اگر امروز برای طراحی استوری‌بورد یا دارایی‌های بازی روی ابزارهای هوش مصنوعی حساب می‌کنید، باید بدانید که بازی قدرت در تولید تصویر تغییر کرده است. مدل Imagine Image 2.0 متعلق به شرکت xAI اکنون جایگاه دوم جهانی را در هر دو میدان اصلی ارزیابی تصویر به دست آورده و تنها در تعقیب GPT-Image-2 است.
طبق گزارش وب‌سایت the-decoder.com در ۸ اوت ۲۰۲۶، این مدل اکنون در حالت «Quality Mode» در وب‌سایت grok.com/imagine و اپلیکیشن‌های موبایل Grok در دسترس همگان است. همان‌طور که در تحلیل قبلی ما درباره‌ی صعود xAI در رتبه‌بندی‌های ویرایش تصویر اشاره کردیم، این نسخه نشان‌دهنده‌ی چرخش از تولید ساده به یک مجموعه‌ی خلاقیت حرفه‌ای است. این پیشرفت در واقع تکامل همان مسیری است که مدل Grok Imagine 2.0 برای تصاحب جایگاه دوم جهانی در ویرایش تصویر طی کرد. در واقع صنعت از تولید تک‌تصویری به سمت گردش‌کارهای تکرارشونده حرکت می‌کند؛ یعنی کاربر به‌جای تولید دوباره‌ی کل تصویر، پیکسل‌های خاصی را اصلاح می‌کند.
عملکرد و محک‌ها
بر اساس داده‌های ۷ اوت ۲۰۲۶، نسخه‌ی «low» این مدل در رتبه‌بندی Elo به نتایج زیر رسیده است:
- Image Edit Arena: امتیاز ۱٬۴۳۹ (در برابر ۱٬۴۶۳ برای GPT-Image-2)
- Text-to-Image Arena: امتیاز ۱٬۳۲۰ (در برابر ۱٬۳۸۰ برای GPT-Image-2)
این نتایج مدل xAI را در جایگاهی بالاتر از رقبایی چون Muse-Image متا، Gemini گوگل و Qwen-Image-3.0-Pro علی‌بابا قرار می‌دهد.
مجموعه‌ی ویرایش حرفه‌ای
این به‌روزرسانی ابزارهای دقیقی را برای کارهای تکرارشونده معرفی کرده است:
- Magic Wand: تغییر بخش‌های منتخب تصویر بدون دست‌کاری کل اثر.
- Multi-Ref Editing: ترکیب تا پنج تصویر ورودی در یک تولید واحد.
- Smart Resize: پر کردن خودکار فضاهای خالی هنگام تغییر نسبت ابعاد.
- Segmentation: انتخاب دقیق نواحی برای ویرایش یا حذف پس‌زمینه.
خط لوله‌ی تولید ویدیو
شرکت xAI این مدل را به‌عنوان پلی به سوی تولید کامل ویدیو معرفی می‌کند. این سامانه اکنون می‌تواند شخصیت‌ها، مکان‌ها و اشیا را به‌صورت مجزا تولید کند و در عین حال، سبک بصری یکسانی را در تمام دارایی‌ها حفظ کند.
برای یک کاربر تجاری، این یعنی هوش مصنوعی از یک «ماشین اسلات» — که هر بار تصادفی چیزی می‌دهد — به یک ابزار طراحی قابل‌اعتماد تبدیل شده است. حفظ ثبات شخصیت در صحنه‌های مختلف، اصطکاک تیم‌های مارکتینگ را در ساخت استوری‌بورد به‌شدت کم می‌کند.
گام بعدی شما
- قابلیت‌های Multi-Ref را برای ایجاد برندینگ بصری یکپارچه در پروژه‌های خود تست کنید.
- منتظر انتشار API مدل Imagine Image 2.0 باشید تا این ابزارهای ویرایشی را در نرم‌افزارهای داخلی خود ادغام کنید.
- تفاوت خروجی‌های حالت Quality Mode را با مدل‌های متن‌باز مقایسه کنید.
اما داستان سخت‌افزاری این تحول حتی شگفت‌انگیزتر است — به تحلیل ما درباره‌ی تراشه‌های Blackwell مراجعه کنید.
گفتگو