Grok Imagine Image 2.0 เทียบกับ Flux 3: เอดิเตอร์ที่วางจำหน่ายแล้ว เทียบกับคำมั่นสัญญาแบบมัลติโมดัล
- Orcaใหม่Orca: OrcaCyber Zero 1.02026-09-17$3.00 / $5.00 ต่อ 1 ล้านโทเค็น
- orcaใหม่Orca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น
- deepseekใหม่DeepSeek: DeepSeek V4.1 Flash2026-09-1040ความฉลาด
- openaiOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- googleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- qwenQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- anthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น
- z-aiZ.ai: GLM 5.32026-08-1845ความฉลาด75การเขียนโค้ด
- obsidianQwen3.8 27B2026-08-1534ความฉลาด68การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Pro 08132026-08-1236ความฉลาด69การเขียนโค้ด
- grokSpaceXAI: Grok 4.62026-08-1244ความฉลาด77การเขียนโค้ด
- metaMeta: Muse Spark 1.22026-08-0540ความฉลาด72การเขียนโค้ด
- qwenQwen: Qwen3.8 Max2026-08-0345ความฉลาด76การเขียนโค้ด
- deepseekDeepSeek: DeepSeek V4 Flash 07312026-07-3134ความฉลาด69การเขียนโค้ด
- minimaxMiniMax: MiniMax-H32026-07-31minimax/minimax-h3
- qwenQwen: Qwen3.7 Flash2026-07-27$0.03 / $0.13 ต่อ 1 ล้านโทเค็น
- orcaOrcaDub: OrcaDub 1.02026-07-27orca/dub
นี่คือการเปรียบเทียบแบบตัวต่อตัวที่มีเพียงฝั่งเดียวเท่านั้นที่เรียกใช้งานได้จริง และเวอร์ชันที่ตรงไปตรงมาของพาดหัวข่าวนั้นก็คือการเปรียบเทียบตัวมันเองGrok Imagine Image 2.0 โมเดลภาพที่เน้นการแก้ไขเป็นหลักของ xAI เปิดตัวในแอป Grok เมื่อวันที่ 7 สิงหาคม 2026 — ในสัปดาห์เดียวกันกับที่เข้าสู่ Text-to-Image Arena สาธารณะในอันดับที่สองด้วยคะแนน Elo 1,320 (เบื้องต้น) ตามหลังเพียง GPT Image 2 ที่ 1,380Flux 3 โมเดลพื้นฐานมัลติโมดัลแบบรวมของ Black Forest Labs ที่ประกาศเมื่อวันที่ 23 กรกฎาคม ฝึกการทำนายภาพ วิดีโอ เสียง และการกระทำของหุ่นยนต์ในชุดน้ำหนักเดียว — แต่ระดับภาพของมันยังไม่มี endpoint สาธารณะ ไม่มีราคา และไม่มีเดโม่ที่เผยแพร่ ณ วันนี้ วันที่ 8 สิงหาคม โมเดลหนึ่งที่คุณสามารถเรียกใช้ได้ในบ่ายวันนี้ อีกโมเดลคือการเปิดตัวภาพที่ทุกคนจับตามองตั้งแต่ปลายเดือนกรกฎาคมแต่ยังไม่มีใครรันได้ ความไม่สมมาตรนั้นคือเรื่องราวทั้งหมด และมันเป็นตัวตัดสินว่าการเปรียบเทียบอย่างยุติธรรมควรมีหน้าตาอย่างไร
กระดานคะแนน
ในมิติที่การจับคู่นี้ใช้งานได้จริง นี่คือจุดที่แต่ละฝ่ายยืนอยู่ในวันนี้ ตัวเลขของ Grok Imagine Image 2.0 มาจากกระดาน Arena สาธารณะและเอกสารของ xAI เอง สถานะภาพของ Flux 3 เป็นไปตามประกาศของ Black Forest Labs เมื่อวันที่ 23 กรกฎาคมและเอกสาร BFL ฉบับปัจจุบัน และข้อกล่าวอ้างในโรดแมปทุกข้อของฝั่ง Flux 3 เป็นข้อมูลที่ผู้จำหน่ายรายงานและยังไม่ได้รับการยืนยันจนกว่า endpoint จะพร้อมใช้งาน
• ความพร้อมใช้งาน — Grok Imagine Image 2.0 เปิดให้ใช้งานแล้วในแอป Grok (เว็บ, iOS, Android) ตั้งแต่วันที่ 7 สิงหาคม เทียบกับ Flux 3 ระดับภาพที่ประกาศเมื่อวันที่ 23 กรกฎาคม ยังไม่เปิดให้ใช้งาน
• Text-to-Image Arena — Grok Imagine Image 2.0 #2 ที่ Elo 1,320 ถูกแท็กเป็นเบื้องต้น บนบอร์ดสาธารณะ เทียบกับ Flux 3 image ไม่มีอันดับและไม่ถูกลงรายการ
• การแก้ไข — Grok Imagine Image 2.0 มาพร้อม Magic Wand การแบ่งส่วนภาพ การลบพื้นหลัง และการป้อนภาพอ้างอิงหลายภาพ เทียบกับ Flux 3 ที่สัญญาว่าจะแก้ไขภาพ "ข้ามสไตล์และอัตราส่วนภาพ" โดยยังไม่มีเดโมที่เผยแพร่
• ข้อความในภาพ — Grok Imagine Image 2.0 อ้างว่ามีการวางแผนตัวพิมพ์โดยนักออกแบบและข้อความขนาดเล็กที่คมชัดกว่า เทียบกับภาพจาก Flux 3 ที่สัญญาว่าจะแสดงผลข้อความหลายภาษาในภาพ
• ราคา — Grok Imagine Image 2.0 ราคา $0.02–$0.05 ต่อภาพบน API ของ xAI เทียบกับภาพ Flux 3 ที่ยังไม่กำหนดราคา; เฉพาะระดับวิดีโอ ($0.06–$0.54/วินาที) ที่มีการเรียกเก็บเงินในวันนี้
• API — Grok Imagine Image 2.0 เปิด API สำหรับนักพัฒนาแล้ว โดยที่ ID โมเดลของ Image 2.0 ยังไม่ได้รับการยืนยัน ขณะที่ Flux 3 ยังไม่มี endpoint สำหรับรูปภาพ
ทำไมการเจอกันครั้งนี้ถึงไม่สามารถเป็นการดวลยิงธรรมดาได้
การเปรียบเทียบโมเดลภาพโดยปกติจะส่งพรอมต์เดียวกันไปยังปลายทางทั้งสอง แล้วเทียบความแตกต่างของผลลัพธ์ คุณไม่สามารถทำแบบนั้นได้ที่นี่ เพราะมีปลายทางเพียงแห่งเดียว Grok Imagine Image 2.0 เรียกใช้ได้ผ่านแอปของ xAI เองและ developer API — โดย developer API เปิดใช้งานแล้วตั้งแต่รุ่นเดือนมีนาคมของโมเดลภาพพื้นฐาน และรหัสโมเดล API เฉพาะของ Image 2.0 ยังไม่ได้รับการยืนยัน ซึ่งเป็นประเด็นสำคัญสำหรับผู้ที่วางแผนใช้งาน ภาพจาก Flux 3 ไม่สามารถเรียกใช้ได้จากที่ใด: เอกสารของ BFL เองในปัจจุบันแสดงเพียง "วิดีโอพร้อมเสียงแบบซิงโครไนซ์ เปิดให้ใช้งานแล้ว" พร้อมหมายเหตุว่า "โมดอลิตี้เพิ่มเติมจะมาในรูปแบบคำขอเดียวกันเมื่อพร้อมใช้งาน" ดังนั้น การเปรียบเทียบแบบตรงไปตรงมาคือการดูว่าฝ่ายไหนส่งมอบอะไรแล้ว สัญญาอะไรไว้ และคุณสามารถสร้างอะไรได้ในวันนี้ นั่นคือการเปรียบเทียบที่แท้จริง แต่มันไม่ใช่การวัดประสิทธิภาพ
ชุดเครื่องมือแก้ไขคือจุดที่ Image 2.0 นำหน้าอยู่แล้ว
Grok Imagine Image 2.0 มาพร้อมฟีเจอร์การแก้ไขภาพเป็นความสามารถหลัก ไม่ใช่ส่วนเสริมภายหลัง Magic Wand แก้ไขเฉพาะบริเวณที่คุณเลือก โดยไม่แตะต้องส่วนอื่นของเฟรม การแบ่งส่วน (segmentation) ช่วยให้คุณปรับสีหรือแทนที่พื้นที่เฉพาะเจาะจงได้แม่นยำถึงระดับวัสดุของวัตถุชิ้นเดียว การลบพื้นหลังส่งออกวัตถุบนผืนผ้าโปร่งใสเพื่อนำไปใช้ที่อื่น และการป้อนภาพอ้างอิงหลายภาพรองรับได้ถึงห้าภาพในการสร้างครั้งเดียว ทำให้การประกอบภาพหลายวัตถุไม่ต้องตัดแปะด้วยตนเอง Smart Resize จัดองค์ประกอบใหม่ได้ถึงเก้าอัตราส่วนภาพ ตั้งแต่แบนเนอร์แนวตั้ง 1:2 ไปจนถึงแนวกว้าง 2:1 โดยเติมเฟรมอัตโนมัติเมื่อเปลี่ยนขนาด มันถูกฝึกมาเฉพาะด้านการถ่ายภาพ การออกแบบกราฟิก และภาพประกอบ และมาพร้อมเทมเพลตสำเร็จรูปสำหรับภาพสินค้า ภาพบุคคล รายการสินค้าอีคอมเมิร์ซ ทรัพยากรเกม และโปสเตอร์การตลาด — ซึ่งเป็นตำแหน่งที่มุ่งตรงไปยังเวิร์กโฟลว์เชิงพาณิชย์ที่ต้องผลิตชิ้นงานส่งมอบ
ตามเอกสารเปิดตัวของ BFL ระดับภาพของ Flux 3 สัญญาว่าจะรองรับการแก้ไข "ข้ามสไตล์และอัตราส่วนภาพ" และโมเดลเดียวที่จัดการทั้งภาพนิ่งและภาพเคลื่อนไหวได้พร้อมกัน ยังไม่มีเดโม่ที่เผยแพร่ ไม่มีแกลเลอรีตัวอย่าง และไม่มีเอนด์พอยต์ให้ทดสอบ ในมิติของการแก้ไข ตอนนี้ยังไม่สูสีกันเลย: ตัวหนึ่งเปิดตัวแล้วและวัดผลได้ ส่วนอีกตัวเป็นเพียงคำกล่าวอ้างในโรดแมป
ทั้งสองกำลังไล่ตามจุดอ่อนเดียวกัน: ข้อความภายในรูปภาพ
ข้อความที่อ่านได้ภายในภาพเป็นปัญหาที่ยังไม่ได้รับการแก้ไขที่ยากที่สุดในการสร้างภาพ และผู้ให้บริการทั้งสองรายต่างมุ่งเป้าไปที่ปัญหานี้ภายในช่วงสองสัปดาห์เดียวกัน xAI กล่าวว่า Grok Imagine Image 2.0 วางแผนการจัดวางและตัวพิมพ์ "แบบที่นักออกแบบทำ" พร้อมด้วยข้อความขนาดเล็กที่คมชัดขึ้นในกราฟิกที่หนาแน่น และคำ โลโก้ และป้ายกำกับที่เพี้ยนน้อยลง การปรับปรุงที่ BFL ระบุไว้สำหรับระดับภาพ Flux 3 ประกอบด้วย "การเรนเดอร์ข้อความหลายภาษาในภาพ" ซึ่งเป็นคำตอบโดยตรงต่อรูปแบบความล้มเหลวเดียวกัน และเป็นหนึ่งในข้อกล่าวอ้างที่เป็นรูปธรรมเพียงไม่กี่ข้อในการประกาศเดือนกรกฎาคม ยังไม่มีความสามารถใดได้รับการวัดประสิทธิภาพโดยอิสระ ทั้งคู่เป็นเพียงคำกล่าวอ้างของผู้ให้บริการ ความแตกต่างในทางปฏิบัติคือ คำกล่าวอ้างของ Image 2.0 นั้นสามารถทดสอบได้ในวันนี้ด้วยพรอมป์ต์ของคุณเอง ในขณะที่ของ Flux 3 ไม่สามารถทดสอบได้เลย
ราคา เมื่อมีเพียงฝ่ายเดียวที่มีราคา
Grok Imagine Image 2.0 เป็นระบบจ่ายต่อภาพบน API ของ xAI: grok-imagine-image ราคา 0.02 ดอลลาร์ต่อภาพ และ grok-imagine-image-quality ราคา 0.05 ดอลลาร์ต่อภาพ โดยมีขีดจำกัด 5 คำขอต่อวินาที และการแก้ไขจะคิดค่าใช้จ่ายทั้งจากภาพต้นทางและภาพที่สร้างออกมา ในแอปสำหรับผู้บริโภค ระบบนี้อยู่ภายใต้การสมัครสมาชิก SuperGrok ราคา 30 ดอลลาร์ต่อเดือน ซึ่งระดับฟรีได้ถูกยกเลิกไปก่อนหน้านี้ในปีนี้ — นี่คือเหตุผลที่ API ไม่ใช่แอป คือจุดยึดราคาสำหรับผู้ที่สร้างงานโดยใช้มัน
Flux 3 ระดับภาพไม่มีราคา เนื่องจากไม่มีเอนด์พอยต์ ตัวเลขที่ BFL เปิดเผยเพียงอย่างเดียวคือสำหรับระดับวิดีโอ — 0.06 ดอลลาร์ต่อวินาทีสำหรับฉบับร่าง, 0.17 ดอลลาร์ต่อวินาทีสำหรับ HD และ 0.29 ดอลลาร์ต่อวินาทีสำหรับ FHD สำหรับข้อความเป็นวิดีโอและภาพเป็นวิดีโอ ประมาณสองเท่าสำหรับวิดีโอเป็นวิดีโอ — ซึ่งอย่างน้อยก็บ่งชี้ว่า BFL ตั้งราคากลุ่ม Flux 3 ไว้ในระดับพรีเมียมของตลาด เมื่อระดับภาพเปิดตัว ราคาต่อภาพที่สูงกว่าระดับขั้นต่ำ 0.02 ดอลลาร์ของ xAI อย่างมากก็ไม่ใช่เรื่องน่าแปลกใจ แต่นั่นเป็นการคาดเดา ไม่ใช่ข้อเท็จจริง ข้อความที่ถูกต้องคือ BFL ยังไม่ได้ให้ราคาสำหรับภาพเลย
สิ่งที่ Flux 3 มีที่ Image 2.0 ไม่มี
กรณีของ Flux 3 ไม่เคยเกี่ยวกับภาพนิ่งในปัจจุบัน BFL ฝึกน้ำหนักชุดเดียวครอบคลุมภาพ วิดีโอ เสียง และการกระทำของหุ่นยนต์ ดังนั้น "โมเดลภาพ" จึงเป็นโมเดลเดียวกับที่ต่อมาสร้างเสียงพูดและเอฟเฟกต์ที่ซิงค์กัน ทำให้คีย์เฟรมที่ให้มาเป็นคลิปยาว 20 วินาที และ — ในแผนระยะยาว — ทำนายพฤติกรรมหุ่นยนต์ หากไปป์ไลน์ของคุณต้องการให้ตัวตนของวัตถุคงอยู่จากภาพนิ่งไปสู่งานเคลื่อนไหว หรือต้องการคำขอรูปแบบเดียวที่ครอบคลุมทุกโมดาลิตี้ นั่นคือการเดิมพันเชิงสถาปัตยกรรมที่ผลิตภัณฑ์สำหรับภาพนิ่งและตัดแต่งอย่าง Grok Imagine Image 2.0 ไม่ได้ทำ
สิ่งที่ถ่วงดุลคือ Grok Imagine Image 2.0 เป็นผลิตภัณฑ์จริงที่มีอันดับ Arena จริง — แม้จะเป็นเพียงการจัดอันดับเบื้องต้น — ในวันนี้ และ Flux 3 image คือคำมั่นสัญญาที่ได้เห็นระดับพี่น้องของตัวเองเปิดตัวไปแล้ว: FLUX 3 Video เปิดให้ใช้งานทั่วไปเมื่อวันที่ 4-5 สิงหาคม ขณะที่ระดับภาพยังอยู่ใน "อีกไม่กี่สัปดาห์" ความทะเยอทะยานด้านมัลติโมดัลไม่ใช่จุดหมายปลายทาง
ใครควรเลือกอันไหน
หากคุณต้องการแก้ไขภาพในระดับโปรดักชันในไตรมาสนี้ ไม่ว่าจะเป็นการลบพื้นหลัง การแก้ไขเฉพาะส่วน หรือการประกอบภาพจากหลายแหล่งอ้างอิง Grok Imagine Image 2.0 เป็นเพียงตัวเลือกเดียวในสองตัวที่คุณสามารถนำมาใช้ได้จริง และราคาต่อภาพที่ $0.02–$0.05 ทำให้การทดสอบพรอมต์ของคุณเองอย่างเป็นระบบมีต้นทุนต่ำพอที่จะลงมือทำได้เลย หากคุณกำลังวางแผนไปป์ไลน์ที่ครอบคลุมทั้งภาพนิ่ง วิดีโอ และเสียงจากโมเดลเดียว และคุณสามารถรอได้ Flux 3 image คือตัวเลือกที่น่าสนใจกว่า แต่เป็นเพียงการเดิมพันที่ยังไม่เปิดตัว ไม่มีกำหนดการที่ชัดเจนนอกจาก "อีกไม่กี่สัปดาห์" และไม่มีราคาระบุ
ปัจจุบันยังไม่มีโมเดลใดอยู่บน OrcaRouter: xAI เผยแพร่ Image 2.0 ผ่านแอปของตัวเองและ Developer API ส่วน BFL ส่งมอบผ่าน API ของตัวเอง และทั้งคู่ยังไม่ลงบนโฮสต์ของบุคคลที่สาม เมื่อถึงตอนนั้น ทั้งสองโมเดลก็คุ้มค่าที่จะรันผ่านเลเยอร์การจัดเส้นทางเดียว — การทดสอบ A/B ต่อภาพบนพรอมพ์ของคุณเอง การสลับไปใช้เครื่องมือสร้างภาพที่ผ่านการพิสูจน์แล้วโดยอัตโนมัติในขณะที่โมเดลใดโมเดลหนึ่งยังใหม่อยู่ และการส่งผ่านราคาโดยไม่บวกเพิ่ม 0% เพื่อให้ตารางราคาที่คุณเห็นเป็นราคารายการของผู้ให้บริการ โดยส่วนลดใดๆ จะเข้ามาในวันเดียวกัน นั่นคือวิธีที่คุณนำโมเดลอายุสองวันและโมเดลที่ยังไม่เปิดตัวมาใช้ โดยไม่ต้องเดิมพันเส้นทางการผลิตกับโมเดลใดโมเดลหนึ่ง
สรุป
Grok Imagine Image 2.0 เทียบกับ Flux 3 ไม่ใช่การแข่งที่สูสีในตอนนี้ เพราะมันไม่ใช่การแข่ง — คู่แข่งเพียงรายเดียวกำลังลงสนาม Image 2.0 มาพร้อมชุดเครื่องมือแก้ไขที่ใช้งานได้จริงในราคาต่อภาพ มีอันดับ Arena ที่เป็นจริงแต่ยังเบื้องต้น และอันดับการแก้ไขที่อ้างอิงจาก xAI ยังไม่ได้รับการยืนยันอย่างเป็นอิสระ Flux 3 image เป็นสถาปัตยกรรมที่มีความทะเยอทะยานมากกว่า ยังไม่เปิดตัว ไม่มีราคาและไม่มีตัวอย่าง หากคุณต้องการภาพในวันนี้ ทางเลือกก็ชัดเจนในตัวเอง หากคุณเดิมพันว่าการสร้างภาพกำลังไปทางไหน จับตาดูระดับภาพของ Flux 3 — และถือว่าทุกคำกล่าวอ้างในโรดแมปยังไม่ได้รับการยืนยันจนกว่าจุดสิ้นสุดจะมีอยู่จริง
