Grok Imagine Image 2.0: #4 บน Artificial Analysis ในราคาหนึ่งในสาม

Grok Imagine Image 2.0 ขึ้นอันดับ 4 บน Text to Image Leaderboard ของ Artificial Analysis และตัวเลขที่สำคัญไม่ใช่อันดับ — แต่เป็นราคาที่อยู่ข้างๆ โมเดลนี้อยู่ที่ 1,153.66 Elo เป็นรองสามรายการ: GPT Image 2.5 Flare (max), GPT Image 2.5 Sunburst (max) และ GPT Image 2 (high) เหนือกว่าโมเดลของแล็บอื่นๆ ทั้งหมด รวมถึง MAI-Image-2.6 ของ Microsoft และโมเดล Nano Banana 2 นั่นทำให้โมเดลนี้เป็นเครื่องสร้างภาพที่อันดับสูงสุดนอกเหนือจากสามรายการนั้น และเป็นสิ่งที่ถูกที่สุดในสี่อันดับแรกนั้นอย่างมาก: Artificial Analysis กำหนดราคาไว้ที่ $60 ต่อ 1,000 ภาพ เทียบกับประมาณ $211 สำหรับสามรายการที่อยู่เหนือกว่า ตัวโมเดลเองมาจากวันที่ 7 สิงหาคม 2026 — สิ่งที่เปลี่ยนไปคือตำแหน่งที่คณะกรรมการอิสระจัดให้ และสิ่งที่สิ่งนั้นทำกับกรอบ "world #2" ที่ผู้ผลิตใช้ตอนเปิดตัว

การจัดวางตำแหน่ง #4 วัดอะไรได้จริง

ลีดเดอร์บอร์ด Text to Image ของ Artificial Analysis คือสนามแข่งขันให้มนุษย์เลือกตามความชอบแบบไม่เปิดเผยชื่อโมเดล ผู้ลงคะแนนจะเห็นผลลัพธ์จากพรอมป์ต์เดียวกันโดยไม่มีป้ายกำกับโมเดล แล้วเลือกอันที่ดีกว่า และค่า Elo ที่ได้จะถูกเผยแพร่อย่างเป็นอิสระจากผู้ขายทุกราย รายการของ Grok Imagine Image 2.0 ระบุว่าอยู่อันดับ #4 ที่ 1,153.66 Elo โดยมีช่วงความเชื่อมั่น 95% อยู่ที่ 1,141.66 ถึง 1,165.66 ไม่มีส่วนใดของตัวเลขนั้นมาจาก xAI (รายละเอียดเล็กน้อยที่ควรรู้เมื่อคุณดูลีดเดอร์บอร์ด: Artificial Analysis ระบุผู้สร้างโมเดลว่าเป็น SpaceXAI)

ครึ่งที่ว่าด้วยราคาของเรื่องนี้น่าสนใจกว่าครึ่งอื่น ในหน้าเดียวกันนี้มีการพล็อตคุณภาพเทียบกับราคา พร้อมเส้น Pareto ที่ทำเครื่องหมายโมเดลที่ให้ Elo ต่อดอลลาร์มากที่สุด และตามตัวเลขที่บอร์ดเผยแพร่เอง Grok Imagine Image 2.0 เป็นโมเดลที่ได้คะแนนสูงสุดในกลุ่มที่ราคาต่ำกว่า $100 ต่อ 1,000 ภาพ โมเดลถัดไปที่คุณภาพสูงกว่านั้น GPT Image 2 (high) มีราคา $211 ต่อ 1,000 ภาพ — แพงกว่าประมาณสามเท่าครึ่งเพื่อ Elo ที่เพิ่มขึ้นประมาณ 17 คะแนน นั่นเป็นข้ออ้างเรื่องราคาเทียบประสิทธิภาพ ไม่ใช่ข้ออ้างว่าเป็นโมเดลที่ดีที่สุด และเป็นเวอร์ชันของเรื่องที่ข้อมูลอิสระสนับสนุนจริง

ตำแหน่งแนวหน้านั้นมีอยู่จริงแต่ก็แคบ และก็ควรพูดกันตรง ๆ อย่างนั้น MAI-Image-2.6 ของ Microsoft อยู่ในอันดับถัดลงมาหนึ่งอันดับที่ $38.90 ต่อ 1,000 และ Muse Image ของ Meta อยู่ที่ $10 ต่อ 1,000 ที่ 1,111 Elo ช่วง Elo บนกระดานนี้กว้างประมาณ ±12 คะแนน ดังนั้นอันดับ #4 และ #5 — ซึ่งห่างกัน 6.5 Elo — จึงอยู่ในแถบความคลาดเคลื่อนของกันและกัน ให้ถือว่าตำแหน่งนี้เป็น "ห้าอันดับแรก" ไม่ใช่ช่องอันดับที่ลงตัวแล้ว

การไต่ขึ้น 14 อันดับคือช่องว่างกับระดับที่ Grok Imagine Image 2.0 เข้ามาแทนที่ ระดับคุณภาพก่อนหน้าของ xAI อย่าง grok-imagine-image-quality อยู่ในอันดับ #18 บนลีดเดอร์บอร์ดเดียวกันที่ 1,043.21 Elo และ grok-imagine-image ดั้งเดิมอยู่อันดับ #29 ที่ 1,017.86 นั่นคิดเป็นประมาณ 110 Elo และ 14 อันดับ ระหว่างโมเดลที่ xAI ระบุในเอกสารตอนนี้ว่าเป็นค่าเริ่มต้นด้านรูปภาพของตน กับโมเดลที่มันเข้ามาแทนที่

สถานะปัจจุบันของข้ออ้าง "โลกอันดับ 2"

ตอนเปิดตัว xAI อ้างถึงผลงานอันดับ #2 ทั้งบนกระดาน Arena ประเภทข้อความเป็นภาพและประเภทแก้ไขภาพ ด้วยคะแนนประมาณ 1,320 Elo และถูกทำเครื่องหมายว่า Preliminary ตัวเลขเหล่านั้นเป็นตัวเลขที่ xAI เน้นในประกาศของตัวเอง — ไม่ใช่การประเมินโดยอิสระที่บริษัทว่าจ้าง — และตัวเลขดังกล่าวได้เปลี่ยนแปลงไปแล้ว: ภาพรวม ณ วันที่ 10 สิงหาคม วางโมเดลไว้ที่อันดับ #3 ด้วย 1,316 Elo ตามหลัง MAI-Image-2.6 และ GPT Image 2 ส่วนอันดับ #2 ด้านการแก้ไขภาพยังคงเป็นการอ้างอิงของ xAI เอง

Artificial Analysis เป็นกระดานจัดอันดับที่แตกต่างออกไป มีวิธีการต่างกัน และมีกลุ่มผู้ลงคะแนนต่างกัน และตอนนี้จัดให้โมเดลอยู่ที่ #4 ทั้งสองไม่ได้ขัดแย้งกันจริง ๆ — พวกเขาเก็บตัวอย่างความ偏好ของมนุษย์ด้วยวิธีที่ต่างกัน และทั้งคู่เป็นภาพ ณ ขณะหนึ่งของกระดานจัดอันดับที่ขยับไปมาทุกสัปดาห์ สรุปที่ตรงไปตรงมาจากการจัดอันดับอิสระหกสัปดาห์ก็คือ Grok Imagine Image 2.0 ติดหนึ่งในห้าอันดับแรกอย่างสม่ำเสมอ และไม่เคยเป็น #2 ตามที่ xAI ประกาศไว้จริง ๆ

Grok Imagine Image 2.0 แท้จริงแล้วมาพร้อมกับอะไร

xAI วางตำแหน่ง Grok Imagine Image 2.0 ให้เป็นสภาพแวดล้อมสำหรับการแก้ไข มากกว่าจะเป็นเครื่องมือสร้างภาพแบบครั้งเดียวแล้วจบ ชุดฟีเจอร์มีดังนี้:

• Magic Wand — การแก้ไขระดับพื้นที่ โดยไม่กระทบส่วนที่เหลือของเฟรม

• การแบ่งส่วน — การเลือกพื้นที่ที่แม่นยำสำหรับการปรับสี การแทนที่ หรือการปรับแต่ง

• การลบพื้นหลัง — การส่งออกวัตถุที่มีพื้นหลังโปร่งใส

• อินพุตรูปภาพหลายภาพ — สูงสุดห้ารูปต้นฉบับต่อการแก้ไขหนึ่งครั้ง; เอกสารของ xAI ระบุห้ารูปแล้ว เพิ่มขึ้นจากสามรูปที่ API จำกัดไว้ตอนเปิดตัว

• Smart Resize — จัดองค์ประกอบภาพเดียวให้ได้อัตราส่วนกว้างยาว 9 แบบ (ตั้งแต่แนวตั้ง 1:2 ถึงแนวนอน 2:1) โดยสร้างเนื้อหาเฟรมใหม่แทนที่จะครอปภาพ

• เทมเพลต — เวิร์กโฟลว์สำเร็จรูปสำหรับการถ่ายภาพผลิตภัณฑ์ ภาพบุคคล รายการสินค้าอีคอมเมิร์ซ แอสเซทเกม และโปสเตอร์การตลาด

API เปิดเผยตัวควบคุมที่แอปฝั่งผู้ใช้ไม่ได้แสดงให้เห็น ได้แก่ อัตราส่วนภาพ — รวมถึง 21:9 และ 5:2 ซึ่งทั้งคู่ใหม่ใน 2.0 — ความละเอียด (ค่าเริ่มต้น 1K, 2K เป็นตัวเลือก) และพารามิเตอร์คุณภาพที่รับค่า low, medium หรือ auto ฝั่งผู้ใช้ โมเดลนี้มาเป็น Quality Mode เริ่มต้นบน grok.com/imagine, iOS และ Android และตั้งแต่วันที่ 13 สิงหาคมเป็นต้นมา โมเดลนี้ยังได้รับการขึ้นทะเบียนบนแพลตฟอร์มของ Runway ซึ่งได้เข้าร่วมกับโมเดลภาพและวิดีโอที่ Runway โฮสต์อยู่แล้ว การขึ้นทะเบียนดังกล่าวเป็นคำแถลงจากผู้ขายและพันธมิตร มากกว่าการประเมินโดยอิสระ แต่เป็นสัญญาณแรกของการเผยแพร่ผ่านบุคคลที่สามหลังการเปิดตัว

ในการเรนเดอร์ข้อความพาดหัว xAI กล่าวว่าโมเดล "วางแผนการจัดวางตัวพิมพ์และเลย์เอาต์แบบเดียวกับที่นักออกแบบทำ" โดยรักษาองค์ประกอบหลายส่วนที่ซับซ้อนให้คงสภาพสมบูรณ์ และเรนเดอร์ข้อความขนาดเล็กให้คมชัด อีกทั้งยังรักษาเอกลักษณ์ของตัวแบบและการตั้งค่าไว้ตลอดการแก้ไขแบบวนซ้ำหลายรอบ

ผลการทดสอบอิสระครั้งแรกพบว่าอะไร

การเปรียบเทียบกับ gpt-image-2 แบบใช้พรอมป์ตหกชุด ใช้ seed เดียว และไม่คัดเลือกผลลัพธ์ที่เข้าข้างตัวเอง พบความแตกต่างที่ชัดเจน และไม่มีสิ่งใดในการจัดอันดับใหม่บนลีดเดอร์บอร์ดที่หักล้างข้อสรุปนี้ได้

Grok ชนะ:ความสมจริงเหมือนภาพถ่ายและการคงไว้ซึ่งอัตลักษณ์ กายวิภาคของมือในภาพบุคคลถูกต้อง มีรายละเอียดผิวในระดับรูขุมขน การกระเจิงใต้พื้นผิว และแสงสะท้อนในดวงตาและแสงขอบตามธรรมชาติ ในงานหมุนเรขาคณิต 45 องศา Grok รักษาเอกลักษณ์ใบหน้าไว้เหนือเกณฑ์ ArcFace 0.5 ในขณะที่ gpt-image-2 เบี่ยงเบนมากกว่า

Grok แพ้:ด้านที่วิกฤตต่อการผลิต เมื่อขอพาดหัวโปสเตอร์ภาพยนตร์เป็นภาษาจีนตัวย่อ มันกลับแสดงผลเป็นอักษรจีนตัวเต็ม — ซึ่งถูกเรียกว่าเป็น "ตัวตัดสิทธิ์ขั้นเด็ดขาด" สำหรับไปป์ไลน์การโลคัลไลเซชันและการเผยแพร่ คำขอผสมผสานสไตล์สีน้ำได้ผลลัพธ์เป็นภาพเสมือนจริงที่มีเพียงพื้นผิวแบบงานวาดบางเบา — ซึ่งถือเป็น "การตัดสิทธิ์ระดับหมวดหมู่" การแก้ไขในพื้นที่ดำเนินการครบทั้งสามคำขอ แต่ไม่สามารถรักษามุมมองหน้าต่างไว้ได้ และวางจุดไฮไลต์ผิดตำแหน่ง

สรุป: Grok Imagine Image 2.0 "นำในด้านความสมจริงแบบภาพถ่ายและอัตลักษณ์ แต่ตามหลังในด้านความน่าเชื่อถือในการแก้ไข ข้อความหลายภาษา และการถ่ายโอนสไตล์ที่แท้จริง" กระดานจัดอันดับเฉลี่ยความชอบจากการเปรียบเทียบแบบปกปิดหลายพันครั้ง; มันไม่อาจบอกคุณได้ว่าโมเดลจะทำพาดหัวภาษาจีนของคุณออกมาถูกต้องหรือไม่ การทดสอบด้วยพรอมต์ 6 ข้อเพียงครั้งเดียวก็ไม่ใช่ชุดหลักฐานเช่นกัน — แต่ระหว่างสองสิ่งนี้ ความล้มเหลวเฉพาะเจาะจงคือสัญญาณที่นำไปปฏิบัติได้มากกว่าสำหรับทีมที่ปล่อยแอสเซตที่โลคัลไลซ์แล้ว

API และการคำนวณราคา

เรื่องราวสำหรับนักพัฒนาเปลี่ยนไปแล้วนับตั้งแต่เปิดตัว ตอนนี้ grok-imagine-image-2.0 เป็นโมเดลที่ xAI จัดทำเอกสารสำหรับการสร้างภาพ การแก้ไขภาพเดี่ยว และการแก้ไขภาพหลายภาพ และเป็นโมเดลที่หน้าโมเดลของ xAI เองแนะนำสำหรับงานภาพ ข้อความยุคเปิดตัว “การเข้าถึง API สำหรับนักพัฒนาจะมาเร็ว ๆ นี้” ได้หายไปจากหน้าโมเดลและหน้าราคาของผู้ให้บริการแล้ว

• grok-imagine-image-2.0: เริ่มต้นที่ $0.04 ต่อภาพ คิดค่าบริการตามคุณภาพที่ให้บริการจริง

• grok-imagine-image (1.0): $0.02 ต่อภาพ ไม่ได้รับผลกระทบจากการเปลี่ยนแปลงด้านล่างนี้

• grok-imagine-image-quality: $0.05 ต่อภาพ จะยุติการให้บริการในวันที่ 2 พฤศจิกายน 2026

คุณภาพคือคันโยกที่กำหนดต้นทุน Auto — ค่าเริ่มต้นเมื่อไม่ระบุพารามิเตอร์ — ปัจจุบันให้บริการที่ระดับ low สำหรับการสร้าง และ medium สำหรับการแก้ไข ดังนั้นคำขอสร้างจะถูกคิดค่าบริการในอัตรา low และการแก้ไขในอัตรา medium การตรึงค่าไว้ที่ low หรือ medium ทำให้ค่าใช้จ่ายคาดเดาได้ แทนที่จะขึ้นอยู่กับว่าบริการเลือกเส้นทางใด

หัวข้อสุดท้ายนั้นมีเดดไลน์กำกับอยู่ คู่มือการย้ายระบบของ xAI ระบุว่า slug grok-imagine-image-quality จะถูกยกเลิกในวันที่ 2 พฤศจิกายน 2026 หลังการแจ้งล่วงหน้า 60 วันซึ่งเริ่มเมื่อวันที่ 2 กันยายน นับจากวันนั้น slug ยังคง resolve ได้ แต่คำขอจะถูกให้บริการโดย grok-imagine-image-2.0 โดยตั้งค่า quality เป็น low — เป็นการเปลี่ยนเส้นทางเพื่อความเข้ากันได้ ไม่ใช่การปิดบริการแบบตัดขาด เนื่องจากระดับ low ถูกกว่าระดับ quality เดิมอยู่ $0.01 ต่อภาพในทุกระดับความละเอียด ทีมที่ไม่ได้เปลี่ยนแปลงอะไรจะเห็นราคาลดลง พร้อมกับการเปลี่ยนแปลงคุณภาพผลลัพธ์แบบเงียบ ๆ การย้ายอย่างตั้งใจ โดยระบุชื่อ grok-imagine-image-2.0 และปักหมุดค่า quality ในจุดที่ผลลัพธ์ที่เสถียรเป็นสิ่งสำคัญ คือแนวทางที่คุณต้องการ วันที่นั้นและพฤติกรรมการเปลี่ยนเส้นทางเป็นเอกสารของ xAI เอง — ระบุโดยผู้ขาย ไม่ได้ผ่านการทดสอบอย่างอิสระ

เมื่อเทียบกับตัวเลือกของ OpenAI แล้ว การเปรียบเทียบนี้เป็นความแตกต่างของรูปแบบการคิดราคาพอ ๆ กับที่เป็นความแตกต่างด้านราคา gpt-image-2 คิดราคาตามโทเคน — 8 ดอลลาร์ต่อหนึ่งล้านโทเคนอินพุตภาพ และ 30 ดอลลาร์ต่อหนึ่งล้านโทเคนเอาต์พุตภาพ ตามอัตราที่ OpenAI เผยแพร่ — ดังนั้นต้นทุนต่อภาพจึงผันแปรตามความละเอียดและรายละเอียด ตัวเลขตัวแทนของ Artificial Analysis ที่ 211 ดอลลาร์ต่อ 1,000 ภาพสำหรับ GPT Image 2 (high) เทียบกับ 60 ดอลลาร์ของ Grok คือการแกว่งตัวนั้นที่ปรากฏออกมาเป็นตัวเลขเดียว การคิดราคาแบบคงที่ต่อภาพนั้นคาดการณ์ได้ง่ายกว่ามากเมื่อใช้งานในระดับขนาดใหญ่ ซึ่งเป็นเหตุผลส่วนใหญ่ที่ทำให้โมเดลที่อยู่อันดับสี่นั้นน่าพิจารณาเลยทีเดียว

ลองใช้ดูโดยไม่เดิมพันทั้งไปป์ไลน์

ปฏิกิริยาที่สมเหตุสมผลต่อ Grok Imagine Image 2.0 ยังคงเป็น “ลองใช้ดูก่อน อย่าเพิ่งผูกมัดกับมัน” ตำแหน่งของมันยังอยู่ในช่วงความเชื่อมั่นที่ทับซ้อนกัน การทดสอบอิสระครั้งหนึ่งชี้จุดอ่อนจริงในด้านข้อความเฉพาะท้องถิ่นและการถ่ายโอนสไตล์ และ xAI กำลังเลิกใช้ slug ภายใต้มันในเดือนพฤศจิกายน นี่คือกรณีที่ควรใช้การจัดเส้นทางแทนการเดินสายผสานรวมโดยตรง

บน OrcaRouter grok-imagine-image — โมเดลสร้างภาพของ xAI ในแคตตาล็อกของเรา — อยู่บน endpoint ที่เข้ากันได้กับ OpenAI แบบเดียวกับ gpt-image-2 ดังนั้นการสลับไปมาระหว่างโมเดลภาพของ xAI และ OpenAI จึงเป็นเพียงการเปลี่ยนสตริงชื่อโมเดล: ไม่ต้องมีสัญญาฉบับที่สอง ไม่ต้องมี SDK ใหม่ OrcaRouter ส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกกำไรเพิ่ม ดังนั้นหากผู้ขายปรับลดราคา ที่นี่ก็ปรับตามในวันเดียวกัน และการ failover อัตโนมัติสามารถส่งข้อผิดพลาด การจำกัดอัตราการเรียกใช้ (rate limit) หรือการปฏิเสธคำขอ ไปยังโมเดลสำรอง แทนที่จะปล่อยให้เข้าสู่เส้นทางการใช้งานจริงของคุณ ข้อแม้หนึ่งข้อที่ตรงไปตรงมา ซึ่งไม่เปลี่ยนแปลงจากรีวิวฉบับเดิม: ระดับคุณภาพใหม่ล่าสุดของ xAI เป็นรายการแยกต่างหากจากโมเดลภาพ Grok ที่มีอยู่ในแคตตาล็อกของเราแล้ว ดังนั้นโปรดตรวจสอบรายการโมเดลปัจจุบัน แทนที่จะสันนิษฐานว่าตัวแปร Grok ใดตัวหนึ่งสามารถใช้งานผ่านเราเตอร์ได้ในตอนนี้

สิ่งที่ควรดูต่อไป

1. การย้ายระบบวันที่ 2 พฤศจิกายน ไม่ว่าทีมต่าง ๆ จะย้ายไปยัง grok-imagine-image-2.0 อย่างชัดเจน หรือค่อย ๆ เลื่อนไหลไปตามการเปลี่ยนเส้นทางและค่าเริ่มต้นคุณภาพต่ำของมัน นี่คือสิ่งใหญ่ที่สุดที่ xAI ยังคงทำพลาดได้กับโมเดลนี้ — และการเปลี่ยนเส้นทางก็ทำให้ความผิดพลาดนั้นมองไม่เห็น เว้นแต่คุณจะอ่านฟิลด์ model ในคำตอบของคุณ

2. อันดับ #4 จะคงอยู่หรือไม่ ช่องว่างกับ MAI-Image-2.6 อยู่ที่ 6.5 Elo โดยมีช่วงความคลาดเคลื่อน ±12 จุด ดังนั้นคะแนนโหวตที่เพิ่มขึ้นอีกสองสามพันเสียงอาจทำให้ลำดับบนกระดานสลับกันได้ทั้งสองทาง การเพิ่มขึ้น 110 Elo จากระดับก่อนหน้าดูจะยั่งยืน ส่วนอันดับที่แน่นอนนั้นไม่

3. ฟีเจอร์ฝั่งผู้บริโภคมีจำนวนเท่าใดที่เข้าถึง API การสร้าง การแก้ไข และการแก้ไขภาพหลายภาพได้รับการจัดทำเอกสารไว้แล้ว เทมเพลตและเวิร์กโฟลว์ Smart Resize ที่ระบุชื่อยังคงเป็นฟีเจอร์ของแอป และช่องว่างนั้นเองคือที่อยู่ของข้อแม้ “สำหรับผู้บริโภคเท่านั้น” ที่ยังเหลืออยู่

ประเด็นสำคัญ: Grok Imagine Image 2.0 เป็นโมเดลที่ทำได้จริงและมีความสามารถ ซึ่งขณะนี้ได้รับการจัดอันดับโดยอิสระแล้ว — อันดับ #4 บนลีดเดอร์บอร์ด Text to Image ของ Artificial Analysis เป็นรายการที่ไม่ใช่ OpenAI ที่ดีที่สุดในนั้น เหนือกว่าระดับที่มันเข้าไปแทนราว 110 Elo และอยู่บนแนวหน้าด้านราคาต่อคุณภาพของบอร์ดที่ $60 ต่อ 1,000 ภาพ เทียบกับราว $211 สำหรับโมเดล OpenAI ที่อยู่เหนือขึ้นไปโดยตรง การวางกรอบว่า "ที่ 2 ของโลก" เป็นเพียงสแนปช็อตตอนเปิดตัวของ xAI เสมอมา และคณะกรรมการจัดอันดับอิสระก็ไม่เคยกล่าวเช่นนั้นเต็มปาก จุดอ่อนอิสระที่ชัดเจนที่สุดสองข้อของมัน — การปฏิบัติตามข้อกำหนดภาษาจีนตัวย่อ และความน่าเชื่อถือของการถ่ายโอนสไตล์ — อยู่ในฟีเจอร์ที่ทีมงานมักต้องการจาก API รูปภาพมากที่สุด ลองใช้ทันทีสำหรับงานที่สมจริงเหมือนภาพถ่ายและรักษาเอกลักษณ์บุคคล; รอก่อนสำหรับไปป์ไลน์ที่ปล่อยข้อความท้องถิ่นหรือแอสเซ็ตที่มีสไตล์ และหากคุณกำลังเรียก quality slug ที่กำลังจะเลิกใช้อยู่แล้ว ให้ย้ายก่อนวันที่ 2 พฤศจิกายน