马斯克生图模型冲到全球第二

SpaceXAI 今天（2026 年 8 月 8 日）正式推出 Imagine Image 2.0，并将其作为新的质量模式（Quality Mode）上线 Grok.com、iOS 与 Android 应用。按照公司引用的 Arena 排行榜数据，截至 8 月 7 日，该模型在文生图与图像编辑两个项目上均位列全球第二，仅次于 OpenAI 的 GPT Image 2。

**Imagine Image 2.0 是 SpaceXAI 面向摄影、设计和插画场景推出的新一代图像生成与编辑模型。**它并非只追求单张图片更漂亮，而是重点解决指令遵循、画面文字、局部修改、参考素材复用以及连续多轮编辑中的一致性问题。

一次更新，核心不是“更会画”

**Imagine Image 2.0 的产品方向已经从一次性生图转向可迭代的视觉制作。**SpaceXAI 在发布说明中直接承认，真实工作里的第一张生成图很少是最终成品，用户往往要改文字、换背景、挪动物体、扩展尺寸，再把同一套视觉适配到不同平台。

这也是当前 AI 图像模型竞争的分水岭。早期模型更像一个抽卡机：输入提示词，等待一张足够惊艳的结果；新一代模型则更像一个听得懂自然语言的设计助理，重点不是第一稿能否“出片”，而是第二轮、第三轮修改时，能否只动用户要求修改的部分。

Imagine Image 2.0 本次公开的关键能力可以概括为五项。

| 能力 | Imagine Image 2.0 的实现 | 解决的问题 | |---|---|---| | 指令遵循 | 处理更细致的对象、位置、风格和版式要求 | 复杂提示词容易漏要求 | | 文字与排版 | 预先规划文字位置和版式结构，增强小字号清晰度 | 海报文字乱码、层级混乱 | | 多轮一致性 | 连续生成和编辑时保留主体及既有设定 | 修改背景后人物或产品变样 | | 局部编辑 | 提供魔棒、分割和背景移除等工具 | AI 经常“改一处、毁全图” | | 多素材复用 | 单次最多输入 5 张参考图 | 减少手工抠图与素材拼接 | | 智能改尺寸 | 根据目标比例补全画面，而非机械裁切 | 同一素材难以适配多个平台 |

文字能力正在决定模型能否进入生产环节

**Imagine Image 2.0 对画面文字和版式的升级，比单纯提高照片质感更有商业价值。**SpaceXAI 表示，模型会在复杂视觉内容中规划文字排版和整体结构，使多个画面区域保持一致，同时改善小字号文字的可读性。

AI 生图过去最尴尬的场景不是画不出人物，而是做不好一张真正能交付的海报。模型可以生成逼真的商品、灯光和布景，却可能把标题拼错，把价格写成不存在的数字，或者让正文像随机符号一样糊在背景上。最终用户仍要把图片导入 Photoshop、Figma 或 Canva，重新覆盖全部文字。

**文字渲染能力实际上同时考验语言理解、空间规划和像素生成。**模型不仅要知道一段文字应该写什么，还要判断标题、卖点、价格和行动按钮之间的视觉层级，并为不同长度的文字预留空间。它更像是在执行一次小型版式设计，而不是简单地把字符画进图片。

Imagine Image 2.0 目前宣称能够提升小字号清晰度，但这不等于已经彻底解决商业排版。短标题、包装标签和大号数字通常相对容易，密集正文、多语言混排、复杂表格以及必须逐字准确的法律声明，仍然是更严苛的测试项目。对品牌物料而言，人工校对依然不能省略。

多轮编辑才是这次更新的主战场

**Imagine Image 2.0 最重要的升级是让同一张图可以连续修改，而不必每次推倒重来。**官方强调，模型会在多轮生成和编辑过程中保留用户输入的主体与设定，这意味着人物身份、产品外形、构图关系和整体风格理论上可以跨轮次延续。

例如，用户先生成一张运动鞋广告，第二轮要求把背景从摄影棚换成雨夜街道，第三轮再把画面扩展为 9:16，第四轮修改右上角文案。理想状态下，鞋子的轮廓、材质、Logo 位置和镜头角度都不应该发生变化。

**多轮一致性的难点在于模型必须区分“需要改变的变量”和“必须锁定的变量”。**传统图生图经常把整张图片重新采样，即便用户只要求改一行字，人物面部、商品纹理和背景细节也可能一起漂移。Image 2.0 若能稳定保留主体，就会显著减少反复抽图和后期修补的时间。

这项能力对电商和营销团队尤其关键。一个商品通常要生成横幅、方形信息流、竖版短视频封面和详情页配图，如果每个尺寸中的产品都长得不一样，这套素材就无法通过品牌审核。模型的一致性因此不是审美问题，而是能否进入生产管线的问题。

魔棒、分割和透明背景，把 AI 变成编辑器

**SpaceXAI 正在为 Imagine 增加传统图像软件中最常用的选择与抠图能力。**本次更新包含魔棒工具、图像分割、背景移除和智能尺寸调整，这些功能的共同目标是把编辑范围控制得更精确。

• **魔棒工具是根据用户指向的区域执行修改、同时尽量保持其他区域不变的局部编辑功能。**它适合改衣服颜色、替换桌面物品或调整人物配饰。
• **图像分割是识别并选中特定主体或区域的视觉分区能力。**它比只靠文字描述“修改左边第二个杯子”更可靠，也能降低模型误改相邻对象的概率。
• **背景移除是将前景主体导出为透明背景素材的功能。**用户可以直接把商品、人物或插画元素放入新的版式，减少额外抠图步骤。
• **智能尺寸调整是根据目标宽高比生成缺失画面，而非简单拉伸或裁切原图的功能。**模型需要向外补充场景，同时维持透视、光线和风格连续。

**这些工具的组合让 Imagine 2.0 更接近一个自然语言驱动的轻量设计工作台。**专业设计软件当然仍有图层、蒙版、路径和色彩管理等优势，但大量社交媒体配图、电商素材与运营海报并不需要完整的 Photoshop 工作流，能够准确选区、换背景和扩图已经覆盖了高频需求。

最多五张参考图，针对的是素材拼装成本

**Imagine Image 2.0 在 Grok 产品中支持单次输入最多 5 张参考图。**用户可以同时提供人物、商品、场景、姿势和风格样本，再让模型把这些视觉条件整合成一张新图，减少人工抠图和合成。

五图参考对品牌制作很实用。用户可以提供一张产品正面图、一张侧面图、一张品牌色板、一张目标构图和一张摄影风格参考，要求模型生成新的广告主视觉。相比把所有信息压缩进提示词，直接使用参考图更容易表达材质、比例和视觉气质。

**多参考图能力也会带来更高的一致性要求。**模型必须判断每张图片承担什么角色，而不是把所有元素机械混合。如果人物参考与姿势参考冲突，或者产品图与风格图的光线方向不同，模型是否能正确分配优先级，才是实际效果的关键。

这里还需要区分产品界面与开发者接口。SpaceXAI 此次明确公布的是 Grok 中最多 5 张图片的编辑体验，而此前 Imagine 开发者文档披露过的多图输入数量与此并不完全相同；截至 8 月 8 日，官方公告没有确认所有接口限制已经同步升级到 5 张，也没有公布名为 Imagine Image 2.0 的独立接口版本号。

全球第二很亮眼，但排行榜不是最终答案

**Imagine Image 2.0 已经进入第一梯队，但“全球第二”需要放回具体评测口径理解。**SpaceXAI 引用 Arena Text-to-Image 和 Image Edit 排行榜称，截至 2026 年 8 月 7 日，该模型在文生图与图像编辑两项排名中均为第二，第一名是 OpenAI GPT Image 2。

Arena 是基于用户成对比较结果形成排名的模型竞技场。用户通常会看到同一提示词对应的两个匿名结果，再选择更好的一张；大量投票汇总后形成相对排名。它比只计算图文相似度的自动指标更接近人类偏好，但也会受到参评样本、提示词分布、投票数量和用户审美影响。

**排名第二说明 Image 2.0 的综合观感和指令执行已经很强，却不能证明它在所有任务上都稳定第二。**摄影写实、海报设计、信息图、动漫插画和局部编辑属于不同问题，一个模型可能擅长电影感画面，却在小字准确率上落后；也可能编辑能力很强，但生成速度与成本不适合批量任务。

| 对比项 | Imagine Image 2.0 | OpenAI GPT Image 2 | |---|---|---| | Arena 文生图排名 | 截至 8 月 7 日第 2 | 截至 8 月 7 日第 1 | | Arena 图像编辑排名 | 截至 8 月 7 日第 2 | 截至 8 月 7 日第 1 | | 多参考图 | Grok 产品内最多 5 张 | 公开产品资料显示支持多参考图工作流 | | 局部编辑 | 魔棒、分割、背景移除 | 支持自然语言定向编辑 | | 尺寸适配 | 支持智能补全画面 | 支持重构与不同画幅输出 | | 文字排版 | 强调小字号和多区域版式 | 文字渲染是其核心优势之一 | | 本次发布价格 | 未单独公布 | 不适用本次发布 | | 当前入口 | Grok 网页、iOS、Android | ChatGPT 及 OpenAI 图像产品 |

**SpaceXAI 与 OpenAI 的差距已经从“能不能做”缩小到“谁更稳定、谁更容易修改”。**GPT Image 2 仍占据榜首，并在文字渲染和复杂设计任务上保持强势；Imagine Image 2.0 的优势则是把局部选择、背景移除、五图参考和尺寸调整集中进 Grok，产品体验更像围绕真实修改流程设计。

Quality Mode 不等于一个已公开的新 API 名称

**Imagine Image 2.0 当前首先是 Grok 面向用户推出的质量模式。**用户可以在 Grok.com、iOS 和 Android 版应用中选择新模式，但官方本次没有同步公布独立的 Image 2.0 接口端点、上下文限制或单张生成价格。

SpaceXAI 现有开发者文档使用过 grok-imagine-image-quality 等模型标识，不过不能仅凭 Quality Mode 的名称就断定该标识已经无缝指向本次 2.0 更新。对准备接入生产环境的开发者而言，模型别名是否滚动更新、五图输入是否开放、输出分辨率和计费是否变化，都应以最新控制台与官方模型页面为准。

**本次公告没有披露生成延迟、失败率、最高输出分辨率和单位成本。**这些数字直接决定模型是否适合批量生产：广告团队可能更在意一次生成数百张素材的成本与吞吐量，设计师则更在意连续编辑十轮后主体是否仍然稳定。仅凭排行榜无法回答这些工程问题。

这次升级最适合哪些人

**Imagine Image 2.0 对需要快速完成多版本视觉素材的团队最有价值。**它尤其适合电商运营、社交媒体营销、独立开发者、内容创作者和需要快速验证创意方向的小型设计团队。

典型工作流可以是：先用多张参考图确定商品与品牌风格，再生成几套主视觉；选中一套后用魔棒修改局部元素，通过分割功能替换背景；随后移除背景导出透明主体，最后智能扩展为 1:1、4:5、16:9 和 9:16 等不同画幅。

**专业设计师不会因此立刻放弃传统软件。**需要像素级控制、可编辑矢量路径、严格印刷色彩、复杂图层协作和可追溯版本管理的项目，仍然离不开成熟工具。Imagine 2.0 更可能吃掉的是设计流程前半段：创意探索、素材草拟、快速变体和低成本适配。

真正的考验是第十次修改，而不是第一张样片

**Imagine Image 2.0 是 SpaceXAI 迄今最接近生产工具的一次图像模型升级。**全球第二的 Arena 名次足够吸引眼球，但魔棒、分割、五图参考、透明背景和智能改尺寸，才是更值得关注的部分。

AI 图像模型已经不缺“第一眼很惊艳”的样片，缺的是可控性。用户真正需要的是：改标题时别动人物，换背景时别改商品，扩展画幅时别破坏构图，连续修改后也别忘记最初设定。谁能把这些看似琐碎的要求做稳，谁才更可能进入设计和营销团队的日常工具箱。

**截至 2026 年 8 月 8 日，OpenAI 仍在榜首，SpaceXAI 已经追到身后。**Imagine Image 2.0 还需要接受真实用户在中文排版、复杂编辑、主体一致性、生成速度和批量成本上的检验，但它至少说明了一件事：下一阶段的 AI 生图竞争，不再是比谁更会画，而是比谁更少返工。

参考来源

• IT之家：SpaceXAI 推出 Imagine Image 2.0，强化 AI 生图与编辑能力——整理了 2026 年 8 月 8 日发布信息、主要编辑功能与 Arena 排名数据。