xAIs neuer Bildgenerator "Imagine Image 2.0" landet auf Platz 2 hinter OpenAI

xAI veröffentlicht Imagine Image 2.0 mit Bearbeitungswerkzeugen und vorkonfigurierten Templates. In den Arena-Benchmarks liegt das Modell knapp hinter OpenAIs GPT-Image-2.

xAI hat Imagine Image 2.0 als neuen "Quality Mode" auf grok.com/imagine sowie in den iOS- und Android-Apps von Grok verfügbar gemacht. API-Zugang für Imagine Image 2.0 soll laut xAI in Kürze folgen.

Imagine 2.0 soll Anweisungen detailgenau umsetzen, Typografie und Layout bei komplexen Visualisierungen sauber halten und über mehrere Generationen hinweg konsistent bleiben.

In den Arena-Leaderboards (Stand 7. August 2026) erreicht die schnellere "low"-Variante des Modells jeweils den zweiten Platz weltweit. In der Image Edit Arena kommt sie auf einen Elo-Wert von 1439, hinter OpenAIs GPT-Image-2 mit 1463. In der Text-to-Image Arena liegt sie bei 1320, ebenfalls hinter GPT-Image-2 mit 1380.

Dahinter folgen unter anderem Reve 2.1, Metas Muse-Image, Alibabas Qwen-Image-3.0-Pro, Googles Gemini und ByteDances SeedDream. Das neue Modell übertrifft in diesen Tests auch die "Quality"-Variante des Vorgängers deutlich.

Bearbeitungswerkzeuge für iterative Workflows

Imagine Image 2.0 bringt mehrere Bearbeitungsfunktionen mit. Ein "Magic Wand" genanntes Tool verändert laut xAI nur den markierten Bereich eines Bildes. Eine Segmentierungsfunktion erlaubt die Auswahl präziser Bildbereiche, eine Hintergrundentfernung exportiert Motive mit transparentem Hintergrund.

Mit Multi-Ref-Editing lassen sich bis zu fünf Eingabebilder in einer einzigen Generation kombinieren. "Smart Resize" wandelt ein bestehendes Bild in ein beliebiges Seitenverhältnis um, wobei das Modell den zusätzlichen Bildraum selbstständig füllt.

Templates und Videoplanung

Zusätzlich führt xAI sogenannte Templates ein, die häufige Bild-Workflows in vorkonfigurierte Ausgangspunkte bündeln. Die Kategorien reichen von Fotobearbeitung und Produktfotografie über Marketing-Material und Design-Werkzeuge hin zu Game-Assets und Streaming-Emojis.

Außerdem zeigt xAI eine Funktion, mit der sich Charaktere, Orte und Requisiten separat generieren lassen, wobei der Stil über alle Bilder hinweg konsistent bleiben soll. Das Unternehmen positioniert dies als Vorstufe für Videoproduktionen.