xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 è un modello di generazione e modifica di immagini di xAI, elencato su api14 con l'id modello x-ai/grok-imagine-image-2.0. Si colloca nella categoria immagini ed è progettato per due attività correlate: creare immagini da prompt testuali e modificare immagini da riferimenti. Se già instradi altri modelli xAI attraverso il tuo stack, questo estende quella linea verso l'output visivo anziché testuale.

Il modello accetta input testuali e immagini e restituisce immagini. Ha una lunghezza di contesto di 65536 token e un output massimo di 58982 token. La generazione è controllata tramite parametri immagine: la risoluzione può essere impostata su 1K o 2K, la qualità può essere low o medium, e l'aspect ratio supporta un ampio insieme di valori tra cui 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 e auto. Il parametro n accetta un valore da 1 a 1, quindi ogni richiesta produce una singola immagine. I riferimenti di input accettano da 0 a 3 immagini, ed è questo che rende possibile la modifica basata su riferimenti accanto al semplice lavoro da testo a immagine.

Queste capacità indicano alcuni schemi pratici. Un prompt testuale senza riferimenti copre la generazione semplice, ad esempio produrre un singolo asset con un aspect ratio e una risoluzione scelti. Fornire da uno a tre riferimenti di input sposta il modello nel territorio della modifica e delle varianti, dove guidi il risultato da immagini esistenti invece di descrivere tutto da zero. L'elenco degli aspect ratio è abbastanza ampio da coprire formati quadrati, verticali, orizzontali e alti o larghi, così puoi puntare a posizionamenti specifici senza ritagli di post elaborazione. Le impostazioni di qualità low e medium ti permettono di scegliere tra bozze più rapide e output più rifinito all'interno dello stesso modello.

Lo chiami attraverso l'API compatibile con OpenAI di api14 usando l'id modello x-ai/grok-imagine-image-2.0. I parametri di richiesta supportati sono logprobs, max_tokens, response_format, seed, temperature, top_logprobs e top_p. Il parametro seed è utile quando vuoi un output riproducibile tra esecuzioni, e temperature e top_p ti danno controllo su quanta variazione ottieni tra le chiamate. Poiché l'interfaccia segue il formato OpenAI, puoi indirizzare le librerie client esistenti verso api14 e cambiare l'id modello invece di riscrivere la tua integrazione.

Vale la pena notare alcune limitazioni prima di impegnarti. L'output è solo immagini, quindi se ti serve testo indietro dalla stessa chiamata, questo non è il modello adatto. Ogni richiesta restituisce esattamente un'immagine, quindi i flussi di lavoro in stile batch richiedono più chiamate. I riferimenti di input sono limitati a tre, il che limita quanto contesto visivo puoi fornire per una modifica. Se il tuo compito è generazione o analisi di testo anziché creazione e modifica di immagini, un modello testuale su api14 sarà più adatto.