Grok Imagine Image 2.0 vs Flux 3: Der ausgelieferte Editor vs. das multimodale Versprechen

Dies ist ein direkter Vergleich, bei dem nur eine Seite tatsächlich abrufbar ist, und die ehrliche Version dieser Überschrift ist der Vergleich selbst. Grok Imagine Image 2.0, das bildbearbeitungsorientierte Bildmodell von x​AI, wurde am 7. August 2026 in den G​rok-Apps veröffentlicht – in derselben Woche, in der es in der öffentlichen Text-to-Image-Arena mit einer Elo von 1.320 (vorläufig) den zweiten Platz belegte, nur hinter GPT Image 2 mit 1.380. Flux 3, das vereinheitlichte multimodale Basismodell von Black Forest Labs, das am 23. Juli angekündigt wurde, trainiert Bild-, Video-, Audio- und Roboteraktionsvorhersage in einem einzigen Gewichtssatz – aber sein Bildbereich hat bis heute, dem 8. August, immer noch keinen öffentlichen Endpunkt, keinen Preis und keine veröffentlichte Demo. Ein Modell kannst du heute Nachmittag abrufen; das andere ist die Bildveröffentlichung, auf die alle seit Ende Juli warten, die aber noch niemand ausführen kann. Diese Asymmetrie ist die ganze Geschichte, und sie entscheidet, wie ein fairer Vergleich überhaupt aussieht.

Die Anzeigetafel

Bei den Dimensionen, auf die sich diese Kombination tatsächlich auswirkt, steht es heute wie folgt: Die Zahlen zu Grok Imagine Image 2.0 stammen aus dem öffentlichen Arena-Board und aus xAIs eigener Dokumentation; der Bildstatus von Flux 3 basiert auf der Ankündigung von Black Forest Labs vom 23. Juli und den aktuellen BFL-Dokumenten, und sämtliche Roadmap-Angaben auf der Flux-3-Seite sind herstellerberichtet und unverifiziert, bis der Endpunkt existiert.

• Verfügbarkeit — Grok Imagine Image 2.0 live in Grok-Apps (Web, iOS, Android) seit dem 7. August vs. Flux-3-Bildstufe, angekündigt am 23. Juli, immer noch nicht ausgeliefert.

Text-to-Image Arena — Grok Imagine Image 2.0 #2 bei Elo 1.320, als vorläufig markiert, auf dem öffentlichen Board gegen Flux 3 image ohne Ranking und ohne Eintrag.

• Bearbeitung — Grok Imagine Image 2.0 bietet Magic Wand, Segmentierung, Hintergrundentfernung und Multi-Referenz-Eingabe, während Flux 3 image Bearbeitung „über Stile und Seitenverhältnisse hinweg“ verspricht, ohne veröffentlichte Demo.

• Text im Bild — Grok Imagine Image 2.0 beansprucht designer-geplante Typografie und schärferen Kleinsttext, während Flux 3 image mehrsprachiges Text-Rendering in Bildern verspricht.

• Preis — Grok Imagine Image 2.0: $0,02–$0,05 pro Bild über die xAI-API vs. Flux 3-Bild ohne Preis; nur die Video-Stufe ($0,06–$0,54/s) wird derzeit abgerechnet.

• API — Die Grok Imagine Image 2.0 Entwickler-API ist offen, wobei die Modell-ID von Image 2.0 noch unbestätigt ist, während für Flux 3 image kein Endpunkt existiert.

Warum dieses Duell kein normales Penaltyschießen sein kann

Ein normaler Bildmodell-Vergleich stellt dieselben Prompts an beiden Endpunkten in die Warteschlange und gleicht die Ausgaben ab. Das ist hier nicht möglich, da es nur einen Endpunkt gibt. Grok Imagine Image 2.0 ist über xAIs eigene Apps und die Entwickler-API aufrufbar – die Entwickler-API ist seit der März-Generation des Basis-Bildmodells live, und die dedizierte API-Modell-ID von Image 2.0 ist weiterhin unbestätigt, ein Punkt, der für alle von Bedeutung ist, die auf dieser Grundlage planen. Flux 3 Image ist nirgendwo aufrufbar: BFLs eigene Dokumentation zeigt derzeit nur „Video mit synchronisiertem Audio, jetzt live“, mit dem Hinweis, dass „weitere Modalitäten über dasselbe Anfrageformat ausgeliefert werden, sobald sie verfügbar sind“. Der ehrliche Direktvergleich dreht sich also darum, was jede Seite ausgeliefert hat, was sie versprochen hat und worauf man heute aufbauen kann. Das ist ein echter Vergleich; nur eben kein Benchmark.

Das Bearbeitungs-Toolset ist der Bereich, in dem Image 2.0 bereits vorne liegt.

Grok Imagine Image 2.0 liefert Bildbearbeitung als erstklassige Funktion – nicht als nachträglichen Zusatz. Der Magic Wand bearbeitet nur den Bereich, den Sie auswählen, und lässt den Rest des Bildes unangetastet; Segmentierung ermöglicht es, einen präzisen Bereich bis hin zum Material eines einzelnen Objekts neu einzufärben oder zu ersetzen; Hintergrundentfernung exportiert ein Motiv auf eine transparente Leinwand zur Wiederverwendung an anderer Stelle; und Multi-Referenz-Eingabe akzeptiert bis zu fünf Bilder in einer einzigen Generierung, sodass das Compositing mehrerer Motive kein manuelles Ausschneiden und Einfügen erfordert. Smart Resize komponiert Inhalte über neun Seitenverhältnisse hinweg neu – von hohen Bannern im Format 1:2 bis zu breiten im Format 2:1 – und füllt den Rahmen automatisch auf, wenn sich die Abmessungen ändern. Es ist speziell für Fotografie, Grafikdesign und Illustration trainiert und wird mit vorgefertigten Vorlagen für Produktfotos, Porträtaufnahmen, E-Commerce-Listings, Spiele-Assets und Marketing-Plakate ausgeliefert – eine Positionierung, die gezielt auf kommerzielle Workflows abzielt, die fertige Ergebnisse liefern.

Die Bildstufe von Flux 3 verspricht laut dem Launch-Material von BFL Bearbeitung „über Stile und Seitenverhältnisse hinweg“ und ein einzelnes Modell, das Standbilder und Bewegung zusammen verarbeitet. Es gibt keine veröffentlichte Demo, keine Beispielgalerie und keinen Endpunkt zum Testen. In puncto Bearbeitung ist das derzeit nicht einmal annähernd gleichauf: Das eine ist ausgeliefert und messbar, das andere eine reine Roadmap-Behauptung.

Beide verfolgen dieselbe Schwachstelle: Text in Bildern

Lesbarer Text in Bildern ist das schwierigste ungelöste Problem der Bildgenerierung, und beide Anbieter haben sich im selben Zeitraum von zwei Wochen daran versucht. x​AI sagt, Grok Imagine Image 2.0 plane Layout und Typografie „so, wie ein Designer es tun würde“, mit schärferem kleinem Text in dichten Grafiken und weniger verstümmelten Wörtern, Logos und Beschriftungen. Die von BFL angekündigten Verbesserungen für die Flux-3-Bildstufe umfassen „mehrsprachige Textdarstellung in Bildern“ – eine direkte Antwort auf denselben Fehlermodus und eine der wenigen konkreten Aussagen in der Ankündigung vom Juli. Keine der beiden Fähigkeiten wurde bisher unabhängig bewertet; beide sind Herstellerangaben. Der praktische Unterschied besteht darin, dass die Behauptung von Image 2.0 heute mit eigenen Prompts getestet werden kann, während die von Flux 3 überhaupt nicht testbar ist.

Preis, wenn nur eine Seite einen Preis hat

Grok Imagine Image 2.0 wird über die xAI-API pro Bild abgerechnet: grok-imagine-image für 0,02 $ pro Bild und grok-imagine-image-quality für 0,05 $ pro Bild, mit einem Ratenlimit von 5 Anfragen pro Sekunde. Bearbeitungen werden sowohl für das Eingabebild als auch für das generierte Ausgabebild berechnet. In den Verbraucher-Apps ist es nur mit dem SuperGrok-Abonnement für 30 $ pro Monat nutzbar, nachdem die kostenlose Stufe Anfang des Jahres entfernt wurde – weshalb die API und nicht die App der Preisanker für alle ist, die damit entwickeln.

Die Bildstufe von Flux 3 hat keinen Preis, weil sie keinen Endpunkt hat. Die einzigen veröffentlichten BFL-Zahlen betreffen die Videostufe – $0.06 pro Sekunde für Entwürfe, $0.17/s HD und $0.29/s FHD für Text-zu-Video und Bild-zu-Video, ungefähr doppelt so viel für Video-zu-Video – was zumindest darauf hindeutet, dass BFL die Flux-3-Familie am oberen Ende des Marktes bepreist. Wenn die Bildstufe eingeführt wird, wäre ein Preis pro Bild deutlich über der $0.02-Untergrenze von xAI nicht überraschend, aber das ist eine Schlussfolgerung, keine Tatsache; die zutreffende Aussage ist, dass BFL überhaupt keine Bildpreise angegeben hat.

Was Flux 3 bietet, was Image 2.0 nicht kann

Der Fall für Flux 3 drehte sich nie um heutige Standbilder. BFL trainierte einen einzigen Satz von Gewichten über Bild, Video, Audio und Roboteraktionen hinweg, sodass das „Bildmodell“ dasselbe Modell ist, das später synchronisierte Sprache und Effekte generiert, gelieferte Keyframes zu 20-Sekunden-Clips animiert und – auf lange Sicht – Roboterverhalten vorhersagt. Wenn Ihre Pipeline die Identität eines Subjekts von einem Standbild in ein Bewegtbildstück hinüberretten muss oder eine einzige Anfrageform möchte, die alle Modalitäten abdeckt, dann ist das eine architektonische Wette, die ein Standbild- und Bearbeitungsprodukt wie Grok Imagine Image 2.0 nicht eingeht.

Das Gegengewicht ist, dass Grok Imagine Image 2.0 heute ein echtes Produkt mit einem echten – wenn auch vorläufigen – Arena-Rang ist, und Flux 3 image ein Versprechen, das bereits zugesehen hat, wie seine Schwester-Stufe veröffentlicht wurde: FLUX 3 Video wurde am 4.–5. August allgemein verfügbar, während die Bild-Stufe weiterhin „in den kommenden Wochen“ liegt. Multimodaler Ehrgeiz ist kein Endpunkt.

Wer sollte welche auswählen?

Wenn Sie in diesem Quartal Bildbearbeitung für die Produktion benötigen — Hintergrundentfernung, Bereichsbearbeitung, Multi-Referenz-Komposition — ist Grok Imagine Image 2.0 das einzige der beiden, das Sie tatsächlich einsetzen können, und der Preis von 0,02–0,05 $ pro Bild macht einen systematischen Test Ihrer eigenen Prompts günstig genug, um ihn einfach laufen zu lassen. Wenn Sie eine Pipeline planen, die auf der Basis eines einzigen Modells Standbilder, Bewegung und Audio abdeckt, und Sie es sich leisten können zu warten, ist Flux 3 image die interessantere Wette — aber es ist eine Wette auf ein noch nicht ausgeliefertes Produkt, ohne verbindliches Datum über „in den kommenden Wochen“ hinaus und ohne Preis.

Keines der Modelle ist derzeit auf OrcaRouter: x​AI vertreibt Image 2.0 über eigene Apps und eine Entwickler-API, BFL liefert über seine eigene API aus, und keins ist bisher auf Drittanbieter-Hosts verfügbar. Wenn es so weit ist, lohnen sich beide für ein gemeinsames Routing-Layer — ein bildweises A/B-Testing anhand Ihrer eigenen Prompts, automatisches Failover auf einen bewährten Generator, solange das jeweilige Modell neu ist, und eine Durchreichung ohne Aufschlag, sodass die Preistabelle, die Sie sehen, dem Listenpreis des Anbieters entspricht und etwaige Provisionen noch am selben Tag eingehen. So übernehmen Sie ein zwei Tage altes Modell und ein noch nicht veröffentlichtes, ohne einen Produktionspfad auf eines von beiden festzulegen.

Das Fazit

Grok Imagine Image 2.0 vs. Flux 3 ist derzeit kein knappes Rennen, denn es ist gar keins – nur ein Konkurrent ist auf der Rennstrecke. Image 2.0 liefert ein leistungsfähiges Bearbeitungs-Toolkit zu einem Preis pro Bild, mit einem Arena-Rang, der real, aber vorläufig ist, und einem Bearbeitungs-Ranking, das von xAI zitiert, aber nicht unabhängig bestätigt wurde. Flux 3 image ist die ambitioniertere Architektur, noch nicht ausgeliefert, ohne Preis und ohne Demo. Wenn du heute Bilder brauchst, fällt die Wahl von selbst. Wenn du darauf setzt, wohin sich die Bildgenerierung entwickelt, behalte die Image-Stufe von Flux 3 im Auge – und behandle jede Roadmap-Behauptung als unbestätigt, bis der Endpunkt existiert.