilder større enn 2K?

Nei, 2K er maks. Trenger du 4K, bytter du til GPT Image 2.6.

Kan den lage gjennomsiktig bakgrunn?

Nei, den leverer ikke gjennomsiktig bakgrunn. Vil du ha en frilagt PNG med en gang, bruker du Seedream 5.5 i stedet.

Kan jeg skrive prompter på andre språk enn engelsk?

Du kan skrive dem inn. Men alle promptene i denne testen var på engelsk, og jeg har ikke sammenlignet resultater på andre språk ennå, så jeg kan ikke si hvor godt de fungerer.

Del

Oppdag mer

Se alle