Grok Imagine Image 2.0 vs Flux 3 : l'éditeur livré contre la promesse multimodale

Voici un face-à-face où un seul des deux est réellement appelable, et la version honnête de ce titre, c'est la comparaison elle-même. Grok Imagine Image 2.0, le modèle d'image axé sur l'édition de x​AI, est sorti dans les applications Grok le 7 août 2026 — la même semaine où il a fait son entrée à la deuxième place de la Text-to-Image Arena publique avec un Elo de 1 320 (préliminaire), derrière uniquement GPT Image 2 à 1 380. Flux 3, le modèle de fondation multimodal unifié de Black Forest Labs annoncé le 23 juillet, entraîne la prédiction d'images, de vidéos, d'audio et d'actions robotiques dans un même ensemble de poids — mais son volet image n'a toujours pas de point d'accès public, pas de prix, ni de démo publiée à ce jour, le 8 août. L'un des modèles, vous pouvez l'appeler cet après-midi ; l'autre est la sortie image que tout le monde attend depuis fin juillet et que personne ne peut encore exécuter. Toute l'histoire tient à cette asymétrie, et c'est elle qui détermine ce qu'est une comparaison équitable.

Le tableau d'affichage

Sur les dimensions que cette paire active réellement, voici où en est chaque camp aujourd'hui. Les chiffres de Grok Imagine Image 2.0 proviennent du classement public Arena et de la documentation propre de x​AI ; le statut de l'image Flux 3 est conforme à l'annonce du 23 juillet de Black Forest Labs et à la documentation actuelle de BFL, et toute affirmation de feuille de route côté Flux 3 est rapportée par le fournisseur et non vérifiée tant que le point de terminaison n'existe pas.

• Disponibilité — Grok Imagine Image 2.0 disponible dans les apps G​rok (web, iOS, Android) depuis le 7 août, vs niveau d'image Flux 3 annoncé le 23 juillet, toujours pas livré.

Text-to-Image Arena — Grok Imagine Image 2.0 #2 à Elo 1 320, marqué comme préliminaire, sur le classement public vs Flux 3 image sans classement ni entrée.

• Édition — Grok Imagine Image 2.0 propose Magic Wand, la segmentation, la suppression d'arrière-plan et l'entrée multi-référence, tandis que Flux 3 image promet une édition « tous styles et ratios d'aspect », sans démo publiée.

• Texte dans l'image — Grok Imagine Image 2.0 revendique une typographie conçue par des designers et un texte plus net en petites tailles, tandis que Flux 3 promet un rendu de texte multilingue dans les images.

• Prix — Grok Imagine Image 2.0 0,02–0,05 $ par image sur l'API de xAI contre Flux 3 image non tarifé ; seul le palier vidéo (0,06–0,54 $/s) est facturé aujourd'hui.

• API — L'API développeur Grok Imagine Image 2.0 est ouverte, avec l'ID de modèle Image 2.0 toujours non confirmé par rapport à l'image Flux 3 ; aucun endpoint n'existe.

Pourquoi ce duel ne peut pas être une simple séance de tirs au but

Une comparaison normale de modèles d'image met en file les mêmes prompts aux deux points de terminaison et compare les sorties. Vous ne pouvez pas faire cela ici, car un seul point de terminaison existe. Grok Imagine Image 2.0 est appelable via les propres applications d'xAI et l'API développeur — l'API développeur est en ligne depuis la génération de mars du modèle d'image de base, et l'identifiant de modèle API dédié d'Image 2.0 n'est toujours pas confirmé, un point qui compte pour quiconque planifie en fonction de cela. L'image Flux 3 n'est appelable nulle part : les propres documents de BFL ne montrent actuellement que « Vidéo avec audio synchronisé, disponible maintenant », avec une note indiquant que « d'autres modalités sont livrées sur le même format de requête à mesure qu'elles arrivent ». Donc, la comparaison honnête porte sur ce que chaque camp a livré, ce qu'il a promis, et ce sur quoi vous pouvez construire aujourd'hui. C'est une vraie comparaison ; ce n'est tout simplement pas une comparaison de type benchmark.

La suite d'outils d'édition est là où Image 2.0 est déjà en avance.

Grok Imagine Image 2.0 propose l'édition comme fonctionnalité de premier ordre, et non comme simple suivi. La Magic Wand ne modifie que la région sélectionnée, laissant le reste de l'image intact ; la segmentation permet de recolorier ou de remplacer une zone précise jusqu'à la matière d'un objet unique ; la suppression d'arrière-plan exporte un sujet sur un canevas transparent pour le réutiliser ailleurs ; et l'entrée multi-références accepte jusqu'à cinq images en une seule génération, si bien que la composition de plusieurs sujets ne nécessite ni découpage ni collage manuels. Smart Resize recompose selon neuf ratios d'image, des bannières hautes de 1:2 aux bannières larges de 2:1, en remplissant automatiquement le cadre lorsque les dimensions changent. Il est entraîné spécifiquement pour la photographie, le design graphique et l'illustration, et il est fourni avec des modèles préétablis pour les photos produit, les portraits, les annonces e-commerce, les éléments de jeu et les affiches marketing — un positionnement résolument destiné aux flux de travail commerciaux axés sur la production de livrables.

Le niveau image de Flux 3, selon le matériel de lancement de BFL, promet une édition « tous styles et ratios d’aspect » et un modèle unique qui gère à la fois les images fixes et le mouvement. Il n’y a pas de démo publiée, pas de galerie d’échantillons, ni d’endpoint pour tester. Sur le plan de l’édition, ce n’est pas comparable pour le moment : l’un est livré et mesurable, l’autre n’est qu’une revendication de feuille de route.

Les deux ciblent le même point faible : le texte contenu dans les images.

Le texte lisible dans les images est le problème non résolu le plus difficile de la génération d'images, et les deux fournisseurs s'y sont attaqués dans la même quinzaine. x​AI affirme que Grok Imagine Image 2.0 conçoit la mise en page et la typographie « comme le ferait un designer », avec de petits textes plus nets dans les graphiques denses et moins de mots, logos et étiquettes brouillés. Les améliorations annoncées par BFL pour le niveau d'image Flux 3 incluent « le rendu de texte multilingue dans les images » — une réponse directe au même mode de défaillance et l'une des rares affirmations concrètes de l'annonce de juillet. Aucune de ces capacités n'a encore été évaluée de manière indépendante ; ce ne sont que des affirmations du fournisseur. La différence pratique est que l'affirmation d'Image 2.0 est testable dès aujourd'hui sur vos propres invites, tandis que celle de Flux 3 ne l'est pas du tout.

Prix, lorsqu'un seul côté affiche un prix

Grok Imagine Image 2.0 est facturé à l’image sur l’API de xAI : grok-imagine-image à 0,02 $ par image et grok-imagine-image-quality à 0,05 $ par image, avec une limite de 5 requêtes par seconde. Les modifications sont facturées à la fois pour l’image d’entrée et pour la sortie générée. Dans les applications grand public, cette fonctionnalité se trouve derrière l’abonnement SuperGrok à 30 $/mois, l’offre gratuite ayant été supprimée plus tôt cette année — c’est pourquoi l’API, et non l’application, constitue la référence de prix pour quiconque développe avec elle.

Le palier d'images de Flux 3 n'a pas de prix, car il n'a pas de point d'accès. Les seuls chiffres BFL publiés concernent le palier vidéo — 0,06 $ par seconde pour les brouillons, 0,17 $/s en HD et 0,29 $/s en FHD pour la génération texte-vers-vidéo et image-vers-vidéo, environ le double pour la génération vidéo-vers-vidéo — ce qui signale au moins que BFL positionne la famille Flux 3 dans le segment haut de gamme du marché. Lorsque le palier d'images arrivera, un prix par image bien supérieur au plancher de 0,02 $ de xAI ne serait pas surprenant, mais il s'agit d'une déduction, pas d'un fait ; l'affirmation exacte est que BFL n'a fourni aucun prix pour les images.

Ce que Flux 3 apporte et qu'Image 2.0 ne peut pas offrir

La justification de Flux 3 n'a jamais résidé dans les images fixes actuelles. BFL a entraîné un ensemble de poids sur l'image, la vidéo, l'audio et l'action robotique, si bien que le « modèle d'image » est le même modèle qui génère ensuite la parole et les effets synchronisés, anime des images clés fournies en clips de 20 secondes, et — à plus long terme — prédit le comportement des robots. Si votre pipeline a besoin que l'identité d'un sujet survive d'une image fixe à une pièce animée, ou souhaite une forme de requête unique couvrant toutes les modalités, c'est un pari architectural qu'un produit de retouche et d'images fixes comme Grok Imagine Image 2.0 ne fait pas.

Le contrepoids, c'est que Grok Imagine Image 2.0 est un vrai produit avec un vrai classement Arena — même si préliminaire — aujourd'hui, tandis que l'image Flux 3 est une promesse qui a déjà vu son niveau frère être lancé : FLUX 3 Video est devenu généralement disponible les 4 et 5 août, alors que le niveau image reste à « dans les semaines à venir ». L'ambition multimodale n'est pas un point d'arrivée.

Qui devrait choisir lequel ?

Si vous avez besoin d'une édition d'images professionnelle {{1}}ce trimestre{{/1}} — {{2}}suppression d'arrière-plan, modifications de régions, composition multi-références{{/2}} — Grok Imagine Image 2.0 est {{3}}le seul des deux que vous pouvez réellement adopter{{/3}}, et son {{4}}prix de 0,02 $ à 0,05 $ par image{{/4}} rend un test systématique de vos propres prompts {{5}}assez peu coûteux pour simplement le lancer{{/5}}. Si vous planifiez un pipeline qui couvrira {{6}}images fixes, vidéo et audio{{/6}} à partir d'un seul modèle, et que vous pouvez vous permettre d'attendre, Flux 3 image est {{7}}le pari le plus intéressant{{/7}} — mais c'est {{8}}un pari non livré{{/8}}, sans date ferme au-delà de « dans les semaines à venir » et sans prix.

Aucun des deux modèles n'est sur OrcaRouter aujourd'hui : x​AI distribue Image 2.0 via ses propres applications et son API développeur, et BFL l'expédie via sa propre API, et aucun n'a encore atterri sur des hôtes tiers. Quand ce sera le cas, les deux méritent d'être exécutés via une seule couche de routage — un test A/B par image sur vos propres invites, une bascule automatique vers un générateur éprouvé pendant que l'un ou l'autre modèle est jeune, et une marge de 0 % en transparence, de sorte que la grille tarifaire que vous voyez est le prix catalogue du fournisseur, toute commission étant versée le jour même. C'est ainsi que vous adoptez un modèle vieux de deux jours et un modèle non encore livré sans engager une voie de production sur aucun des deux.

En résumé

Grok Imagine Image 2.0 contre Flux 3 n'est pas une course serrée pour le moment, car ce n'est pas une course — un seul concurrent est sur la piste. Image 2.0 fournit une boîte à outils d'édition compétente à un prix par image, avec un rang Arena réel mais préliminaire et un classement d'édition cité par xAI, non confirmé indépendamment. Flux 3 image est l'architecture la plus ambitieuse, encore non expédiée, sans prix ni démo. Si vous avez besoin d'images aujourd'hui, le choix s'impose de lui-même. Si vous pariez sur l'avenir de la génération d'images, surveillez le niveau d'image de Flux 3 — et considérez chaque affirmation de feuille de route comme non vérifiée jusqu'à ce que le point de terminaison existe.