xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 é um modelo de geração e edição de imagens da xAI, listado na api14 sob o id de modelo x-ai/grok-imagine-image-2.0. Ele está na categoria de imagens e foi criado para duas tarefas relacionadas: criar imagens a partir de prompts de texto e editar imagens a partir de referências. Se você já encaminha outros modelos xAI pela sua stack, este estende essa linha para saída visual em vez de texto.

O modelo aceita entradas de texto e imagem e retorna imagens. Ele tem um comprimento de contexto de 65536 tokens e uma saída máxima de 58982 tokens. A geração é controlada por parâmetros de imagem: a resolução pode ser definida como 1K ou 2K, a qualidade pode ser low ou medium, e a proporção de aspecto suporta um amplo conjunto de valores, incluindo 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. O parâmetro n aceita um valor de 1 a 1, então cada requisição produz uma única imagem. As referências de entrada aceitam de 0 a 3 imagens, e é isso que torna possível a edição baseada em referência junto com o trabalho simples de texto para imagem.

Essas capacidades apontam para alguns padrões práticos. Um prompt de texto sem referências cobre a geração direta, como produzir um único asset em uma proporção de aspecto e resolução escolhidas. Fornecer de uma a três referências de entrada desloca o modelo para o território de edição e variação, onde você guia o resultado a partir de imagens existentes em vez de descrever tudo do zero. A lista de proporções de aspecto é ampla o suficiente para cobrir formatos quadrado, retrato, paisagem e alto ou largo, então você pode mirar posicionamentos específicos sem cortes de pós processamento. As configurações de qualidade low e medium permitem escolher entre rascunhos mais rápidos e uma saída mais finalizada dentro do mesmo modelo.

Você o chama pela API compatível com OpenAI da api14 usando o id de modelo x-ai/grok-imagine-image-2.0. Os parâmetros de requisição suportados são logprobs, max_tokens, response_format, seed, temperature, top_logprobs e top_p. O parâmetro seed é útil quando você quer saída reproduzível entre execuções, e temperature e top_p dão controle sobre quanta variação você obtém entre chamadas. Como a interface segue o formato OpenAI, você pode apontar bibliotecas de cliente existentes para a api14 e mudar o id de modelo em vez de reescrever sua integração.

Algumas restrições vale a pena observar antes de se comprometer. A saída é apenas imagens, então se você precisa de texto de volta da mesma chamada, este não é o modelo para isso. Cada requisição retorna exatamente uma imagem, então fluxos de trabalho em estilo de lote precisam de múltiplas chamadas. As referências de entrada têm limite de três, o que limita quanto contexto visual você pode fornecer para uma edição. Se sua tarefa é geração ou análise de texto em vez de criação e edição de imagens, um modelo de texto na api14 se encaixará melhor.