MAI-Image-2.5-Pro vs Grok Imagine Image 2.0: Due scommesse incentrate sull'editing per la generazione di immagini

I due modelli di immagine più interessanti dell'anno concordano sulla grande idea: l'editing è il futuro, la generazione è il minimo indispensabile. MAI-Image-2.5-Pro (Microsoft, anteprima pubblica su Foundry dal 23 luglio) e Grok Imagine Image 2.0 (x​AI, rilasciato il 7 agosto come "Quality Mode" predefinito nelle app G​rok) si presentano entrambi prima di tutto come editor. Ma hanno costruito strumenti diversi per dimostrarlo. Il modello di Microsoft è un motore di qualità: modifiche chirurgiche che preservano la coerenza, supportate dal primo posto nell'Artificial Analysis Image Editing Arena. Il modello di x​AI è un ambiente di editing: una suite di strumenti per l'utente (Magic Wand, segmentazione, rimozione dello sfondo, Smart Resize) avvolta attorno a un generatore che si classifica dal 2° al 3° posto nell'altra grande arena. Uno è misurato sulla fedeltà, l'altro sul flusso di lavoro. Questa è la vera differenza tra loro.

I set di strumenti di modifica non hanno la stessa forma.

• MAI-Image-2.5-Pro — un motore, non una cassetta degli attrezzi. Tu fornisci l'istruzione e l'immagine; esegue modifiche precise e chirurgiche — sostituzione mirata di oggetti, modifiche al layout, aggiornamento del testo nell'immagine, pulizia degli artefatti — mantenendo coerenti identità del soggetto, illuminazione e texture tra le iterazioni. L'affermazione di Microsoft del 94% di coerenza del personaggio in più immagini (riportata dal fornitore) è l'intero argomento: cambia una cosa, mantieni tutto il resto.

• Grok Imagine Image 2.0 — un ambiente. Include Magic Wand (modifica solo una regione selezionata), Segmentation (ricalora o sostituisci aree precise), rimozione dello sfondo, input multi-riferimento (fino a 5 immagini nelle app consumer, 3 nell'API), Smart Resize (ricompone un'immagine in nove proporzioni) e Templates per fotografia di prodotto, ritratti, e-commerce, asset di gioco e poster di marketing.

Leggi quell'elenco e il posizionamento diventa chiaro: MAI-Image-2.5-Pro è il modello a cui uno sviluppatore punta un'API; Grok Imagine Image 2.0 è il modello con cui una persona si siede dentro una UI e lavora. x​AI lo ha definito un "ambiente di modifica" al lancio, e il set di strumenti è esattamente quello.

Dove si classifica ciascuno

• MAI-Image-2.5-Pro — N. 1 nella Artificial Analysis Image Editing Arena (Elo 1.272, ~6.100 voti alla cieca); N. 7 per la generazione text-to-image (1.292 Elo). Valutazione indipendente basata su preferenze alla cieca.

• Grok Imagine Image 2.0 — Al lancio, x​AI aveva dichiarato di essere al n. 2 mondiale nella classifica text-to-image di Arena, dietro a GPT Image 2; nell'istantanea del 10 agosto si trovava al n. 3 (Elo 1.316), dietro a GPT Image 2 (1.381) e alla più recente MAI-Image-2.6 di Microsoft (1.336). Tale posizione è indipendente e preliminare, e la formula "n. 2 nel mondo" di x​AI va etichettata per quello che è: una dichiarazione di lancio del fornitore, che la classifica live ha da allora rivisto.

Nessun modello è in testa nel territorio dell'altro, e nessuno occupa il primo posto nella classifica principale dell'altro. Il modo più chiaro di leggerlo: il modello di Microsoft domina il punteggio di editing, il modello di xAI domina gli strumenti e si piazza vicino al vertice della generazione.

Rendering del testo, la caratteristica decisiva

{{1}}Il testo nelle immagini è l'ambito in cui i due modelli divergono più nettamente, e dove le prove indipendenti sono sbilanciate.{{/1}} {{2}}Microsoft dichiara una precisione del 96,8% nel rendering del testo per MAI-Image-2.5-Pro in inglese, cinese, giapponese, coreano e spagnolo — un dato dichiarato dal produttore, non verificato e abbinato a un tetto di output di un megapixel, ma pur sempre una capacità dichiarata concreta con copertura multilingue.{{/2}} {{3}}I risultati dei test indipendenti di Grok Imagine Image 2.0, pubblicati dalla valutazione di OrcaRouter del modello a confronto con GPT Image 2, hanno rilevato che il modello renderizza il testo CJK in modo inaffidabile — in un test ha prodotto cinese tradizionale quando era stato richiesto il semplificato in un titolo da locandina di film, un grave motivo di squalifica per il lavoro pubblicitario localizzato.{{/3}} {{4}}Per qualsiasi flusso di lavoro con una parola leggibile nell'immagine, MAI-Image-2.5-Pro è sulla carta la scommessa più sicura; la qualità del testo di G​rok va verificata sul vostro materiale prima di potervi fidare.{{/4}}

Prezzo

• MAI-Image-2.5-Pro — con tariffazione a token: $5 per milione di token di input di testo, $8 per milione di token di input di immagine, $106 per milione di token di output di immagine. La conversione di Artificial Analysis colloca un'immagine 1024×1024 vicino a $108.50 per 1,000.

• Grok Imagine Image 2.0 — prezzo fisso per immagine, senza token: $0,05 per immagine a 1K o 2K per il livello di qualità (`grok-imagine-image-quality`), $0,02 per il livello standard, con le modifiche che addebitano sia l'input che l'output. A 1K ciò equivale a $50 per 1.000 immagini di qualità — circa la metà del valore per 1k di MAI-Image-2.5-Pro, con un costo fisso che non varia con la lunghezza del prompt.

I modelli di prezzo sono filosoficamente diversi. La misurazione a token di Microsoft penalizza prompt lunghi e output grandi; la tariffa fissa per immagine di x​AI è prevedibile e indipendente dalla lunghezza del prompt. Ad alti volumi, la tariffa fissa è la più facile da prevedere, e il prezzo del livello di qualità è inferiore a quello di MAI-Image-2.5-Pro.

Disponibilità e l'angolo di routing

Entrambi sono raggiungibili, ma attraverso porte diverse. MAI-Image-2.5-Pro è un'anteprima di Microsoft Foundry e il MAI Playground — servono un account Microsoft e si applica il tariffario dell'anteprima. Grok Imagine Image 2.0 è stato distribuito nelle app consumer di x​AI il 7 agosto e il suo livello di qualità è richiamabile tramite l'API Imagine di x​AI; è inoltre disponibile sull'endpoint compatibile OpenAI di OrcaRouter da metà agosto, dove il livello standard e il livello di qualità stanno dietro un'unica chiave, con i prezzi del provider passati al costo con markup 0% e failover automatico verso un fallback come GPT Image 2.

La differenza pratica che questo comporta: adottare Grok Imagine Image 2.0 in una pipeline di produzione è una modifica della stringa del modello su un endpoint che potresti già utilizzare, con una tariffa fissa economica e un fallback integrato per i casi in cui fallisce — precisamente la modalità di errore che il livello di routing esiste per intercettare. Adottare MAI-Image-2.5-Pro significa stipulare un contratto direttamente con Foundry per il momento, e la nota onesta sul routing è la stessa di un mese fa: quando l'anteprima di Microsoft diventerà ampiamente chiamabile tramite un'API di terze parti, è allora che si aprirà lo stesso schema a una sola chiave.

Il verdetto

Scegli MAI-Image-2.5-Pro quando il tuo compito è una modifica ad alta fedeltà di un'immagine esistente e il risultato deve reggere: è l'editor indipendente #1 su Artificial Analysis, vanta un reale supporto al rendering multilingue del testo e ha un prezzo all'altezza. Scegli Grok Imagine Image 2.0 quando vuoi un flusso di lavoro di editing con strumenti concreti, un prezzo fisso facile da prevedere e pari a circa la metà del costo per immagine, e un modello a cui puoi instradare oggi con un fallback. La lettura onesta non è "quale sia migliore" — è quale scommessa si adatta al tuo flusso di lavoro: Microsoft scommette che la fedeltà vinca nell'editing, e x​AI scommette che il set di strumenti conquisti l'utente. Entrambe le opzioni sono difendibili; sono i tuoi requisiti di qualità dell'output e la tua tolleranza al rischio di rendering del testo a rompere il pareggio.