嗨，朋友们大家好，我是王婉。Garrik（应为 xAI，此处按原文保留）发布了最新的 Grok Imagine Image 2.0 模型。本次升级重点强化了提示词理解与遵循能力、排版与布局能力，以及文字清晰度；同时显著提升了对提示词中指定文字主体、细节描述和参考素材的执行准确度，并大幅增强了图片编辑能力。
在 Runway 排行榜中，Grok Imagine Image 2.0 在“图像编辑”与“文生图”两项任务中均位列全球第二。模型重点加强了对复杂提示词的理解与执行能力，并在海报、信息图等需多元素协同的复杂布局任务中，展现出更优的文字识别与排版表现，支持高质量多轮编辑。
我们首先测试底层模型升级后的基础能力：生成一张教育科普类知识卡片。这类任务比生成人物肖像更具挑战性，不仅要求图像美观，还需精准组织信息结构、文字顺序与视觉层级。
我们输入指令：“制作一张介绍 SpaceX 公司相关信息的高质量教学科普知识卡片。”模型迅速完成生成。经检查，卡片中小字号文字无错别字，信息排布合理：顶部为公司成立时间、创始人等核心信息，中英文标注清晰准确，整体结构严谨、可读性强。
接着测试其多轮编辑一致性能力。我们在原图右下角语录区添加指令：“在马斯克语录卡片中增加一张马斯克的照片。”模型成功插入照片，并自动调整原有文字位置以避免遮挡，其余区域未受干扰，编辑精准可控。
第二轮修改指令为：“在右上角宇宙背景中增加一颗火星。”生成结果中，火星元素自然融入背景，原始构图、文字、其他图形均保持不变，指令遵循度高，局部干预能力稳定。
第三项测试聚焦“局部精确编辑”功能。我们上传一张保温杯产品图，在右下角点击“精确编辑”，调出可调节笔刷，涂抹杯盖区域后输入提示：“将杯盖颜色改为哑光墨绿色。”模型仅修改指定区域，杯身、文字、阴影等其余部分完全保留，色彩过渡自然，边缘控制精准，适用于电商场景中的换色、换材质等高频需求。
第四项测试为“精准分割与图层编辑”。右侧图层面板可识别并单独选中图像中不同对象（如花纹、背景、主体等）。我们选择背景区域，输入指令：“将背景替换为学校教室中的课桌。”模型准确识别主体与背景边界，完成无缝替换，课桌纹理与光影匹配合理，主体边缘无明显伪影。
第五项测试为“智能背景移除”。上传原图后，模型自动完成前景识别与分层，右上角提供 PNG 格式透明背景素材下载选项。下载所得 PNG 文件边缘虽有轻微毛边，但已满足常规设计工具复用需求，可直接导入 Figma、Photoshop 等软件进行后续处理。
第六项测试为新增的“多图参考生成”能力。该功能支持单次任务上传最多 5 张参考图，融合风格、产品、Logo、场景、材质等多维度信息，生成高度定制化图像。
我们依次上传：图一（保温杯产品图）、图二（品牌 Logo）、图三（偏好海报风格图）、图四（使用场景图）、图五（目标杯身材质/颜色参考图）。随后输入综合指令：“将保温杯 Logo 替换为 One，保持原位；参考海报风格与场景图；替换杯身颜色；生成一张完整产品海报。”模型输出结果准确还原了指定 Logo、目标色值、场景构图，并额外补全了水面倒影等细节，指令响应完整度高，具备明确商业落地潜力。
第七项为“智能比例调整与扩图”。在右下角选择宽高比（如 16:9），模型自动对原图进行构图重适配与画面延展。测试中，模型在保留原始主体与场景逻辑前提下，智能补全两侧环境，扩展后画面协调自然，构图平衡，适用于社交媒体多平台尺寸适配。
第八项为面向视频生产的“跨图一致性构建”能力。该功能重点提升角色、场景、道具在多张图像间的视觉一致性，服务于视频分镜、游戏资产或系列内容批量生产。
我们分步生成： - 首先生成一名 25 岁中国男性角色（黑色短发、战术马甲、纯色背景、正面全身）； - 接着生成“火星真实地表”场景； - 再生成一把“黑色拉丝金属激光步枪”； - 返回首页，依次将三者设为参考内容（人物、场景、武器）； - 最后输入指令：“该角色在火星地表，右手持激光步枪进行射击训练。”
模型成功合成图像：角色姿态自然，火星地貌真实，武器细节清晰（包括枪体反光与接口结构），三者光影、比例、透视关系一致，可直接用于视频分镜或动态内容开发。