Grok Imagine Image 2.0 API
Grok Imagine Image 2.0 از xAI یک مدل تولید و ویرایش تصویر نسل جدید است که ویرایش دقیق، پشتیبانی از چند مرجع و خروجی تا ۱۰ تصویر در هر درخواست را ارائه می‌دهد.
Grok Imagine Image 2.0 مدل تولید و ویرایش تصویر نسل جدید xAI است که در ۷ اوت ۲۰۲۶ معرفی شد. این مدل متن، تصویر و PDF را به عنوان ورودی میپذیرد و تصویر تولید میکند. پنجره زمینه آن ۶۵,۵۳۶ توکن و محدودیت خروجی آن ۵۸,۹۸۲ توکن است. از قابلیت‌های کلیدی آن می‌توان به تولید تصویر از توضیحات متنی، ویرایش تصاویر موجود با کنترل دقیق، تولید ۱ تا ۱۰ تصویر در هر درخواست، ویرایش چندمرجعی با حداکثر ۵ تصویر مرجع، ابزارهای چوب جادویی، تقسیم‌بندی، حذف پس‌زمینه و تغییر اندازه هوشمند، ویرایش ناحیه‌ای، پشتیبانی از رزولوشن 1K و 2K، حالت‌های کیفیت پایین و متوسط و نسبت‌های ابعاد 1:1، 16:9، 9:16، 3:4، 3:2 و 2:3 اشاره کرد.
این مدل برای گردشکارهای طراحی حرفهای که نیازمند ویرایش دقیق و کنترل چیدمان هستند، تولید داراییهای بازاریابی با ثبات برند در چندین نسخه، ماکاپ محصول و خلاقیت‌های تبلیغاتی با حذف پس‌زمینه و تغییر اندازه هوشمند، ایجاد محتوای تکراری با اصلاحات کوچک مکرر، پروژه‌های خلاقانه محرمانه و تجاری و ساخت داراییهای بازی و مفهومسازی مناسب است. نقاط قوت آن شامل ابزارهای ویرایش دقیق، پیروی قوی از دستورالعمل‌ها برای درخواست‌های پیچیده و تولید آگاه از چیدمان، حفظ ثبات در ویرایش‌ها و تولیدهای مکرر و ادغام در اپلیکیشن Grok به عنوان حالت کیفیت و اتصال به X است.
از محدودیت‌های آن می‌توان به حداکثر رزولوشن 2K، اختصاصی بودن مدل و عدم امکان میزبانی شخصی یا تنظیم دقیق، اشاره برخی کاربران به حفظ بهتر سبک شخصیت‌های غیراستاندارد و سانسور کمتر توسط GPT Image و ارائه 4K توسط رقبایی مانند GPT Image 2، Nano Banana و FLUX 3 اشاره کرد. برخی منابع ذکر می‌کنند که نتایج بنچمارک داوری‌شده همتا برای این مدل وجود ندارد.
به‌روزرسانی:
MODEL ID
grok-imagine-image-2.0- ورودی
- text / image
- خروجی
- image
نکات برجسته
- ویرایش دقیق با ابزارهای چوب جادویی و تقسیم‌بندی
- پیروی قوی از دستورالعمل‌های پیچیده
- حفظ ثبات در ویرایش‌های مکرر
- پشتیبانی از ۱ تا ۱۰ تصویر در هر درخواست
- ویرایش چندمرجعی با حداکثر ۵ تصویر
- ادغام در اپلیکیشن Grok
ارائه‌دهندگان
قیمت API را بین ارائه‌دهندگان مقایسه کنید. یک ارائه‌دهنده را انتخاب کنید تا همه هزینه‌ها و شرایط را ببینید.
بنچمارک‌ها
- #2
Arena image generation leaderboard
رتبه دوم جهانی
- #2
Arena image editing leaderboard
رتبه دوم جهانی
- 75
ImageBench V1 overall
از ۱۰۰
- 100
ImageBench V1 text rendering
از ۱۰۰
- 55
ImageBench V1 human realism
از ۱۰۰
امتیازها همان‌گونه که ارائه‌دهنده مدل منتشر کرده است.
مرجع API
جزئیات پروتکل این مدل منتشر نشده است. برای الزامات یکپارچه‌سازی، مرجع API را ببینید.
مرجع API →پارامترهای پشتیبانی‌شده
- resolution
- aspect_ratio
- quality
- n
- input_references
پرسش‌های متداول
معرفی مدل: Grok Imagine Image 2.0?
Grok Imagine Image 2.0 مدل تولید و ویرایش تصویر نسل جدید xAI است که در ۷ اوت ۲۰۲۶ معرفی شد. این مدل متن، تصویر و PDF را به عنوان ورودی میپذیرد و تصویر تولید میکند. پنجره زمینه آن ۶۵,۵۳۶ توکن و محدودیت خروجی آن ۵۸,۹۸۲ توکن است. از قابلیت‌های کلیدی آن می‌توان به تولید تصویر از توضیحات متنی، ویرایش تصاویر موجود با کنترل دقیق، تولید ۱ تا ۱۰ تصویر در هر درخواست، ویرایش چندمرجعی با حداکثر ۵ تصویر مرجع، ابزارهای چوب جادویی، تقسیم‌بندی، حذف پس‌زمینه و تغییر اندازه هوشمند، ویرایش ناحیه‌ای، پشتیبانی از رزولوشن 1K و 2K، حالت‌های کیفیت پایین و متوسط و نسبت‌های ابعاد 1:1، 16:9، 9:16، 3:4، 3:2 و 2:3 اشاره کرد. این مدل برای گردشکارهای طراحی حرفهای که نیازمند ویرایش دقیق و کنترل چیدمان هستند، تولید داراییهای بازاریابی با ثبات برند در چندین نسخه، ماکاپ محصول و خلاقیت‌های تبلیغاتی با حذف پس‌زمینه و تغییر اندازه هوشمند، ایجاد محتوای تکراری با اصلاحات کوچک مکرر، پروژه‌های خلاقانه محرمانه و تجاری و ساخت داراییهای بازی و مفهومسازی مناسب است. نقاط قوت آن شامل ابزارهای ویرایش دقیق، پیروی قوی از دستورالعمل‌ها برای درخواست‌های پیچیده و تولید آگاه از چیدمان، حفظ ثبات در ویرایش‌ها و تولیدهای مکرر و ادغام در اپلیکیشن Grok به عنوان حالت کیفیت و اتصال به X است. از محدودیت‌های آن می‌توان به حداکثر رزولوشن 2K، اختصاصی بودن مدل و عدم امکان میزبانی شخصی یا تنظیم دقیق، اشاره برخی کاربران به حفظ بهتر سبک شخصیت‌های غیراستاندارد و سانسور کمتر توسط GPT Image و ارائه 4K توسط رقبایی مانند GPT Image 2، Nano Banana و FLUX 3 اشاره کرد. برخی منابع ذکر می‌کنند که نتایج بنچمارک داوری‌شده همتا برای این مدل وجود ندارد.
هزینه استفاده چگونه محاسبه میشود؟
صورتحساب شما به ارائهدهندهای که استفاده میکنید، قیمتهای آن و میزان مصرف شما بستگی دارد. ورودیهای طولانیتر یا شرایط دیگر ممکن است قیمت متفاوتی داشته باشند. صورتحساب بر اساس هزینه واقعی تولید محاسبه میشود. مبلغ نهایی را در صورتحساب ببینید.
Grok Imagine Image 2.0 چه ورودیهایی را پشتیبانی میکند؟
این مدل متن، تصویر و PDF را به عنوان ورودی میپذیرد و خروجی آن تصویر است.
طول زمینه و محدودیت خروجی این مدل چقدر است؟
پنجره زمینه آن ۶۵,۵۳۶ توکن و محدودیت خروجی آن ۵۸,۹۸۲ توکن است.
این مدل برای چه کارهایی مناسب است؟
برای گردشکارهای طراحی حرفهای، تولید داراییهای بازاریابی، ماکاپ محصول، ایجاد محتوای تکراری و ساخت داراییهای بازی و مفهومسازی مناسب است.
تفاوت Grok Imagine Image 2.0 با سایر مدل‌های هم‌خانواده چیست؟
این مدل نسخه نسل جدیدتر است و بر ویرایش دقیق و کنترل چیدمان تمرکز دارد، در حالی که مدل‌های دیگر این خانواده ممکن است قابلیت‌های متفاوتی داشته باشند.
آیا می‌توان این مدل را به صورت شخصی میزبانی یا تنظیم دقیق کرد؟
خیر، این یک مدل اختصاصی است و امکان میزبانی شخصی یا تنظیم دقیق آن وجود ندارد.