Grok Imagine Image 2.0؛ قیمت، امکانات و بنچمارک گراک ایمیج ۲

Grok Imagine Image 2.0 جدیدترین مدل تصویرسازی xAI گراک است که در ۷ آگوست ۲۰۲۶ (۱۶ مرداد ۱۴۰۵) منتشر شد. تمرکز اصلی این مدل بر پیروی دقیق از دستورها، تایپوگرافی بهتر و ویرایش دقیق تصاویر است. 

این مدل با نام فنی Imagine Image 2.0 و در قالب حالت Quality Mode عرضه شده و در مقایسه با نسخه‌های قبلی، امکانات بیشتری برای ویرایش تصویر ارائه می‌دهد.

Grok Imagine 2.0 – (گراک ایمجین ایمیج ۲) چیست؟

Imagine Image 2.0 گراک یک مدل هوش مصنوعی با هدف ارائه کنترل بیشتر بر فرایند تولید و ویرایش تصویر که توسط xAI ارائه شده است.

این مدل علاوه بر تولید تصویر بر اساس دستورهای متنی، تلاش می‌کند دستورهای پیچیده و جزئیات بصری را با دقت بیشتری در خروجی حفظ کند و توانایی ترکیب چند تصویر مرجع، حذف پس‌زمینه، تغییر نسبت تصویر و تولید تصاویر با متن و چیدمان دقیق را دارد.

مهم‌ترین ویژگی Grok Imagine 2.0

مهم‌ترین ویژگی گراک ایمجین ایمیج ۲ ، تمرکز آن بر ویرایش دقیق و هدفمند تصاویر است. 

این مدل با ابزارهایی مانند Magic Wand و Segmentation، بخش‌های مشخص تصویر را بدون تغییر سایر قسمت‌ها ویرایش می‌کند. در ادامه به معرفی کامل قابلیت‌های این مدل می‌پردازیم.

قابلیت‌های Imagine Image 2.0 گراک

در Imagine Image 2.0، برای تغییر یک بخش کوچک نیازی به بازتولید کل تصویر نیست. این مدل موارد زیر را برای تولید و ویرایش عکس به کاربران ارائه می‌دهد:

۱. ابزار انتخاب هوشمند (Magic Wand)

ادیت یک ناحیه مشخص از تصویر و اعمال تغییرات با اشاره به همان بخش، بدون تغییر سایر قسمت‌ها. به این ترتیب، برای اصلاح جزئیات کوچک نیازی به تولید دوباره کل تصویر نیست.

۲. قسمت‌بندی دقیق (Segmentation)

انتخاب دقیق و تقسیم‌بندی بخش‌های مختلف تصویر برای ویرایش جداگانه روی ناحیه موردنظر و ثابت ماندن نواحی دیگر.

۳. حذف پس‌زمینه (Background Removal)

حذف پس‌زمینه و دریافت سوژه با پس‌زمینه شفاف، آماده استفاده در پروژه‌های دیگر. این خروجی بدون نیاز به هیچ ابزار جانبی، مستقیماً قابل استفاده در طراحی‌ها و ترکیب‌بندی‌های دیگر است.

۴. ویرایش با ترکیب چند تصویر (Multi-reference editing)

استفاده از حداکثر ۵ تصویر مرجع در یک فرایند تولید برای ترکیب سوژه‌ها، انتقال سبک یا ساخت یک صحنه جدید. این قابلیت نیاز به ترکیب دستی چند تصویر جداگانه را از بین می‌برد و کل فرایند را در یک مرحله انجام می‌دهد.

۵. تغییر اندازه با حفظ نسبت تصویر (Smart Resize)

تغییر نسبت تصویر و بازسازی هوشمند فضای اطراف، از ۱:۲ و ۹:۱۶ تا فرمت‌های مربعی، افقی و ۲:۱، بدون کشیده یا بریده شدن تصویر. این قابلیت در مجموع از ۹ نسبت مختلف پشتیبانی می‌کند و با انتخاب نسبت موردنظر مدل ساخت تصویر، فضای اضافه‌ قاب جدید را پر می‌کند.

۶. قالب‌های آماده (Templates)

ارائه قالب‌های آماده برای انجام سریع کارهایی مانند تولید تصاویر محصول، هدشات، پوستر، آیکون، مسکات و دارایی‌های گرافیکی بازی. کاربر با وارد کردن ورودی موردنظر، می‌تواند نتیجه را بر اساس قالب انتخاب‌شده دریافت کند.

۷. پایداری شخصیت و دنیای داستان (Build a World)

ایجاد جداگانه شخصیت‌ها، مکان‌ها و عناصر یک پروژه با حفظ ظاهر و سبک بصری یکسان در تصاویر مختلف. این قابلیت می‌تواند برای آماده‌سازی محتوای بصری پروژه‌های ویدیویی، از جمله استوری‌بورد، کاربرد داشته باشد.

مشخصات فنی Imagine Image 2.0 گراک

Grok Imagine 2.0 طبق مستندات رسمی xAI، با ۲ سطح کیفیت (Low و Medium) و ۲ رزولوشن خروجی (1K و 2K) عرضه شده است. قیمت هر تصویر بسته به این دو عامل از ۰.۰۴ دلار آغاز می‌شود. 

مقدار	مشخصه
xAI	شرکت سازنده
grok-imagine-image-2.0	شناسه مدل در API
۷ آگوست ۲۰۲۶ (۱۶ مرداد ۱۴۰۵)	تاریخ انتشار
Low / Medium	سطوح کیفیت
1K / 2K	رزولوشن‌های خروجی
تا ۵ تصویر	حداکثر تصاویر مرجع
متن و تصویر	ورودی‌های پشتیبانی‌شده
تصویر	خروجی
grok.com/imagine، اپ iOS و Android، API	دسترسی
۱۳۲۰ امتیاز – رتبه دوم در زمان انتشار	رتبه Arena (تصویر از متن)
۱۴۳۹ امتیاز – رتبه دوم در زمان انتشار	رتبه Arena (ویرایش تصویر)
از ۰.۰۴ دلار برای تولید هر عکس	شروع قیمت

تفاوت ‌Imagine Image 2.0 با مدل قبلی (Grok Imagine 1.0)

Grok Imagine Image 2.0 نسبت به نسل‌های قبلی، تمرکز بیشتری بر تولید تصاویر دقیق و قابل استفاده در پروژه‌های واقعی دارد. xAI در این نسخه ۳ حوزه را به‌طور ویژه تقویت کرده است:

1. پیروی دقیق‌تر از دستورها: Image 2.0 جزئیات پرامپت را با دقت بیشتری دنبال می‌کند و برای تصاویر پیچیده و چندبخشی، کنترل بیشتری روی نتیجه نهایی ارائه می‌دهد.
2. تایپوگرافی و چیدمان بهتر: Grok Imagine Image 2.0 می‌تواند متن‌های کوچک و طرح‌های متراکم مانند پوستر، اینفوگرافیک و سایر تصاویر متن‌محور را واضح‌تر تولید کند.
3. ویرایش دقیق تصویر: ویرایش در این نسخه به یکی از قابلیت‌های اصلی تبدیل شده است. همچنین امکان استفاده از تصاویر مرجع در یک تولید وجود دارد و مدل می‌تواند عناصر این تصاویر را در خروجی نهایی ترکیب کند.

بنچمارک Grok Imagine 2.0 در برابر GPT Image 2

در بنچمارک Arena، مدل Grok Imagine 2.0 در زمان عرضه در هر دو بخش تولید تصویر از متن و ویرایش تصویر در رتبه دوم قرار گرفت و پس از GPT Image 2 قرار داشت. نتایج و امتیازهای ثبت‌شده برای هر دو مدل در جدول زیر آمده است.  

بنابراین با در نظر گرفتن این بنچمارک، چت جی پی تی از گراک پیشی گرفته است. اگر قصد تولید تصویر با GPT Image را دارید هم‌اکنون می‌توانید از طریق این لینک در پلتفرم هوشا اقدام کنید.

نکته: این امتیازها مربوط به نتایج زمان عرضه Grok Imagine 2.0 در ۷ آگوست ۲۰۲۶ هستند و رتبه‌بندی Arena ممکن است با ورود مدل‌های جدید هوش مصنوعی تغییر کند.

مقایسه نتایج بنچمارک Grok Imagine 2.0 و GPT Image 2

GPT Image 2	Grok Imagine 2.0	رده‌بندی
۱۳۸۰	۱۳۲۰	تصویر از متن (Text-to-Image)
۱۴۶۳	۱۴۳۹	ویرایش تصویر (Image Editing)

Grok Imagine 2.0 برای چه کاری مناسب‌تر است؟

اگر هدف شما ویرایش دقیق بخشی از تصویر، ترکیب چند تصویر مرجع در یک تولید، یا حفظ ظاهر و سبک بصری یک شخصیت در چند تصویر است، Grok Imagine 2.0 گزینه مناسبی است.

GPT Image 2 برای چه کاری مناسب‌تر است؟

اگر هدف شما ویرایش و بازطراحی تعاملی تصاویر، اعمال تغییرات مرحله‌به‌مرحله و اصلاح تصویر با توضیحات متنی است، GPT Image 2 گزینه مناسبی است.

قیمت Grok Imagine 2.0 گراک چقدر است؟

قیمت	نوع سرویس
۰.۰۱ دلار به ازای هر تصویر ورودی	تصویر مرجع برای ویرایش
۰.۰۴ دلار به ازای هر تصویر	خروجی کیفیت Low، رزولوشن 1K
۰.۰۶ دلار به ازای هر تصویر	خروجی کیفیت Low در 2K یا Medium در 1K
۰.۰۸ دلار به ازای هر تصویر	خروجی کیفیت Medium، رزولوشن 2K

مقایسه قیمت Grok Imagine 2.0 و GPT Image 2

Imagine Image 2.0 قیمت‌گذاری مشخصی برای هر تصویر دارد و هزینه آن از ۰.۰۴ دلار شروع می‌شود؛ در حالی که GPT Image 2 با نرخ ۳۰ دلار به ازای هر یک میلیون توکن خروجی تصویر قیمت‌گذاری می‌شود و هزینه نهایی هر تصویر، بر اساس تعداد توکن موردنیاز و در نتیجه اندازه و کیفیت خروجی محاسبه می‌شود. 

بنابراین، مقایسه مستقیم قیمت این دو مدل بدون در نظر گرفتن اندازه و کیفیت خروجی امکان‌پذیر نیست.

کاربردهای Grok Imagine Image 2.0

• ساخت تصویر با هوش مصنوعی و طراحی گرافیک: ساخت پوستر، اینفوگرافیک و طرح‌هایی با متن خوانا و چیدمان دقیق. 
• ساخت تصاویر محصول: تولید تصاویر محصول و هدشات حرفه‌ای با استفاده از قالب‌های آماده. 
• تولید آیکون و دارایی‌های بازی: ساخت مجموعه‌ای از عناصر بصری هماهنگ برای استفاده در پروژه‌های مختلف. 
• ساخت شخصیت و مسکات: تولید شخصیت، مسکات (Mascot) و کالاهای تبلیغاتی با ظاهر یکسان در تصاویر مختلف. 
• پیش‌تولید ویدیو و استوری‌بورد: ایجاد صحنه‌های مختلف با حفظ ظاهر و سبک بصری یکسان. 
• ویرایش دقیق تصاویر: اعمال تغییرات روی بخش‌های مشخص تصویر، بدون نیاز به بازتولید کامل آن.

محدودیت‌های Grok Imagine Image 2.0

تولید ویدیو با هوش مصنوعی: Grok Imagine Image 2.0 برای ساخت ویدیو طراحی نشده است. بااین‌حال، قابلیت Build a World می‌تواند برای آماده‌سازی شخصیت‌ها، مکان‌ها و عناصر مختلف یک پروژه و حفظ ظاهر و سبک بصری آن‌ها در صحنه‌های مختلف، از جمله در استوری‌بورد و پیش‌تولید ویدیو استفاده شود. برای تبدیل این تصاویر به ویدیوی متحرک باید از Grok Imagine Video استفاده کرد.

چگونه از Grok Imagine 2.0 استفاده کنیم؟

برای استفاده از Grok Imagine 2.0 طبق اطلاعات درج شده در وب‌سایت رسمی xAI، از روش‌های زیر می‌توانید اقدام کنید: 

• وب‌سایت: از طریق پلتفرم رسمی Grok در وب. 
• اپلیکیشن موبایل: از طریق اپلیکیشن Grok برای iOS و Android. 
• API: مدل Image 2.0 در API رسمی xAI با نام grok-imagine-image-2.0 در دسترس است.

ساخت ویدیو با Grok Imagine

در حال حاضر در پلتفرم هوش مصنوعی هوشا امکان استفاده از Grok Imagine Video 1.5 برای ساخت ویدیو فراهم است.

 این مدل با دریافت تصویر و توضیح متنی، می‌تواند آن را به ویدیویی متحرک با حرکت دوربین، افکت‌های صوتی و حرکت طبیعی تبدیل کند.

جمع‌بندی معرفی مدل Imagine 2.0 گراک

Grok Imagine 2.0 یکی از مدل‌های جدید xAI برای تولید و ویرایش تصویر است که تمرکز ویژه‌ای بر پیروی دقیق از دستورها، رندر متن و تایپوگرافی، و ویرایش موضعی تصاویر دارد. 

قابلیت‌هایی مانند Magic Wand، Segmentation، حذف پس‌زمینه، ویرایش با حداکثر ۵ تصویر مرجع و Smart Resize باعث شده این مدل برای پروژه‌های گرافیکی، تصاویر محصول، طراحی پوستر و ویرایش دقیق تصاویر کاربردی باشد.

نتایج بنچمارک Arena نیز نشان می‌دهد Grok Imagine 2.0 در زمان عرضه (۱۶ مرداد ۱۴۰۵) در بخش‌های تولید تصویر از متن و ویرایش تصویر، رتبه دوم را پس از GPT Image 2 به دست آورده است. در نتیجه، اگر هدف شما ویرایش دقیق، ترکیب چند تصویر مرجع یا تولید تصاویر با چیدمان و متن دقیق باشد، Grok Imagine 2.0 می‌تواند گزینه مناسبی باشد.

نویسنده: سپیده بزازی