Grok Imagine Image 2.0 vs Flux 3: L'editor rilasciato vs la promessa multimodale

Questo è un testa a testa in cui solo un lato è effettivamente chiamabile, e la versione onesta di quel titolo è il confronto stesso. Grok Imagine Image 2.0, il modello di immagine di xAI incentrato sull'editing, è stato rilasciato nelle app Grok il 7 agosto 2026 — la stessa settimana in cui è entrato nell'Arena Text-to-Image pubblica al secondo posto con un Elo di 1.320 (preliminare), dietro solo a GPT Image 2 a 1.380. Flux 3, il modello di base multimodale unificato di Black Forest Labs annunciato il 23 luglio, addestra la predizione di immagini, video, audio e azioni robotiche in un unico insieme di pesi — ma il suo livello immagine non ha ancora un endpoint pubblico, né un prezzo, né una demo rilasciata ad oggi, 8 agosto. Un modello puoi chiamarlo già questo pomeriggio; l'altro è la release dedicata alle immagini che tutti osservano da fine luglio e che nessuno può ancora eseguire. Questa asimmetria è il punto centrale, ed è ciò che determina come debba essere un confronto equo.

Il tabellone

Sulle dimensioni su cui questo abbinamento si fa sentire davvero, ecco a che punto sta ciascun lato oggi. I dati di Grok Imagine Image 2.0 provengono dalla classifica pubblica di Arena e dalla documentazione di x​AI; lo stato delle immagini di Flux 3 si basa sull'annuncio del 23 luglio di Black Forest Labs e sui documenti BFL attuali, e ogni dichiarazione sulla roadmap di Flux 3 è riportata dal fornitore e non verificata finché l'endpoint non esiste.

• Disponibilità — Grok Imagine Image 2.0 è disponibile nelle app G​rok (web, iOS, Android) dal 7 agosto, rispetto al livello di immagini Flux 3 annunciato il 23 luglio, non ancora rilasciato.

• Text-to-Image Arena — Grok Imagine Image 2.0 #2 a Elo 1,320, etichettato come preliminare, nella classifica pubblica vs Flux 3 image senza ranking e senza voce.

• Modifica — Grok Imagine Image 2.0 offre Magic Wand, segmentazione, rimozione dello sfondo e input multi-riferimento, mentre Flux 3 promette modifiche "attraverso stili e proporzioni," senza alcuna demo rilasciata.

• Testo nelle immagini — Grok Imagine Image 2.0 dichiara una tipografia progettata da designer e un testo piccolo più nitido, mentre Flux 3 promette il rendering di testo multilingue all'interno delle immagini.

• Prezzo — Grok Imagine Image 2.0 $0.02–$0.05 per immagine sull'API di x​AI vs immagine Flux 3 senza prezzo; solo il livello video ($0.06–$0.54/s) viene fatturato oggi.

• API — L'API per sviluppatori di Grok Imagine Image 2.0 è aperta, ma l'ID del modello Image 2.0 non è ancora confermato; per l'immagine Flux 3, invece, non esiste alcun endpoint.

Perché questa sfida non può essere un normale shootout.

Un confronto normale tra modelli di immagine accoda le stesse richieste a entrambi gli endpoint e calcola le differenze degli output. Non puoi farlo qui, perché esiste un solo endpoint. Grok Imagine Image 2.0 è richiamabile tramite le app di x​AI e l'API per sviluppatori — l'API per sviluppatori è attiva dalla generazione di marzo del modello immagine di base, e l'ID del modello API dedicato di Image 2.0 non è ancora confermato, un aspetto che conta per chiunque stia pianificando di usarlo. Flux 3 image non è richiamabile da nessuna parte: la documentazione di BFL mostra attualmente solo "Video with synchronized audio, live now," con una nota che "more modalities ship on the same request shape as they land." Quindi il confronto onesto riguarda ciò che ciascuna parte ha rilasciato, ciò che ha promesso e ciò su cui puoi costruire oggi. Questo è un confronto reale; semplicemente non è un benchmark.

Il set di strumenti di modifica è il punto in cui Image 2.0 è già in vantaggio.

Grok Imagine Image 2.0 arriva con l'editing come funzionalità di prim'ordine, non come ripensamento. La Magic Wand modifica solo l'area selezionata, lasciando intatto il resto dell'inquadratura; la segmentazione consente di ricolorare o sostituire un'area precisa fino al materiale di un singolo oggetto; la rimozione dello sfondo esporta un soggetto su una tela trasparente per riutilizzarlo altrove; e l'input multi-riferimento accetta fino a cinque immagini in un'unica generazione, quindi comporre più soggetti non richiede taglia e incolla manuali. Smart Resize ricompone l'immagine su nove rapporti d'aspetto, dai banner verticali 1:2 a quelli orizzontali 2:1, riempiendo automaticamente l'inquadratura al variare delle dimensioni. È stato addestrato specificamente per fotografia, graphic design e illustrazione e include modelli predefiniti per foto di prodotto, ritratti, inserzioni e-commerce, asset per videogiochi e poster di marketing — un posizionamento che punta dritto ai flussi di lavoro commerciali orientati alla produzione di deliverable.

Il livello immagini di Flux 3, secondo il materiale di lancio di BFL, promette editing “tra stili e proporzioni” e un unico modello che gestisce insieme immagini fisse e movimento. Non c'è alcuna demo rilasciata, nessuna galleria di esempi e nessun endpoint da testare. Sul piano dell'editing, al momento non è affatto vicino: uno è distribuito e misurabile, l'altro è una promessa nella roadmap.

Entrambi mirano allo stesso punto debole: il testo all'interno delle immagini

Il testo leggibile all'interno delle immagini è il problema irrisolto più difficile nella generazione di immagini, ed entrambi i fornitori hanno puntato a risolverlo nella stessa quindicina. x​AI afferma che Grok Imagine Image 2.0 progetta layout e tipografia "come farebbe un designer", con testo piccolo più nitido in grafiche dense e meno parole, loghi ed etichette distorti. I miglioramenti dichiarati da BFL per il livello di immagini Flux 3 includono "rendering di testo multilingue all'interno delle immagini" — una risposta diretta allo stesso tipo di errore e una delle poche affermazioni concrete nell'annuncio di luglio. Nessuna delle due capacità è stata ancora testata in modo indipendente; entrambe sono affermazioni dei fornitori. La differenza pratica è che l'affermazione di Image 2.0 è testabile oggi sui tuoi prompt, mentre quella di Flux 3 non è affatto testabile.

Prezzo, quando solo un lato ha un prezzo

Grok Imagine Image 2.0 è pay-per-image sull'API di x​AI: grok-imagine-image a $0.02 per immagine e grok-imagine-image-quality a $0.05 per immagine, con un limite di 5 richieste al secondo, e le modifiche vengono fatturate sia per l'immagine di input che per l'output generato. Nelle app consumer è incluso nell'abbonamento SuperGrok da $30/mese, con il piano gratuito rimosso all'inizio di quest'anno — ecco perché l'API, non l'app, è il riferimento di prezzo per chiunque ci costruisca sopra.

Il livello immagine di Flux 3 non ha un prezzo, perché non ha un endpoint. Gli unici numeri BFL pubblicati sono quelli per il livello video — $0,06 al secondo per le bozze, $0,17/s per HD e $0,29/s per FHD per text-to-video e image-to-video, circa il doppio per video-to-video — il che segnala almeno che BFL sta posizionando la famiglia Flux 3 nella fascia premium del mercato. Quando il livello immagine arriverà, un prezzo per immagine ben superiore al minimo di $0,02 di xAI non sarebbe sorprendente, ma è un'inferenza, non un fatto; l'affermazione accurata è che BFL non ha fornito alcun prezzo per le immagini.

Cosa porta Flux 3 che Image 2.0 non può

Le ragioni di Flux 3 non sono mai state incentrate sulle immagini fisse di oggi. BFL ha addestrato un unico set di pesi su immagine, video, audio e azioni robotiche, quindi il "modello immagine" è lo stesso modello che in seguito genera parlato ed effetti sincronizzati, anima i keyframe forniti in clip di 20 secondi e — nel lungo periodo — prevede il comportamento dei robot. Se il tuo pipeline ha bisogno che l'identità di un soggetto sopravviva da un'immagine fissa a un contenuto in movimento, o vuole un'unica forma di richiesta che copra ogni modalità, è una scommessa architetturale che un prodotto di immagini fisse ed editing come Grok Imagine Image 2.0 non fa.

Il contrappeso è che {{1}}Grok Imagine Image 2.0{{/1}} è un prodotto reale con un vero — sebbene preliminare — rank Arena oggi, e {{2}}Flux 3 image{{/2}} è una promessa che ha già visto il suo tier gemello uscire: {{3}}FLUX 3 Video{{/3}} è stato reso generalmente disponibile il 4-5 agosto, mentre il tier immagine rimane in "prossime settimane." L'ambizione multimodale non è un punto di arrivo.

Chi dovrebbe scegliere cosa

Se per questo trimestre hai bisogno di editing di immagini a livello produttivo — rimozione dello sfondo, modifiche alle regioni, composizione multi-riferimento — Grok Imagine Image 2.0 è l'unico dei due che puoi effettivamente adottare, e il suo prezzo di $0.02–$0.05 per immagine rende un test sistematico dei tuoi prompt abbastanza economico da poterlo semplicemente eseguire. Se stai pianificando una pipeline che coprirà immagini fisse, movimento e audio a partire da un unico modello, e puoi permetterti di aspettare, Flux 3 image è la scommessa più interessante — ma è una scommessa non ancora distribuita, senza una data certa oltre "nelle prossime settimane" e senza prezzo.

Nessuno dei due modelli è su OrcaRouter oggi: x​AI distribuisce Image 2.0 tramite le proprie app e API per sviluppatori, e BFL lo fornisce tramite la propria API, e nessuno dei due è ancora approdato su host di terze parti. Quando lo faranno, vale la pena farli passare attraverso un unico livello di routing — un A/B per immagine sui tuoi prompt, failover automatico verso un generatore collaudato mentre uno dei due modelli è giovane, e pass-through con markup 0% così che il listino prezzi che vedi è il prezzo di listino del fornitore, con eventuale commissione accreditata lo stesso giorno. È così che adotti un modello di due giorni e uno non ancora rilasciato senza scommettere un percorso di produzione su nessuno dei due.

La conclusione

Grok Imagine Image 2.0 vs Flux 3 non è una gara ravvicinata al momento, perché non è affatto una gara: un solo concorrente è in pista. Image 2.0 offre un kit di editing capace a un prezzo per immagine, con un ranking Arena reale ma preliminare e un ranking di editing citato da x​AI, non confermato in modo indipendente. Flux 3 image è l'architettura più ambiziosa, ancora non distribuita, senza prezzo e senza demo. Se ti servono immagini oggi, la scelta è ovvia. Se punti su dove sta andando la generazione di immagini, tieni d'occhio il livello immagine di Flux 3 — e tratta ogni affermazione sulla roadmap come non verificata finché l'endpoint non esiste.