xAI: Grok Imagine Image 2.0

Grok Imagine Image 2.0 är en bildgenererings och bildredigeringsmodell från xAI, listad på api14 under modell-id x-ai/grok-imagine-image-2.0. Den tillhör kategorin bild och är byggd för två relaterade uppgifter: att skapa bilder från textpromptar och att redigera bilder från referenser. Om du redan dirigerar andra xAI-modeller genom din stack utökar denna den linjen till visuell output istället för text.

Modellen tar emot text och bildindata och returnerar bilder. Den har en kontextlängd på 65536 tokens och en maximal output på 58982 tokens. Genereringen styrs genom bildparametrar: upplösning kan ställas in på 1K eller 2K, kvalitet kan vara low eller medium, och bildförhållande stöder en bred uppsättning värden inklusive 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 och auto. Parametern n accepterar ett värde från 1 till 1, så varje begäran producerar en enda bild. Indatareferenser accepterar från 0 till 3 bilder, vilket är det som gör referensbaserad redigering möjlig vid sidan av vanligt text till bild-arbete.

Dessa funktioner pekar mot några praktiska mönster. En textprompt utan referenser täcker enkel generering, till exempel att producera en enskild tillgång vid ett valt bildförhållande och vald upplösning. Att ange en till tre indatareferenser förflyttar modellen in i redigering och variationsområdet, där du styr resultatet från befintliga bilder istället för att beskriva allt från grunden. Listan över bildförhållanden är tillräckligt bred för att täcka kvadratiska, porträtt, landskap och höga eller breda format, så du kan rikta in dig på specifika placeringar utan efterbehandling av beskärningar. Kvalitetsinställningarna low och medium låter dig välja mellan snabbare utkast och mer färdig output inom samma modell.

Du anropar den genom api14:s OpenAI-kompatibla API med modell-id x-ai/grok-imagine-image-2.0. De stödda begärandeparametrarna är logprobs, max_tokens, response_format, seed, temperature, top_logprobs och top_p. Parametern seed är användbar när du vill ha reproducerbar output mellan körningar, och temperature och top_p ger dig kontroll över hur mycket variation du får mellan anrop. Eftersom gränssnittet följer OpenAI-formatet kan du peka befintliga klientbibliotek mot api14 och ändra modell-id istället för att skriva om din integration.

Några begränsningar är värda att notera innan du binder dig. Output är endast bilder, så om du behöver text tillbaka från samma anrop är detta inte modellen för det. Varje begäran returnerar exakt en bild, så batch-liknande arbetsflöden kräver flera anrop. Indatareferenser är begränsade till tre, vilket begränsar hur mycket visuell kontext du kan tillhandahålla för en redigering. Om din uppgift är textgenerering eller analys snarare än bildskapande och bildredigering passar en textmodell på api14 bättre.