Die meisten Bildgeneratoren gleichen einem begabten Illustrator mit einem seltsamen Gedächtnisproblem. Das erste Bild kann großartig sein. Dann bittet man darum, die blaue Tasse rot zu färben – und der Illustrator versetzt zugleich das Fenster, verändert das Gesicht der Person und tauscht die Nachmittagssonne gegen Neonlicht aus. Man erhält wieder ein schönes Bild, nur nicht das Bild, das man bearbeiten wollte.
Grok Imagine Image 2.0 wurde um genau diese zweite Bitte herum gebaut. Die wichtigste Verbesserung ist kein weiteres Adjektiv wie „filmisch“ oder „ultradetailliert“, sondern das Werkzeug rund um den Generator. Magic Wand zeigt auf die gemeinte Region. Die Segmentierung trennt ein Objekt von seiner Umgebung. Multi-ref nimmt bis zu fünf Ausgangsbilder auf. Die Hintergrundentfernung liefert ein transparentes Motiv, während Smart Resize die Szene auf neun nützliche Seitenverhältnisse erweitert. Das Modell bleibt probabilistisch – darunter liegt keine unsichtbare Photoshop-Datei mit Ebenen –, aber das Gespräch bekommt endlich etwas, woran man greifen kann.
Das ist wichtig, weil echte visuelle Arbeit aus vielen kleinen Entscheidungen besteht. Eine Ladenbesitzerin braucht selten einfach „einen schönen Sneaker“. Sie braucht denselben Sneaker auf Weiß, danach in einer quadratischen Anzeige, dann neben einer Überschrift und schließlich in einer anderen Farbe, ohne dass sich die Sohle verändert. Ein Spieleentwickler braucht eine Figur, deren Mantel, Narbe und Ausrüstung ein Porträt, ein Sprite-Sheet und eine Umgebung überstehen. Die Vorlagen und Referenzabläufe von Image 2.0 zielen genau auf diese wenig glamouröse Strecke zwischen einer eindrucksvollen Demo und einem wirklich verwendbaren Asset.
Auch der eigentliche Generator ist stark. In öffentlichen Blindvergleichen stieg das neu gelistete grok-imagine-image-2.0 (low) sowohl bei der Generierung als auch bei der Einzelbildbearbeitung auf Platz zwei ein. Bei Porträts, Kunst, fotorealistischen Szenen, Cartoons und Textdarstellung lag es ebenfalls weit vorne. „Low“ ist dabei die Modellbezeichnung von Arena; das Verbraucherprodukt heißt Quality Mode. Solange xAI die Bereitstellung nicht genauer erklärt, sollten wir aus diesem Wort weder eine Architektur noch eine Qualitätsstufe für Nutzer herauslesen.
Unsere Tests bestätigen den Fortschritt – allerdings mit einem gut sichtbaren Sternchen. Image 2.0 ist insgesamt besser, besonders wenn ein Prompt mehrere Objekte, Beschriftungen und anschließende Änderungen enthält. Menschen können dennoch mit Kunststoffhaut, einem vertrauten Stockfoto-Gesicht oder zu flachem CGI-Licht erscheinen. Wiederholte Bearbeitung bewahrt vielleicht den Raum und verändert dafür unbemerkt die Person darin. Diese Fehler löschen den Fortschritt nicht aus; sie erklären, warum aus einem frischen Benchmark-Platz zwei bei uns eine Empfehlung auf Platz drei wird und keine sofortige Krönung.
Vorerst sollte man sich Grok Imagine Image 2.0 als ungewöhnlich talentierten Werkstatt-Auszubildenden vorstellen. Es hört aufmerksam zu, kennt die Werkzeuge und liefert erstaunlich oft etwas, das einem Kunden gezeigt werden kann. Finger, Kleingedrucktes, Gesichter und alles, was ausdrücklich unberührt bleiben sollte, muss man trotzdem kontrollieren.
