MAI-Image-2.5-Pro vs Grok Imagine Image 2.0：影像生成領域中兩個押注編輯優先的方案

今年最有趣的兩款影像模型對這個大方向看法一致：編輯才是未來，生成只是基本門檻。MAI-Image-2.5-Pro（微軟，自 7 月 23 日起在 Foundry 公開預覽）與Grok Imagine Image 2.0（x​AI，8 月 7 日推出，作為 G​rok 應用程式的預設「Quality Mode」）都先以編輯器自居。但它們打造了不同的工具來證明這一點。微軟的模型是一台品質引擎——以手術級精準度執行編輯並維持一致性，在 Artificial Analysis Image Editing Arena 排名第一。x​AI 的模型則是一個編輯環境——一套面向使用者的工具（Magic Wand、分割、去背、Smart Resize）圍繞著生成器打造，而該生成器在另一個大型競技場上排名第二至第三。一個以保真度衡量，另一個以工作流程衡量。這才是兩者真正的差異。

編輯工具集的形狀並不相同

• MAI-Image-2.5-Pro——引擎，而非工具箱。你提供指令與圖像；它執行精準的手術級編輯——針對性物件替換、版面變更、圖內文字更新、瑕疵清除——同時在多次疊代中維持主體身分、光線與紋理一致。微軟宣稱的94%多圖角色一致性（廠商自報數據）就是其核心賣點：改變一件事，其餘全部保留。

• Grok Imagine Image 2.0 — 一個環境。它配備了 Magic Wand（僅編輯所選區域）、Segmentation（重新著色或替換精確區域）、背景移除、多參考輸入（消費級應用程式中最多 5 張影像，API 中最多 3 張）、Smart Resize（將一張影像重新組合成九種長寬比），以及用於產品攝影、頭像、電子商務、遊戲資產和行銷海報的 Templates。

閱讀該清單後，定位就變得清晰：MAI-Image-2.5-Pro 是開發者將 API 指向的模型；Grok Imagine Image 2.0 是一個人坐在 UI 中使用的模型。xAI 在推出時稱其為「編輯環境」，而這套工具正是如此。

每個項目的排名

• MAI-Image-2.5-Pro — 在 Artificial Analysis Image Editing Arena 排名第一（Elo 1,272，約 6,100 票盲測）；文字轉圖片排名第七（1,292 Elo）。獨立盲測偏好評分。

• Grok Imagine Image 2.0 — x​AI 的發布宣稱是在 Arena 的文字轉圖像排行榜上位居全球第 2，僅次於 GPT Image 2；到了 8 月 10 日的快照，它已降至第 3 名（Elo 1,316），落後於 GPT Image 2（1,381）和微軟較新的 MAI-Image-2.6（1,336）。這項排名是獨立且初步的，而 x​AI「全球第 2 名」的說法應如實標註為：廠商發布時的宣稱，現行排行榜已對此作出修正。

兩款模型都沒能在對方的主場領先，也都沒有佔據對方主要榜單的頂端。最清楚的解讀方式是：Microsoft 的模型擁有編輯評分的優勢，x​AI 的模型則擁有工具鏈的優勢，並在生成方面接近頂端。

文字渲染，決定性功能

圖像內文字是兩者差異最為懸殊的領域，也是獨立證據呈現一面倒之處。Microsoft 聲稱 MAI-Image-2.5-Pro 在英文、中文、日文、韓文與西班牙文上具備 96.8% 的文字渲染準確率——這是廠商自行回報、未經驗證的數據，且伴隨百萬像素輸出上限，但確實是一項涵蓋多語言的實際宣稱能力。Grok Imagine Image 2.0 的獨立測試結果，由 OrcaRouter 針對該模型與 GPT Image 2 的評測所發布，發現它在渲染 CJK 文字時並不可靠——在一項測試中，當電影海報標題要求簡體中文時，它卻渲染出繁體中文，這對本地化廣告工作來說是嚴重的失格。對於任何需要在圖像中呈現可讀文字的工作流程，MAI-Image-2.5-Pro 在紙面上是更安全的選擇；而 Grok 的文字品質則需先在你自己的素材上通過測試，才能放心使用。

價格

• MAI-Image-2.5-Pro — 按 token 計費：文字輸入每百萬 $5，圖像輸入每百萬 $8，圖像輸出每百萬 token $106。根據 Artificial Analysis 的換算，一張 1024×1024 的圖像接近 $108.50 每 1,000。

• Grok Imagine Image 2.0—— 按圖計價的固定費率，無需代幣：品質等級（`grok-imagine-image-quality`）在 1K 或 2K 解析度下每張影像 0.05 美元，標準等級每張 0.02 美元，編輯時會同時對輸入與輸出計費。以 1K 計算，即 每 1,000 張品質影像 50 美元—— 大約是 MAI-Image-2.5-Pro 每千張價格的一半，且費用固定，不會隨提示詞長度而波動。

定價模式在設計理念上截然不同。微軟的 token 計量會懲罰長提示詞與大規模輸出；{{1}}xAI{{/1}} 的單張圖片固定費率則可預測且不受提示詞長度影響。在大量使用的情境下，固定費率更容易預測成本，而且{{2}}其品質等級的標價比 MAI-Image-2.5-Pro 更便宜{{/2}}。

可用性與路由角度

兩者皆可使用，但途徑不同。MAI-Image-2.5-Pro 是 Microsoft Foundry 的預覽版，也可透過 MAI Playground 使用——你需要 Microsoft 帳戶，並適用預覽版價目表。Grok Imagine Image 2.0 於 8 月 7 日隨 x​AI 的消費級應用程式推出，其品質等級可透過 x​AI 的 Imagine API 呼叫；自 8 月中旬起，也可在 OrcaRouter 的 OpenAI 相容端點上使用，標準等級與品質等級共用同一金鑰，供應商價格以 0% 加成原價轉嫁，並自動故障轉移至 GPT Image 2 等備援模型。

這帶來的實際差異在於：在生產管線中採用 Grok Imagine Image 2.0，只需在您可能已在使用的端點上變更模型字串，價格便宜且採固定費率，並針對它失誤的情況內建了備援方案——這正是路由層所要捕捉的失敗模式。採用 MAI-Image-2.5-Pro 則意味著目前必須直接與 Foundry 簽約，而關於路由的誠實說明仍與一個月前相同：當微軟的預覽版可透過第三方 API 廣泛呼叫時，同一種一鍵模式才會對它開放。

裁決

選擇MAI-Image-2.5-Pro當你的工作是對現有圖像進行高保真編輯，且輸出必須經得起考驗——它是 Artificial Analysis 上獨立評測的 #1 編輯器，它宣稱具備真正的多語言文字渲染能力，而且定價也與之相稱。選擇Grok Imagine Image 2.0當你想要一個具備實際工具的編輯工作流程、一個易於預測且每張圖像成本約為一半的固定價格，以及一個你今天就能使用並搭配備援方案進行路由的模型。誠實的框架不是「哪個更好」——而是哪個賭注符合你的工作流程：Microsoft 賭的是保真度贏得編輯，x​AI 賭的是工具組贏得使用者。兩者都站得住腳；你的輸出品質要求和你對文字渲染風險的容忍度，才是打破僵局的關鍵。