xAI ha puesto en general Imagine Image 2.0, su nuevo modelo de imagen dentro de Grok, y por primera vez se planta a distancia de tiro de OpenAI en las tablas públicas. Según las mediciones recogidas por The Decoder, el modelo marca 1.439 puntos en Image Edit Arena frente a los 1.463 de GPT-Image-2. Son 24 puntos.
El lanzamiento fue el 7 de agosto. Está como Quality Mode en grok.com/imagine y dentro de las apps de iOS y Android.
Puntos clave
- Segundo puesto mundial en las dos tablas de Arena: 1.439 en edición y 1.320 en texto a imagen.
- GPT-Image-2 sigue primero en ambas, con 1.463 y 1.380.
- Edición regional: varita para tocar solo la zona seleccionada, segmentación por regiones y recorte de fondo con transparencia.
- Multi-Ref combina hasta cinco imágenes de entrada en una sola generación. Smart Resize reencuadra a nueve proporciones distintas.
- La API no está abierta todavía.
Lo que cambia respecto a la versión anterior
El salto de esta versión está en la edición, no en generar desde cero. Hasta ahora, cambiarle el color a un producto en una foto ya generada obligaba a repetir el prompt entero y aceptar que el resto de la imagen se moviera. La varita y la segmentación acotan el cambio a la zona que marcas.
El otro cambio va de tipografía. xAI dice que el modelo planifica el texto y el layout antes de renderizar, y que aguanta visuales densos con texto pequeño legible. Es el punto donde casi todos los generadores se caen: pides un banner con cuatro líneas de copy y salen letras deformadas.
Hay plantillas listas para lo repetitivo: edición de fotos, cambio de color de producto, fotografía de ecommerce, retratos profesionales, iconos, sprites de personaje, emojis y merchandising. Ese catálogo dice bastante de a quién apuntan.
La distancia con OpenAI no es la misma en las dos tablas
Conviene separar los dos números. En edición, 24 puntos de Elo es una diferencia que un usuario normal no va a notar en la mayoría de casos. En texto a imagen son 60 puntos, y ahí sí se nota.
O sea, xAI se ha acercado mucho en retocar y menos en crear. Tiene lógica: la edición regional es un problema más acotado y más fácil de atacar con producto.
También hay que coger las tablas de Arena con la pinza de siempre. Son votos de preferencia humana en comparaciones a ciegas, no una medida de si el modelo te sirve para tu caso. Un modelo puede ganar en Arena y fallarte en lo único que necesitas.
La API cerrada es el detalle que importa
xAI ha lanzado el modelo sin acceso por API y sin decir cuándo llegará. Para un usuario suelto da igual. Para una empresa que quiera meter esto dentro de un proceso, no da igual nada.
Es el mismo patrón que llevamos viendo con Grok todo el verano: primero el vídeo con referencias y voz a principios de agosto, luego 1080p nativo tres días después, y ahora las imágenes. Ritmo alto en producto, acceso programático por detrás.
Por qué importa
Si en tu empresa generáis imagen de producto o creatividades para ads, esto entra en la comparativa a partir de hoy, pero solo por interfaz. Sin API no hay automatización posible, y ahí es donde está el ahorro real: no en generar una imagen bonita, sino en generar 400 fichas de producto sin que nadie las toque.
Mi recomendación práctica es probar la edición regional con vuestro caso peor, el que hoy os obliga a abrir Photoshop. Si la varita y la segmentación os resuelven eso, apuntadlo y esperad a la API. Si no, seguid con lo que ya tenéis montado. Cambiar de modelo cuesta más de lo que parece cuando ya tienes plantillas y prompts afinados detrás.
Relacionado
