xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 es un modelo de generación y edición de imágenes de xAI, listado en api14 bajo el id de modelo x-ai/grok-imagine-image-2.0. Se ubica en la categoría de imagen y está diseñado para dos tareas relacionadas: crear imágenes a partir de prompts de texto y editar imágenes a partir de referencias. Si ya enrutas otros modelos de xAI a través de tu stack, este extiende esa línea hacia la salida visual en lugar de texto.

El modelo acepta entradas de texto e imagen y devuelve imágenes. Tiene una longitud de contexto de 65536 tokens y una salida máxima de 58982 tokens. La generación se controla mediante parámetros de imagen: la resolución se puede establecer en 1K o 2K, la calidad puede ser low o medium, y la relación de aspecto admite un amplio conjunto de valores, incluidos 1:1, 3:4, 4:3, 9:16, 16:9, 2:3, 3:2, 9:19.5, 19.5:9, 9:20, 20:9, 1:2, 2:1 y auto. El parámetro n acepta un valor de 1 a 1, por lo que cada solicitud produce una sola imagen. Las referencias de entrada aceptan de 0 a 3 imágenes, lo que hace posible la edición basada en referencias junto con el trabajo de texto a imagen simple.

Esas capacidades apuntan a unos pocos patrones prácticos. Un prompt de texto sin referencias cubre la generación directa, como producir un único recurso con una relación de aspecto y resolución elegidas. Proporcionar de una a tres referencias de entrada desplaza el modelo al terreno de la edición y la variación, donde guías el resultado a partir de imágenes existentes en lugar de describir todo desde cero. La lista de relaciones de aspecto es lo bastante amplia para cubrir formatos cuadrados, verticales, horizontales y altos o anchos, por lo que puedes apuntar a ubicaciones específicas sin recortes de posprocesamiento. Los ajustes de calidad low y medium te permiten elegir entre borradores más rápidos y una salida más acabada dentro del mismo modelo.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo x-ai/grok-imagine-image-2.0. Los parámetros de solicitud admitidos son logprobs, max_tokens, response_format, seed, temperature, top_logprobs y top_p. El parámetro seed es útil cuando quieres una salida reproducible entre ejecuciones, y temperature y top_p te dan control sobre cuánta variación obtienes entre llamadas. Como la interfaz sigue el formato de OpenAI, puedes apuntar bibliotecas cliente existentes a api14 y cambiar el id de modelo en lugar de reescribir tu integración.

Vale la pena señalar algunas restricciones antes de comprometerte. La salida es solo imágenes, así que si necesitas texto de vuelta de la misma llamada, este no es el modelo para eso. Cada solicitud devuelve exactamente una imagen, por lo que los flujos de trabajo por lotes necesitan múltiples llamadas. Las referencias de entrada tienen un límite de tres, lo que limita cuánto contexto visual puedes proporcionar para una edición. Si tu tarea es generación o análisis de texto en lugar de creación y edición de imágenes, un modelo de texto en api14 encajará mejor.