Imagine 2.0 摘下 Arena 双榜第二，xAI 把生图模型做成了编辑台

8 月 7 日，xAI 将 Imagine Image 2.0 作为 grok.com/imagine 及 iOS、Android 端的 Quality Mode 正式上线。同一天，：该模型在以 Elo 1320 空降第二，在以 Elo 1439 同样排名第二，两项均仅次于 OpenAI 的 gpt-image-2。

但排名只是新闻的钩子。Image 2.0 真正改变的是产品形态：它打包了魔棒局部编辑、分割选区、背景移除、最多 5 张参考图的多图融合、智能比例重绘和模板工作流，是一整条编辑工具链，而不再只是"输入 prompt、吐出一张图"的生成器。

xAI 在中把它定位为"为真实工作而建的图像工具"，重心从一次性出图挪到了迭代编辑。

Musk 连发三条，社区把分割面板玩出了花

Elon Musk 在 8 月 8 日连发三条推文。第一条直说""，第二条跟进""，第三条直接甩链接：。三条合计超过 800 万次浏览、1.3 万点赞。

Arena.ai 官方账号发帖祝贺，列出了 Image 2.0 的分类排名：在 Art、Portraits、Text Rendering、Cartoon/Anime/Fantasy、Photorealistic & Cinematic Imagery 五个类别均排第二，Product、Branding & Commercial Design 类别排第三。

xAI 团队成员 Frank Hu（）发帖透露"non-agentic yet, more to come in a week or two"，暗示 agentic 能力即将接入。另一位成员 Jiachen Li ："这是 Imagine Image 2.0 的第一个版本，我们还在努力改进，更多内容即将到来。"

SpaceXAI 官方创意大使 Dogan Ural（@doganuraldesign）："Segments 面板太疯狂了，几乎所有元素都能单独编辑。我知道这东西会走向哪里。"

社区反应并非全部正面。的 735 条 X 平台反应中，正面意见占 68.6%，负面占 31.4%。负面集中在更严格的审核、部分场景下图像质量下降以及速率限制。

从"一次性出图"到"迭代编辑"，图像模型在经历什么

图像模型的竞争正在从"谁出图更漂亮"转向"谁能嵌入工作流"。这个转变在过去半年加速。

OpenAI 的 gpt-image-2 在此前的 Arena 排名中已确立了图像编辑赛道的领先地位。xAI 的 Grok Imagine 此前也已具备编辑能力，Image 2.0 将其扩展为一套完整的工具链。Grok Imagine Quality Mode 的 API 此前已上线，按每张 $0.05 计价。

更大的背景是 SpaceX 对 xAI 的收购整合。指出，模型在 Arena 上的厂商名已从"xAI"变为"SpaceXAI"，源自母公司的收购。Image 2.0 是整合后推出的重要消费产品。

Arena 公开数据佐证了升级幅度：Image 2.0 的前身 grok-imagine-image-quality 在 Text-to-Image Arena 排名第 14（Elo 1228），Image 2.0 跳到了第 2（Elo 1320）。Image Edit Arena 上，旧模型排第 13（Elo 1362），Image 2.0 以 1439 分跃升至第 2。Arena.ai 称这是"从 #14 到 #2 的显著跃升"。

魔棒点哪里改哪里，五张参考图一次融合

Image 2.0 的核心能力集中在编辑。Magic Wand（魔棒）指向画面中任意区域并单独修改，其余部分纹丝不动。Segmentation（分割）自动识别图像中的独立元素——人物、物体、背景，支持逐层编辑。背景移除一键输出透明背景的素材，可直接接入其他设计工具。

多图参考编辑（Multi-ref）是本次最激进的功能：一次生成最多输入 5 张参考图，将产品、风格参考和构图版式融合为一张图像，省去手动合成步骤。Smart Resize 支持九种宽高比，从 1:2 竖幅到 2:1 横幅，模型自行填充新画幅所需内容，而非简单裁切。

文字渲染是另一个重点。扩散模型长期在小字和复杂排版上表现不稳。xAI 称 Image 2.0"像设计师一样规划字体和版式"，在密集的多元素构图中保持小字锐利。

模板（Templates）把常见商业任务打包为预设：产品摄影、专业头像、电商图片、游戏资产、图标、营销海报。用户提供输入即可获得接近成品的输出。

但暴露了两个硬伤。在六组相同 prompt 的对决中，Image 2.0 在写实肖像上确实领先：手部解剖正确，皮肤细节到了毛孔级别，身份保持一致。

但在简体中文海报任务中，模型输出了繁体字，测试方将其定性为"对任何本地化或出版管线的硬性否决"。风格迁移任务中，要求将人像融合为水彩画，模型却返回了一张仅带轻微绘画纹理的写实照片，测试方称为"类别级失败"。

离 GPT Image 2 还差 60 分 Elo，但定价逻辑完全不同

Image 2.0 把竞争拉到了编辑工作流层面。魔棒、分割、多图融合、智能重绘如果稳定运行，可以直接替代一部分手动修图操作。模板工作流瞄准了电商、营销、游戏资产等高频商业场景。这些场景的痛点不是"能不能生成一张好图"，而是"能不能在十轮修改后还保持一致性"。

定价模式构成另一个差异。xAI 的图像 API 按张计价：标准模型 $0.02/张，Quality 模式 $0.05/张，1K 和 2K 分辨率同价。OpenAI 的 gpt-image-2 按 token 计价：图像输入 $8/百万 token，图像输出 $30/百万 token。一张 1024×1024 图像的成本从低质量约 $0.006 到高质量约 $0.21，波动约 35 倍。

OrcaRouter 指出，固定每张价格对于需要做成本预测的商业管线"远比一个随 prompt 长度、质量等级和输出分辨率波动的 token 账单容易预算"。

但限制同样明确。Arena 上的 Image 2.0 标注为"Preliminary"（初步结果），仅 2,722 票，而第一名 gpt-image-2 有 69,194 票，Elo 差距约 60 分。

更根本的是，独立测试揭示的两个硬伤——简体中文合规性失败和风格迁移不稳定——恰好击中了商业用户最常需要的功能。OrcaRouter 的判断直白：如果你生成写实图像并需要在多次编辑中保持主体身份，可以立刻试用；如果你的管线输出本地化文本或风格化素材，等下一版或更多独立测试再说。

排名是真的，硬伤也是真的

Image 2.0 的双榜第二排名是真实的 Arena 快照，不是营销话术。但它和 GPT Image 2 之间差的不只是 60 分 Elo，而是国际化文本的可靠性和风格控制的稳定性，这两个问题不是靠加模板能绕开的。

编辑工具链的方向锚得很准，但"为真实工作而建"这句话，要等到简体中文不再输出繁体、水彩不再变成照片的那天，才算兑现。API 即将推出，agentic 能力也在路上。Frank Hu 说的"a week or two"，才是下一个值得盯住的时间窗口。