xAI ha lanzado Grok Imagine Image 2.0, disponible como “Quality Mode” en grok.com/imagine y en las aplicaciones móviles de Grok. Este modelo ha captado la atención del sector al ubicarse en el segundo puesto global en generación y edición de imágenes, según los datos del 7 de agosto de los Arena Leaderboards, una clasificación basada en la votación humana. Supera a la mayoría de sus competidores, solo por debajo del modelo gpt-image-2 de OpenAI.

Los modelos de xAI, que ahora aparecen en Arena bajo el nombre SpaceXAI tras un reciente cambio de marca corporativo, demuestran una evolución significativa en sus capacidades.

Innovaciones Clave en Image 2.0

La principal novedad de esta versión es la integración de funciones de edición de imágenes como característica central. Mientras que la versión anterior destacaba en la generación de imágenes desde cero, Image 2.0 introduce herramientas para modificar con precisión imágenes existentes. Entre las funcionalidades más relevantes se encuentran:

  • Varita mágica: Permite seleccionar una región específica de la imagen (como el fondo, una prenda o un objeto) para realizar cambios puntuales sin afectar el resto del contenido.
  • Segmentación: Facilita la selección de áreas basándose en su forma natural, ofreciendo mayor flexibilidad que las selecciones rectangulares tradicionales.
  • Eliminación de fondo: Exporta el sujeto principal con un recorte transparente, ideal para su uso en otros programas de diseño.

Una función particularmente creativa es la edición multi-referencia, que admite hasta cinco imágenes de entrada en una sola generación. Esta capacidad es ideal para mantener la coherencia visual de personajes o estilos en diferentes escenarios, útil en storytelling, desarrollo de videojuegos o creación de contenido de marca.

Adicionalmente, xAI ha implementado plantillas para flujos de trabajo recurrentes, como fotografías de producto, retratos profesionales, iconos o sprites de juego. Estas plantillas simplifican el proceso, requiriendo solo los inputs específicos del usuario para cada proyecto.

La edición regional precisa era una carencia notable en los generadores de imágenes profesionales; la varita mágica de Image 2.0 aborda directamente esta necesidad.

Análisis de los Resultados en Arena Leaderboards

El 7 de agosto, Imagine Image 2.0 alcanzó un Elo de 1.439 en edición de imágenes (frente a 1.463 de gpt-image-2) y un Elo de 1.320 en text-to-image (frente a 1.380). La diferencia con el líder es de 24 puntos en edición y 60 en generación, un margen estrecho en comparación con las brechas observadas en meses anteriores.

Es importante interpretar los rankings de Arena con cautela. Son dinámicos, se actualizan constantemente y las posiciones pueden variar semanalmente. Los datos citados por xAI corresponden a una fotografía específica del 7 de agosto y provienen de su propio comunicado de lanzamiento.

No obstante, alcanzar el segundo puesto global en dos categorías evaluadas por preferencias humanas es un indicador del avance técnico. La transición de un modelo inicial a competir directamente con OpenAI en menos de dos años representa un salto significativo para xAI.

Desafíos y Perspectivas Futuras

A pesar de sus logros, Image 2.0 enfrenta dos desafíos principales. El primero es la ausencia de una API, lo que limita su integración en productos externos y restringe su utilidad para desarrolladores. Actualmente, el modelo solo es accesible a través de la aplicación de Grok.

El segundo desafío radica en el historial de contenido. Versiones anteriores de Grok Imagine generaron un volumen considerable de imágenes problemáticas. Aunque el anuncio de Image 2.0 no aborda directamente estas controversias ni detalla cambios en las políticas de moderación, el énfasis en plantillas de uso profesional sugiere un intento de redirigir el enfoque hacia aplicaciones comerciales.

La edición de precisión regional de Image 2.0 representa un avance notable para el uso editorial y de diseño, al reducir la necesidad de regenerar imágenes completas por pequeños ajustes. Sin embargo, la falta de una API es una limitación importante para la adopción profesional. La capacidad de xAI para mantener este ritmo de mejora y, al mismo tiempo, gestionar de forma efectiva la responsabilidad sobre el contenido generado, será crucial para su sostenibilidad a largo plazo.