xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 to model generowania i edycji obrazów od xAI, wymieniony na api14 pod identyfikatorem modelu x-ai/grok-imagine-image-2.0. Należy do kategorii obrazów i jest zbudowany do dwóch powiązanych zadań: tworzenia obrazów na podstawie promptów tekstowych oraz edycji obrazów na podstawie referencji. Jeśli już kierujesz inne modele xAI przez swój stos, ten rozszerza tę linię na wyniki wizualne zamiast tekstowych.

Model przyjmuje dane wejściowe tekstowe i obrazowe, a zwraca obrazy. Ma długość kontekstu 65536 tokenów i maksymalne wyjście 58982 tokenów. Generowanie jest kontrolowane przez parametry obrazu: rozdzielczość można ustawić na 1K lub 2K, jakość może być low lub medium, a proporcje obsługują szeroki zestaw wartości, w tym 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 oraz auto. Parametr n przyjmuje wartość od 1 do 1, więc każde żądanie tworzy pojedynczy obraz. Referencje wejściowe przyjmują od 0 do 3 obrazów, co umożliwia edycję opartą na referencjach obok zwykłego tworzenia obrazów z tekstu.

Te możliwości wskazują na kilka praktycznych wzorców. Prompt tekstowy bez referencji obejmuje prostą generację, na przykład tworzenie pojedynczego zasobu w wybranych proporcjach i rozdzielczości. Dostarczenie od jednej do trzech referencji wejściowych przenosi model w obszar edycji i wariacji, gdzie kierujesz wynikiem na podstawie istniejących obrazów, zamiast opisywać wszystko od zera. Lista proporcji jest wystarczająco szeroka, aby objąć formaty kwadratowe, portretowe, krajobrazowe oraz wysokie lub szerokie, więc możesz celować w konkretne miejsca docelowe bez przycinania po obróbce. Ustawienia jakości low i medium pozwalają wybierać między szybszymi szkicami a bardziej dopracowanym wynikiem w ramach tego samego modelu.

Wywołujesz go przez API zgodne z OpenAI na api14, używając identyfikatora modelu x-ai/grok-imagine-image-2.0. Obsługiwane parametry żądania to logprobs, max_tokens, response_format, seed, temperature, top_logprobs oraz top_p. Parametr seed jest przydatny, gdy chcesz uzyskać powtarzalny wynik między uruchomieniami, a temperature i top_p dają kontrolę nad tym, ile zmienności otrzymujesz między wywołaniami. Ponieważ interfejs jest zgodny z formatem OpenAI, możesz skierować istniejące biblioteki klienckie na api14 i zmienić identyfikator modelu, zamiast przepisywać integrację.

Kilka ograniczeń warto zauważyć przed podjęciem decyzji. Wynikiem są wyłącznie obrazy, więc jeśli potrzebujesz tekstu zwrotnego z tego samego wywołania, ten model się do tego nie nadaje. Każde żądanie zwraca dokładnie jeden obraz, więc przepływy w stylu wsadowym wymagają wielu wywołań. Referencje wejściowe są ograniczone do trzech, co ogranicza ilość kontekstu wizualnego, jaki możesz dostarczyć do edycji. Jeśli twoim zadaniem jest generowanie lub analiza tekstu, a nie tworzenie i edycja obrazów, lepiej pasować będzie model tekstowy na api14.