Grok Imagine Image 2.0 vs Flux 3: El editor lanzado vs la promesa multimodal

Esto es un cara a cara donde solo un lado es realmente invocable, y la versión honesta de ese titular es la propia comparación.Grok Imagine Image 2.0, el modelo de imagen centrado en la edición de x​AI, se lanzó en las aplicaciones de G​rok el 7 de agosto de 2026 — la misma semana en que entró en el Text-to-Image Arena público en segundo lugar con Elo 1,320 (preliminar), solo por detrás de GPT Image 2 con 1,380.Flux 3, el modelo fundacional multimodal unificado de Black Forest Labs anunciado el 23 de julio, entrena la predicción de imágenes, vídeo, audio y acciones robóticas en un único conjunto de pesos — pero su nivel de imagen aún no tiene un endpoint público, ni precio, ni una demo publicada a día de hoy, 8 de agosto. Un modelo al que puedes llamar esta misma tarde; el otro es el lanzamiento de imagen que todos han estado observando desde finales de julio y que nadie puede ejecutar todavía. Esa asimetría es toda la historia, y decide cómo es siquiera una comparación justa.

El marcador

En las dimensiones en las que este emparejamiento realmente se activa, así está cada lado hoy. Las cifras de Grok Imagine Image 2.0 provienen del tablero público de Arena y de la documentación propia de xAI; el estado de la imagen de Flux 3 es según el anuncio del 23 de julio de Black Forest Labs y los documentos actuales de BFL, y toda afirmación de hoja de ruta del lado de Flux 3 es reportada por el proveedor y no verificada hasta que exista el endpoint.

• Disponibilidad — Grok Imagine Image 2.0 disponible en las apps de G​rok (web, iOS, Android) desde el 7 de agosto, frente al nivel de imagen Flux 3 anunciado el 23 de julio y que aún no se ha lanzado.

• Text-to-Image Arena — Grok Imagine Image 2.0 #2 con Elo 1,320, etiquetado como preliminar, en la tabla pública frente a Flux 3 image sin clasificación y sin entrada.

Edición — Grok Imagine Image 2.0 incluye Magic Wand, segmentación, eliminación de fondos y entrada de múltiples referencias, frente a Flux 3, que promete edición "across styles and aspect ratios" sin una demo publicada.

• Texto en imagen — {{1}}Grok Imagine Image 2.0{{/1}} afirma tener tipografía planificada por diseñadores y texto pequeño más nítido, mientras que la imagen de {{2}}Flux 3{{/2}} promete renderizado de texto multilingüe en las imágenes.

• Precio — Grok Imagine Image 2.0 $0.02–$0.05 por imagen en la API de xAI vs imagen de Flux 3 sin precio; solo el nivel de video ($0.06–$0.54/s) se factura hoy.

• API — la API de desarrollador de Grok Imagine Image 2.0 está abierta, con el ID del modelo Image 2.0 aún sin confirmar, mientras que para Flux 3 no existe ningún endpoint de imagen.

Por qué este enfrentamiento no puede ser un tiroteo normal

Una comparación normal de modelos de imagen envía las mismas instrucciones a ambos extremos y compara las salidas. No puedes ejecutarla aquí, porque solo existe un extremo. Grok Imagine Image 2.0 se puede invocar a través de las propias aplicaciones de x​AI y de la API para desarrolladores — la API para desarrolladores ha estado activa desde la generación de marzo del modelo de imagen base, y el ID de modelo de API dedicado de Image 2.0 aún no está confirmado, un punto que importa para cualquiera que esté planificando en torno a ello. La imagen de Flux 3 no se puede invocar en ningún lugar: la documentación de BFL actualmente solo muestra "Video con audio sincronizado, ya disponible", con una nota de que "más modalidades se enviarán con la misma forma de solicitud a medida que lleguen". Así que la comparación honesta cara a cara trata sobre lo que cada parte ha lanzado, lo que ha prometido y lo que puedes construir hoy. Esa es una comparación real; simplemente no es una comparación de referencia.

El conjunto de herramientas de edición es donde Image 2.0 ya va por delante.

Grok Imagine Image 2.0 incluye la edición como una función de primera clase, no como algo secundario. Magic Wand edita solo la región que seleccionas, dejando el resto del encuadre intacto; la segmentación permite recolorear o reemplazar un área precisa hasta el material de un solo objeto; la eliminación de fondos exporta un sujeto sobre un lienzo transparente para reutilizarlo en otro lugar; y la entrada de múltiples referencias acepta hasta cinco imágenes en una sola generación, por lo que componer varios sujetos no requiere recortar y pegar manualmente. Smart Resize recompone en nueve proporciones de aspecto, desde banners altos de 1:2 hasta banners anchos de 2:1, rellenando automáticamente el encuadre cuando cambian las dimensiones. Está entrenado específicamente para fotografía, diseño gráfico e ilustración, e incluye plantillas predefinidas para fotografías de producto, retratos, listados de comercio electrónico, activos para juegos y carteles de marketing — un posicionamiento dirigido de lleno a flujos de trabajo comerciales orientados a la producción de entregables.

El nivel de imagen de Flux 3, según el material de lanzamiento de BFL, promete edición "en todos los estilos y relaciones de aspecto" y un modelo único que maneja imágenes fijas y movimiento juntos. No hay una demo publicada, ni galería de muestras, ni un endpoint para probar. En cuanto a la edición, esto no está cerca en este momento: uno ya está disponible y es medible; el otro es una promesa de hoja de ruta.

Ambos persiguen el mismo punto débil: el texto dentro de las imágenes.

El texto legible dentro de las imágenes es el problema sin resolver más difícil en la generación de imágenes, y ambos proveedores apuntaron a ello en la misma quincena. x​AI afirma que Grok Imagine Image 2.0 planifica el diseño y la tipografía "como lo haría un diseñador", con texto pequeño más nítido en gráficos densos y menos palabras, logotipos y etiquetas distorsionados. Las mejoras declaradas por BFL para el nivel de imagen Flux 3 incluyen "renderizado de texto multilingüe dentro de las imágenes" — una respuesta directa al mismo modo de fallo y una de las pocas afirmaciones concretas en el anuncio de julio. Ninguna de las dos capacidades ha sido evaluada de manera independiente todavía; ambas son afirmaciones de los proveedores. La diferencia práctica es que la afirmación de Image 2.0 se puede probar hoy con tus propias indicaciones, mientras que la de Flux 3 no se puede probar en absoluto.

Precio, cuando solo un lado tiene un precio

Grok Imagine Image 2.0 se cobra por imagen en la API de xAI: grok-imagine-image a $0.02 por imagen y grok-imagine-image-quality a $0.05 por imagen, con un límite de 5 solicitudes por segundo, y las ediciones se facturan tanto por la imagen de entrada como por la salida generada. En las aplicaciones de consumo está detrás de la suscripción SuperGrok de $30/mes, cuyo nivel gratuito se eliminó a principios de este año; por eso la API, y no la aplicación, es el ancla de precios para cualquiera que desarrolle con ella.

El nivel de imágenes de Flux 3 no tiene precio, porque no tiene endpoint. Los únicos números publicados por BFL son para el nivel de video: $0.06 por segundo para borradores, $0.17/s en HD y $0.29/s en FHD para texto-a-video e imagen-a-video, aproximadamente el doble para video-a-video, lo que al menos indica que BFL está posicionando la familia Flux 3 en el extremo premium del mercado. Cuando el nivel de imágenes esté disponible, no sería sorprendente un precio por imagen muy por encima del mínimo de $0.02 de xAI, pero eso es una inferencia, no un hecho; la afirmación precisa es que BFL no ha dado ningún precio de imágenes en absoluto.

Lo que Flux 3 aporta que Image 2.0 no puede

El caso a favor de Flux 3 nunca tuvo que ver con las imágenes fijas de hoy. BFL entrenó un único conjunto de pesos en imagen, vídeo, audio y acción robótica, de modo que el «modelo de imagen» es el mismo modelo que más tarde genera habla y efectos sincronizados, anima fotogramas clave proporcionados para convertirlos en clips de 20 segundos y —a largo plazo— predice el comportamiento del robot. Si tu flujo de trabajo necesita que la identidad de un sujeto sobreviva de una imagen fija a una pieza en movimiento, o quieres una única forma de solicitud que cubra todas las modalidades, esa es una apuesta arquitectónica que un producto de imágenes fijas y edición como Grok Imagine Image 2.0 no hace.

La contrapartida es que Grok Imagine Image 2.0 es un producto real con un puesto real —aunque preliminar— en el Arena hoy, y Flux 3 image es una promesa que ya ha visto cómo su nivel hermano salía al mercado: FLUX 3 Video estuvo disponible de forma general el 4 y 5 de agosto, mientras que el nivel de imagen sigue en "las próximas semanas". La ambición multimodal no es un punto final.

¿Quién debería elegir cuál?

Si necesitas edición de imágenes de producción este trimestre — eliminación de fondos, ediciones de regiones, composición multi-referencia — Grok Imagine Image 2.0 es el único de los dos que realmente puedes adoptar, y su precio de $0.02–$0.05 por imagen hace que una prueba sistemática de tus propios prompts sea lo bastante barata como para simplemente ejecutarla. Si estás planeando un pipeline que abarque imágenes fijas, movimiento y audio a partir de un solo modelo, y puedes permitirte esperar, Flux 3 image es la apuesta más interesante — pero es una apuesta no lanzada, sin fecha comprometida más allá de "próximas semanas" y sin precio.

Ninguno de los dos modelos está en OrcaRouter hoy: xAI distribuye Image 2.0 a través de sus propias aplicaciones y API para desarrolladores, y BFL lo envía por su propia API, y ninguno ha aterrizado aún en hosts de terceros. Cuando lo hagan, vale la pena ejecutar los dos a través de una única capa de enrutamiento: una prueba A/B por imagen con tus propios prompts, conmutación por error automática hacia un generador probado mientras cualquiera de los modelos sea nuevo, y un pase directo con 0% de margen para que la hoja de precios que ves sea el precio de lista del proveedor, con cualquier comisión acreditada el mismo día. Así es como adoptas un modelo de dos días y uno aún no enviado sin apostar una ruta de producción por ninguno.

El resultado final

Grok Imagine Image 2.0 vs Flux 3 no es una carrera reñida en este momento, porque no es una carrera: un competidor está en la pista. Image 2.0 incluye un kit de edición capaz a un precio por imagen, con una clasificación de Arena que es real pero preliminar y una clasificación de edición que es citada por x​AI, no confirmada de forma independiente. Flux 3 image es la arquitectura más ambiciosa, aún no lanzada, sin precio y sin demo. Si necesitas imágenes hoy, la elección se hace sola. Si apuestas a hacia dónde va la generación de imágenes, observa el nivel de imagen de Flux 3 — y trata cada afirmación de la hoja de ruta como no verificada hasta que exista el endpoint.