xAI выпустила обновление своего генератора изображений — Imagine Image 2.0. Любопытно, что компания позиционирует его не как очередную «красивую генерацию по промпту», а как инструмент для настоящей итеративной работы с картинками. Первая версия картинки, по задумке разработчиков, почти никогда не должна быть финальной.

Раньше image-модели Grok конкурировали на поле «нарисуй по текстовому описанию». Теперь ставка сделана на точечные правки: в модель заложили региональное редактирование, сегментацию, удаление фона и «умный» ресайз. Идея в том, чтобы не перегенерировать удачный кадр целиком из-за одной мелкой детали.

В xAI прямо говорят, что модель учили планировать типографику и композицию «как дизайнер»: она должна держать плотные многоэлементные макеты и не убивать мелкий текст. Интересно, что по похожему пути шла Reve, но у неё не задалось со спросом, и API своей модели они закрыли.

Из практичных фич стоит выделить пару вещей. Во-первых, multi-reference editing: в один запрос можно скормить до пяти изображений-референсов — продукт, модель, фон, логотип, стиль. Раньше было максимум три. Во-вторых, smart resize: выбираешь нужное соотношение сторон, и модель достраивает кадр, а не просто кропает его. Поддержаны девять форматов — от 1:2 до 2:1, так что один креатив можно быстро адаптировать под сторис, ленту, баннеры и дисплейную рекламу.

Плюс в релизе пятнадцать готовых шаблонов: фоторедактирование, товарные постеры, иконки, маскоты, спрайты персонажей и эмодзи. Задумка простая — не собирать промпт с нуля, а кинуть исходники в уже собранный пайплайн. Отдельно показывают сценарий консистентности: персонаж, локации и пропсы генерируются раздельно, но в едином визуальном стиле — xAI подаёт это как задел под видеопроизводство.

По бенчмаркам модель занимает второе место в Arena и в редактировании, и в генерации с нуля, уступая только GPT-Image-2. При этом цена заметно ниже: генерация через preview-версию стоит 0,05 доллара против примерно 0,18 у GPT Image и 0,08 у Nano Banano 2.

Скорость, правда, не рекордная: Preview медленнее Nano Banano 2, но быстрее GPT Image 2. Русский язык тоже проверили — кириллица выходит читаемой.

Попробовать прямо сейчас можно только через Vercel AI Gateway, где живёт preview-версия. Но релиз уже близко: на этой неделе модель обещают подключить во многих сервисах, включая VEGA. Судя по всему, у неё есть все шансы стать базовой для тех, кому нужна дешёвая и качественная генерация с нормальным редактированием.