MAI-Image-2.5-Pro vs Grok Imagine Image 2.0: Två redigering-först-satsningar på bildgenerering

Två av årets mest intressanta bildmodeller är överens om den stora idén: redigering är framtiden, generering är en självklarhet. MAI-Image-2.5-Pro (Microsoft, offentlig förhandsvisning på Foundry sedan 23 juli) och Grok Imagine Image 2.0 (x​AI, lanserades 7 augusti som standardläget "Quality Mode" i G​rok-appar) säljer båda in sig som redigerare i första hand. Men de byggde olika verktyg för att bevisa det. Microsofts modell är en kvalitetsmotor — kirurgiska, konsistensbevarande redigeringar med en förstaplats på Artificial Analysis Image Editing Arena i ryggen. x​AI:s modell är en redigeringsmiljö — en svit användarvänliga verktyg (Magic Wand, segmentering, bakgrundsborttagning, Smart Resize) runt en generator som rankas som nummer 2 till 3 på den andra stora arenan. Den ena mäts i trohet, den andra i arbetsflöde. Det är den verkliga skillnaden mellan dem.

Redigeringsverktygsseten har inte samma form.

• MAI-Image-2.5-Pro — an engine, not a toolbox. You bring the instruction and the image; it performs precise, surgical edits — targeted object replacement, layout changes, in-image text updates, artifact cleanup — while keeping subject identity, lighting, and texture consistent across iterations. Microsoft's 94% multi-image character-consistency claim (vendor-reported) is the whole pitch: change one thing, keep everything else.

• Grok Imagine Image 2.0 — en miljö. Den levereras med Magic Wand (redigera endast ett markerat område), Segmentation (färga om eller ersätt precisa områden), bakgrundsborttagning, multi-referensinmatning (upp till 5 bilder i konsumentapparna, 3 i API:et), Smart Resize (komponera om en bild till nio bildförhållanden) och Templates för produktfotografering, porträtt, e-handel, speltillgångar och marknadsföringsaffischer.

Läs den listan så blir positioneringen tydlig: MAI-Image-2.5-Pro är modellen som en utvecklare pekar ett API mot; Grok Imagine Image 2.0 är modellen som en person sitter i ett användargränssnitt och arbetar med. x​AI kallade det för en "redigeringsmiljö" vid lanseringen, och verktygsuppsättningen är precis det.

Var var och en rankas

• MAI-Image-2.5-Pro — Nr 1 på Artificial Analysis Image Editing Arena (Elo 1 272, ~6 100 blindröster); Nr 7 text-till-bild (1 292 Elo). Oberoende blindpreferenspoäng.

• Grok Imagine Image 2.0 — xAI:s lanseringspåstående var nr 2 världen över på Arenas text-till-bild-tavla bakom GPT Image 2; vid ögonblicksbilden den 10 augusti låg den på nr 3 (Elo 1 316) bakom GPT Image 2 (1 381) och Microsofts nyare MAI-Image-2.6 (1 336). Den rankingen är oberoende och preliminär, och xAI:s "nr 2 världen över"-formulering bör kallas vad den är: ett leverantörsangivet lanseringspåstående som den live-tavlan sedan dess har reviderat.

Ingen av modellerna leder på den andres hemmaplan, och ingen toppar den andres huvudrankning. Det enkla sättet att läsa det: Microsofts modell äger redigeringspoängen, x​AI:s modell äger verktygen och ligger nära toppen inom generering.

Textåtergivning, den avgörande funktionen.

Text i bilden är där de två skiljer sig mest åt, och där den oberoende evidensen är ensidig. Microsoft hävdar 96,8 % textåtergivningsnoggrannhet för MAI-Image-2.5-Pro över engelska, kinesiska, japanska, koreanska och spanska – leverantörsrapporterat, overifierat och ihopkopplat med ett megapixelutdatatak, men en verklig uttalad förmåga med flerspråkig täckning. Grok Imagine Image 2.0:s oberoende testresultat, publicerade genom OrcaRouters egen utvärdering av modellen mot GPT Image 2, visade att den återger CJK-text opålitligt – i ett test återgav den traditionell kinesiska när den ombads generera förenklad kinesiska i en filmaffischrubrik, en klar diskvalificerare för lokaliserat annonsarbete. För alla arbetsflöden med ett läsbart ord i bilden är MAI-Image-2.5-Pro den säkrare satsningen på papperet; Groks textkvalitet behöver ett godkänt test på ditt eget material innan du litar på den.

Pris

• MAI-Image-2.5-Pro — tokenbaserad prissättning: $5 per miljon textinmatningstokens, $8 per miljon bildinmatningstokens, $106 per miljon bildutmatningstokens. Enligt Artificial Analysis omräkning hamnar en 1024×1024-bild på nära $108,50 per 1 000.

• Grok Imagine Image 2.0 — fast pris per bild, inga tokens: $0,05 per bild vid 1K eller 2K för kvalitetsnivån (`grok-imagine-image-quality`), $0,02 för standardnivån, med redigeringar som debiterar både indata och utdata. Vid 1K är det $50 per 1 000 kvalitetsbilder — ungefär hälften av MAI-Image-2.5-Pro:s per-1K-pris, med en fast kostnad som inte varierar med promptens längd.

Prissättningsmodellerna skiljer sig filosofiskt. Microsofts tokenmätning straffar långa uppmaningar och stora utdata; x​AIs fasta pris per bild är förutsägbar och oberoende av uppmaningens längd. Vid seriösa volymer är det fasta priset lättast att prognostisera, och kvalitetsnivåns prislapp är billigare än MAI-Image-2.5-Pro:s.

Tillgänglighet och routingvinkeln

Båda går att nå, men genom olika dörrar. MAI-Image-2.5-Pro är en Microsoft Foundry-förhandsversion och MAI Playground – du behöver ett Microsoft-konto och förhandsversionens prislista gäller. Grok Imagine Image 2.0 släpptes i x​AIs konsumentappar den 7 augusti och dess kvalitetsnivå kan anropas via x​AIs Imagine API; den har också varit tillgänglig via OrcaRouters OpenAI-kompatibla slutpunkt sedan mitten av augusti, där standardnivån och kvalitetsnivån ligger bakom en enda nyckel med leverantörspriser som förs vidare med 0 % påslag och automatisk växling till en reserv som GPT Image 2.

Den praktiska skillnaden detta innebär: att införa Grok Imagine Image 2.0 i en produktionspipeline är en ändring av modellsträngen på en slutpunkt du kanske redan använder, med ett billigt fast pris och en inbyggd reservfunktion för de fall där den misslyckas — precis den typ av fel som routinglagret finns till för att fånga upp. Att införa MAI-Image-2.5-Pro innebär för närvarande att sluta avtal direkt med Foundry, och den ärliga routingnoten är densamma som för en månad sedan: när Microsofts förhandsversion blir allmänt anropsbar via ett tredjeparts-API, då öppnas samma mönster med en enda nyckel för den.

Domen

Välj MAI-Image-2.5-Pro när din uppgift är en redigering med hög trohet av en befintlig bild och resultatet måste hålla måttet — det är den oberoende #1-redigeraren på Artificial Analysis, den gör ett verkligt anspråk på flerspråkig textåtergivning, och priset är satt därefter. Välj Grok Imagine Image 2.0 när du vill ha ett redigeringsarbetsflöde med riktiga verktyg, ett fast pris som är lätt att förutse och ungefär halva kostnaden per bild, samt en modell du kan dirigera idag med en fallback. Den ärliga beskrivningen är inte "vilken är bättre" — det är vilken satsning som matchar ditt arbetsflöde: Microsoft satsar på att trohet vinner redigeringen, och x​AI satsar på att verktygsuppsättningen vinner användaren. Båda är försvarbara; dina kvalitetskrav på utdata och din tolerans för risker i textåtergivningen är vad som avgör.