xAI نسخهٔ جدید مدل تصویری خود، Imagine Image 2.0، را به‌عنوان «حالت کیفیت» در grok.com/imagine و اپلیکیشن‌های Grok برای iOS و Android منتشر کرد. دسترسی API نیز به‌زودی فعال می‌شود و ابزارهای جدید برای جریان‌های کاری تکرارشونده ارائه شده‌اند.

عملکرد در بنچمارک Arena

تا تاریخ 7 اوت 2026، نسخهٔ سریع‌تر «low» از Imagine Image 2.0 در جدول‌های رده‌بندی Arena عملکرد بسیار خوبی نشان داد و در هر دو شاخص اصلی مقام دوم جهانی را کسب کرد. در Image Edit Arena این مدل امتیاز Elo برابر با 1,439 بدست آورد و پس از GPT-Image-2 از OpenAI قرار گرفت (GPT-Image-2 دارای امتیاز 1,463 است). در Text-to-Image Arena نیز Imagine امتیاز 1,320 را ثبت کرد که اندکی پایین‌تر از GPT-Image-2 با امتیاز 1,380 قرار می‌گیرد.

در همان رده‌بندی مدل‌هایی مانند Reve 2.1، Muse-Image از Meta، Qwen-Image-3.0-Pro از علی‌بابا، Gemini از گوگل و SeedDream از ByteDance در جایگاه‌های پایین‌تری دیده می‌شوند. همچنین Imagine Image 2.0 نسبت به «نسخهٔ Quality» مدل پیشین xAI بهبود قابل‌توجهی داشته است.

ویژگی‌های کلیدی و ابزارهای ویرایشی

xAI مجموعه‌ای از ابزارهای ویرایشی را معرفی کرده که هدفشان ساده‌تر کردن و افزایش دقت در ویرایش‌های متوالی است. ابزارهای برجسته عبارت‌اند از:

  • مجیک وند (Magic Wand): تغییر فقط ناحیهٔ انتخاب‌شده برای ویرایش‌های موضعی دقیق‌تر.
  • سگمنت‌بندی دقیق: مرزبندی بهتر نواحی برای کنترل بیشتر بر اجرای تغییرات.
  • حذف پس‌زمینه: خروجی سوژه‌ها با پس‌زمینهٔ شفاف مناسب برای طراحی و تولید محتوا.
  • مالتی-رف ادیتینگ (Multi-Ref Editing): ترکیب تا پنج تصویر ورودی در یک تولید واحد برای خلق تصاویر هماهنگ و یکپارچه.
  • اسمارت ریسایز (Smart Resize): تغییر نسبت ابعادی تصویر و پرکردن خودکار فضای اضافی با حفظ انسجام بصری.
نمونه ابزارهای ویرایشی Imagine Image 2.0 شامل مجیک وند و سگمنت‌بندی

قالب‌ها و جریان‌های تولید

xAI قالب‌های از پیش تنظیم‌شده‌ای ارائه کرده که نقطهٔ شروع رایج برای جریان‌های کاری تصویری را فراهم می‌کنند. این قالب‌ها شامل موارد زیر هستند:

  • ویرایش عکس و عکاسی محصول
  • محتوای بازاریابی و ابزارهای طراحی
  • دارایی‌های بازی و تولید عناصر محیطی
  • ایموجی‌ها و دارایی‌های استریم

یک قابلیت برجسته امکان تولید جداگانهٔ عناصر صحنه — مانند شخصیت‌ها، لوکیشن‌ها و اشیاء — با حفظ یک سبک بصری یکپارچه است. xAI این ویژگی را گامی عملی در جهت گردش کاری کامل تولید ویدیو می‌داند که می‌تواند در پیش‌تولید و انیمیشن‌سازی کاربردی باشد.

قالب‌های کاربردی Imagine Image 2.0 برای عکاسی محصول و محتوای بازاریابی

پیامدها برای بازار مدل‌های تصویری

عملکرد Imagine Image 2.0 نشان می‌دهد رقابت در تولید تصویر همچنان فشرده است و بازیگران تازه‌وارد می‌توانند با تمرکز روی دقت دستورالعمل‌ها، حفظ انسجام بصری و ارائه ابزارهای ویرایشی مناسب برای جریان‌های کاری تکرارشونده به سرعت به رقبا نزدیک شوند. عرضهٔ API و توسعهٔ ابزارهای برنامه‌ای، این مدل را برای استودیوها و سازندگان محتوا جذاب‌تر خواهد کرد.

چشم‌انداز

Imagine Image 2.0 گامی به سوی تقویت حضور xAI در حوزه تولید تصویر و آماده‌سازی زیرساخت برای پروژه‌های پیچیده‌تر مانند تولید ویدیو است. رقابت‌های پیش‌رو بین ارائه‌دهندگان بزرگ احتمالاً به نوآوری‌های بیشتری در ابزارهای ویرایشی، قالب‌های آماده و جریان‌های کاری منجر خواهد شد.

منابع مرتبط: صفحهٔ xAI و معرفی OpenAI در ویکی‌پدیا. برای تحلیل‌های مرتبط دربارهٔ عملکرد مدل‌ها می‌توانید لینک داخلی مرجع داخلی را نیز مشاهده کنید.