MAI-Image-2.5-Pro против Grok Imagine Image 2.0: две ставки на генерацию изображений с приоритетом редактирования

Две самые интересные модели генерации изображений этого года сходятся в главной идее: редактирование — это будущее, а генерация — это обязательный минимум. MAI-Image-2.5-Pro (Microsoft, публичная предварительная версия на Foundry с 23 июля) и Grok Imagine Image 2.0 (x​AI, выпущена 7 августа как режим «Quality Mode» по умолчанию в приложениях G​rok) обе позиционируют себя в первую очередь как редакторы. Но они создали разные инструменты, чтобы это доказать. Модель Microsoft — это движок качества: хирургически точные, сохраняющие согласованность правки, подкреплённые первым местом в рейтинге Artificial Analysis Image Editing Arena. Модель x​AI — это среда редактирования: набор пользовательских инструментов (Magic Wand, сегментация, удаление фона, Smart Resize), построенный вокруг генератора, который занимает 2–3 места на другой крупной арене. Одна измеряется по точности, другая — по рабочему процессу. В этом и есть реальная разница между ними.

Наборы инструментов редактирования имеют разную форму.

• MAI-Image-2.5-Pro — это движок, а не набор инструментов. Вы предоставляете инструкцию и изображение; он выполняет точечные, хирургические правки — замену целевых объектов, изменение компоновки, обновление текста в изображении, устранение артефактов — сохраняя при этом идентичность субъекта, освещение и текстуру неизменными между итерациями. Заявление Microsoft о 94% согласованности персонажей на нескольких изображениях (по данным вендора) — это и есть весь посыл: измените одно — сохраните всё остальное.

• Grok Imagine Image 2.0 — это среда. Включает Magic Wand (редактирование только выделенной области), Segmentation (перекрашивание или замена точных областей), удаление фона, мультиреференсный ввод (до 5 изображений в пользовательских приложениях, 3 в API), Smart Resize (перекомпоновка одного изображения в девять соотношений сторон) и шаблоны для предметной фотографии, портретов, электронной коммерции, игровых ассетов и маркетинговых плакатов.

Прочитайте этот список — и позиционирование становится очевидным: MAI-Image-2.5-Pro — это модель, к которой разработчик обращается через API; Grok Imagine Image 2.0 — это модель, с которой человек работает, находясь внутри пользовательского интерфейса. x​AI назвал её «редакционной средой» при запуске, и набор инструментов именно таков.

Какое место занимает каждый

• MAI-Image-2.5-Pro№ 1 на Artificial Analysis Image Editing Arena (Elo 1 272, ~6 100 слепых голосов); № 7 в генерации изображений по тексту (1 292 Elo). Независимая оценка на основе слепых предпочтений.

• Grok Imagine Image 2.0 — заявление x​AI при запуске гласило, что модель занимает 2-е место в мире на доске лидеров Arena по генерации изображений по текстовому описанию, уступая лишь GPT Image 2; по данным среза от 10 августа она находилась на 3-м месте (Elo 1 316), позади GPT Image 2 (1 381) и более новой модели Microsoft MAI-Image-2.6 (1 336). Этот рейтинг независим и предварителен, и формулировку x​AI «№ 2 в мире» следует называть тем, чем она и является: заявлением производителя, сделанным при запуске, которое текущая таблица лидеров с тех пор пересмотрела.

Ни одна из моделей не лидирует на чужой территории, и ни одна не удерживает верхнюю позицию в основном рейтинге другой. Читать это нужно так: модель Microsoft доминирует по редактированию, модель xAI — по работе с инструментами и находится вблизи вершины по генерации.

Отрисовка текста — решающая функция.

Текст на изображении — это область наибольшего расхождения между этими моделями, где независимые данные есть только по одной стороне. Microsoft заявляет о 96,8% точности рендеринга текста для MAI-Image-2.5-Pro на английском, китайском, японском, корейском и испанском — данные от вендора, не проверенные независимо, в сочетании с ограничением вывода в один мегапиксель, но это реальная заявленная возможность с многоязычным охватом. Независимые результаты тестирования Grok Imagine Image 2.0, опубликованные OrcaRouter по итогам собственной оценки модели против GPT Image 2, показали, что она ненадёжно рендерит текст на языках CJK: в одном тесте она выдала традиционный китайский вместо запрошенного упрощённого в заголовке кинопостера, что является жёстким дисквалифицирующим фактором для локализованной рекламной работы. Для любого процесса, где в изображении должно быть читаемое слово, MAI-Image-2.5-Pro на бумаге выглядит более безопасным вариантом; качество текста у G​rok требует проверки на ваших собственных материалах, прежде чем вы сможете ему доверять.

Цена

• MAI-Image-2.5-Pro — тарификация по токенам: $5 за миллион входных текстовых токенов, $8 за миллион входных токенов изображений, $106 за миллион выходных токенов изображений. По расчётам Artificial Analysis, изображение 1024×1024 стоит около $108.50 за 1 000.

• Grok Imagine Image 2.0 — фиксированная цена за изображение, без токенов: $0,05 за изображение при 1K или 2K для качественного тарифа (`grok-imagine-image-quality`), $0,02 для стандартного тарифа, при этом редактирование тарифицируется и для входного, и для выходного изображения. При 1K это $50 за 1 000 качественных изображений — примерно половина показателя MAI-Image-2.5-Pro за 1K, причём стоимость фиксирована и не зависит от длины промпта.

Модели ценообразования философски различаются. Учет токенов Microsoft штрафует длинные промпты и большие выходные данные; фиксированная ставка за изображение у x​AI предсказуема и не зависит от длины промпта. При серьезных объемах фиксированную ставку легче прогнозировать, и ценник качественного уровня дешевле, чем у MAI-Image-2.5-Pro.

Доступность и угол маршрутизации

Оба доступны, но через разные двери. MAI-Image-2.5-Pro — это предварительная версия Microsoft Foundry и MAI Playground: вам нужна учётная запись Microsoft, и применяются тарифы предварительной версии. Grok Imagine Image 2.0 появился в потребительских приложениях xAI 7 августа, и его уровень качества доступен для вызова через Imagine API от xAI; кроме того, с середины августа он доступен на OpenAI-совместимом эндпоинте OrcaRouter, где стандартный уровень и уровень качества находятся за одним ключом, с нулевой наценкой на цены провайдера и автоматическим переключением на резервную модель, такую как GPT Image 2.

Практическая разница в следующем: внедрение Grok Imagine Image 2.0 в производственный конвейер — это изменение строки модели на конечной точке, которую вы, возможно, уже используете, с дешёвой фиксированной ставкой и встроенным запасным вариантом для случаев, когда модель не справляется, — именно тот режим сбоя, для выявления которого существует уровень маршрутизации. Внедрение MAI-Image-2.5-Pro означает пока что прямое заключение контракта с Foundry, и честное примечание по маршрутизации остаётся таким же, как месяц назад: когда предварительная версия Microsoft станет широко доступной для вызова через сторонний API, тогда для неё откроется та же схема с одним ключом.

Вердикт

Выберите MAI-Image-2.5-Pro когда ваша задача — высокоточное редактирование существующего изображения и результат должен выдерживать проверку — это независимый редактор №1 по версии Artificial Analysis, он заявляет о реальной многоязычной отрисовке текста, и цена ему соответствует. Выберите Grok Imagine Image 2.0 когда вам нужен рабочий процесс редактирования с настоящими инструментами, фиксированная цена, которую легко прогнозировать и которая примерно вдвое ниже стоимости за изображение, а также модель, которую уже сегодня можно подключить с запасным вариантом. Честная постановка вопроса — не «что лучше», а какая ставка соответствует вашему рабочему процессу: Microsoft ставит на то, что при редактировании главное — точность, а x​AI ставит на то, что пользователя завоёвывает инструментарий. Оба подхода защитимы; ваши требования к качеству результата и ваша терпимость к рискам в отрисовке текста — вот что склоняет чашу весов.