xAI نسخه جدید مدل تصویری خود با نام Imagine Image 2.0 را منتشر کرده است؛ مدلی که تمرکز اصلی آن فقط تولید تصویر از متن نیست و قابلیت‌های ویرایش، حفظ جزئیات میان نسل‌های مختلف تصویر و کنترل دقیق‌تر عناصر بصری را نیز در مرکز توجه قرار داده است.
Imagine Image 2.0 از ۷ اوت ۲۰۲۶ به‌صورت عمومی در دسترس قرار گرفته و به‌عنوان Quality Mode جدید در بخش Grok Imagine روی وب و اپلیکیشن‌های iOS و Android ارائه شده است.
xAI می‌گوید این مدل با هدف تولید تصاویری ساخته شده که بتوان از آن‌ها در کار واقعی استفاده کرد. Image ۲.۰ دستورهای کاربر را با جزئیات بیشتری دنبال می‌کند و در طراحی تایپوگرافی و چیدمان، ساختار تصویر را در نظر می‌گیرد؛ موضوعی که به گفته این شرکت باعث می‌شود تصاویر چندبخشی و شلوغ انسجام بیشتری داشته باشند و نوشته‌های کوچک نیز واضح‌تر تولید شوند. مدل همچنین تلاش می‌کند عناصری را که کاربر وارد تصویر کرده، در تولیدها و ویرایش‌های بعدی حفظ کند.
ویرایش دقیق‌تر تصاویر
یکی از بخش‌های اصلی Image ۲.۰، ابزارهای ویرایش آن است. ابزار Magic Wand امکان انتخاب یک ناحیه مشخص از تصویر و تغییر همان بخش را فراهم می‌کند، در حالی که سایر قسمت‌ها دست‌نخورده باقی می‌مانند.
قابلیت Segmentation نیز برای انتخاب دقیق نواحی مختلف تصویر در نظر گرفته شده است. در کنار آن، ابزار Background Removal می‌تواند سوژه را از پس‌زمینه جدا کرده و آن را با پس‌زمینه شفاف خروجی بگیرد؛ قابلیتی که برای استفاده مجدد از سوژه در پروژه‌های گرافیکی کاربرد دارد.
Image ۲.۰ همچنین امکان Multi-reference Editing را فراهم می‌کند و می‌تواند تا پنج تصویر ورودی را در یک نسل دریافت کند. به این ترتیب، کاربر می‌تواند چند تصویر را به‌عنوان مرجع در اختیار مدل قرار دهد، بدون اینکه برای ترکیب آن‌ها به کامپوزیت دستی نیاز داشته باشد.
تغییر نسبت تصویر بدون شروع دوباره
قابلیت Smart Resize نیز برای آماده‌سازی یک تصویر در ابعاد مختلف طراحی شده است. کاربر می‌تواند نسبت تصویر موردنظر را انتخاب کند و مدل با بازسازی بخش‌های لازم، ترکیب‌بندی را با قاب جدید هماهنگ کند.
Image ۲.۰ در حال حاضر ۹ نسبت تصویر را ارائه می‌دهد: ۱:۲، ۹:۱۶، ۲:۳، ۳:۴، ۱:۱، ۴:۳، ۳:۲، ۱۶:۹ و ۲:۱. این قابلیت می‌تواند برای تبدیل یک تصویر واحد به فرمت‌های عمودی، مربعی، افقی و بنرهای عریض بدون تولید دوباره تصویر مفید باشد.
Templateهایی برای کارهای مشخص
xAI هم‌زمان مجموعه‌ای از Templateهای آماده را معرفی کرده است. این Templateها صرفاً نمونه پرامپت نیستند؛ هرکدام یک فرایند کاری مشخص را از قبل تنظیم می‌کنند تا کاربر ورودی‌های خود را وارد کرده و مستقیماً به نتیجه موردنظر برسد.
در میان Templateهای معرفی‌شده می‌توان به Photo Edit، Product Color Change، Editorial Product Poster، Reimagine، Photo Collage، Mascot Maker، BG Removal & Change، E-Commerce Photos، UGC Photos، Professional Headshot، Icon Maker، Character Sprite، Props & UI Kit، Emoji Creator و Merch Maker اشاره کرد. این مجموعه حوزه‌هایی از ویرایش عکس و طراحی گرافیک تا بازاریابی، تولید محتوای فروشگاهی و ساخت Game Asset را پوشش می‌دهد.
ساخت یک جهان بصری برای ویدیو
یکی از قابلیت‌های متفاوت Image ۲.۰، امکان Build a World for Video است. ایده این قابلیت، ساخت یک جهان بصری از طریق چند پرامپت است؛ به‌طوری که شخصیت، مکان‌های مختلف و اشیای مربوط به آن شخصیت به‌صورت جداگانه تولید شوند، اما ظاهر و سبک بصری میان تصاویر حفظ شود.
برای مثال، xAI مجموعه‌ای شامل یک شخصیت، چند موقعیت مکانی و تعدادی وسیله را نمایش داده که همگی در یک زبان بصری مشترک ساخته شده‌اند. چنین قابلیتی می‌تواند در مرحله طراحی شخصیت، محیط و عناصر بصری پیش از تولید یک پروژه ویدیویی کاربرد داشته باشد.
رتبه دوم در دو بخش از Arena
xAI اعلام کرده است که Image ۲.۰ در ارزیابی‌های Arena در هر دو بخش Text-to-Image و Image Editing در رتبه دوم قرار گرفته است. این رتبه‌بندی بر اساس امتیاز Elo جدول‌های Arena و وضعیت آن‌ها در ۷ اوت ۲۰۲۶ اعلام شده و مدل‌های xAI در این جدول با نام SpaceXAI نمایش داده می‌شوند. بنابراین این رتبه را باید به‌عنوان ادعای مبتنی بر همان ارزیابی مشخص در نظر گرفت، نه یک رتبه‌بندی مستقل از عملکرد تمام مدل‌های تصویری.
Image ۲.۰ در حال حاضر از طریق محصولات مصرفی Grok قابل استفاده است و دسترسی API هنوز ارائه نشده و xAI اعلام کرده که API این مدل به‌زودی در دسترس قرار خواهد گرفت.
با این به‌روزرسانی، xAI تلاش کرده Grok Imagine را از یک ابزار صرفاً تولیدکننده تصویر به ابزاری نزدیک‌تر کند که بخش‌هایی از فرایند واقعی تولید محتوای بصری، از تولید و ویرایش گرفته تا تغییر ابعاد، ترکیب چند مرجع و حفظ یکپارچگی سبک در مجموعه‌ای از تصاویر را پوشش می‌دهد.