Grok Imagine 2 图片模型上线：附完整实测

核心要点

两个模型上线：grok-imagine-image（$0.02/张）与 grok-imagine-image-quality（$0.045/张），Default 默认分组即可调用
按次固定计费，不区分分辨率：官网 quality 版 1K $0.05 / 2K $0.07，我们两档统一 $0.045——1K 约 9 折，2K 约 6.4 折，分辨率越高越划算；叠加充值加赠后出 2K 常规约 5.8 折、拉满约 5.4 折
Arena 双榜第二：xAI 称 Image 2.0 在 Arena 的文生图与图像编辑两个榜单均排名全球第二，第一是 OpenAI 的 gpt-image-2（数据截至 2026 年 8 月 7 日）
参数真实生效：5 种宽高比 × 1K/2K 双档共 20 组实测，输出像素与请求值 20/20 精确吻合，16:9 出 2K 达 2816×1584
编辑是真编辑：改指定部分、其余逐像素保留，画风 / 构图 / 配色 / 主体身份都不走样，支持 1–4 张多图融合
两个必须知道的口径差异：编辑必须走 multipart/form-data（发 JSON 会 400）；参考图不能传给文生图端点（会 200 出图但静默丢弃）

背景介绍

xAI 在 2026 年 8 月 7 日发布了新一代图像模型 Grok Imagine Image 2.0，作为 Grok 图像生成的「Quality Mode」上线 grok.com/imagine 与 iOS / Android 客户端。API易接入的正是官转通道的 Quality Mode。与初代最大的不同在于它是一个以编辑为中心的模型，而不是只把一次性文生图做得更好。xAI 官方给出的 Arena 成绩是：文生图与图像编辑两个榜单均位列全球第二，第一名是 OpenAI 的 gpt-image-2。对开发者来说，这一代最实际的价值不是”画得更好看”，而是参数终于可控了。我们在 API易上对这两个模型做了约 220 次真实调用的完整实测——上一代在网关侧的表现是宽高比与分辨率参数静默失效、2K 根本出不来、多图请求直接 500，而这一代这些问题全部消失。

信息来源：xAI 官方发布说明与模型文档 docs.x.ai/developers/models/grok-imagine-image，Arena 排行榜数据引自 xAI 官方公告（截至 2026 年 8 月 7 日）。本文所有 API 行为数据来自 API易的实测（2026 年 8 月 12 日，约 220 次调用）。

详细解析

核心特性

双档分辨率，同一价格

1k 约 1 兆像素、2k 约 4.2–4.5 兆像素，按次计费不区分分辨率，出 2K 不加钱（官网要加）

5 种宽高比精确生效

1:1 / 16:9 / 9:16 / 4:3 / 3:4，20 组实测输出像素与请求值完全吻合

单次最多 10 张

n 支持 1–10，一次请求返回多张，批量选图不用自己写并发循环

真参考图编辑

只改提示词指定的部分，其余逐像素保留，支持 1–4 张多图融合

出图几何：20/20 精确吻合

这是本代相对上一代最实质的改进。5 种宽高比 × 2 档分辨率共 20 组调用，两个模型逐格一致：

宽高比	`resolution: 1k`	`resolution: 2k`
`1:1`	1024×1024	2048×2048
`16:9`	1280×720	2816×1584
`9:16`	720×1280	1584×2816
`4:3`	1152×864	2368×1776
`3:4`	864×1152	1776×2368

2K 档实际面积约为 1K 的 4.0–4.8 倍，是真正的高分辨率输出，不是插值放大。

1K 出 JPEG、2K 出 PNG，格式随分辨率档位变化。2K 是 PNG 无损，单张 5–6 MB，1K 是 JPEG、单张约 220–300 KB，相差约 20 倍。移动端或需要批量回传的场景建议用 1K——反正两档同价，选择只取决于画质与带宽的权衡；反过来追求画质选 2K 也不加价，相对官网折扣反而更深。

编辑能力实测

编辑效果是这一代的重点，我们用对照实验验证（同一提示词分带图 / 不带图两组各跑 3 次），而不是只看 HTTP 200：

输入素材	编辑指令	结果
水彩风蓝围巾狐狸插画（16:9）	把围巾改成红色，其余保持不变	围巾变红，水彩画风、雪林构图、白边、画幅全部保留 3/3
卡通橘猫贴纸（金冠、薄荷绿底）	加一副圆形黑色墨镜	加上墨镜，卡通描边、金冠、背景色完全不变 3/3
狐狸插画 + 橘猫贴纸	把猫放进狐狸的场景	贴纸猫真的进入了水彩雪林，两张图的特征都在
狐狸 + 猫 + 黄鸭 + 紫茶壶（4 张）	全部合进同一个场景	4 个主体全部出现且特征保留，见下

对照组（不带参考图、同一提示词）产出的是写实风格的全新图片，与带图组在画风、主体、画幅上完全可区分——这证明参考图确实被消费了。 多图融合是真融合：用 4 张特征互不重叠的参考图（水彩蓝围巾狐狸 / 卡通金冠橘猫 / 黄色橡皮鸭 / 紫色圆点茶壶）按 2、3、4 张递进测试，每多传一张，输出就多一个对应主体，各自的鲜明特征都保留下来——不是只接受文件不消费。

编辑输出的画幅跟随「第一张」参考图：输入 1280×720 就输出 1280×720，resolution 与 aspect_ratio 在编辑端点上传了不生效。多图融合时把 4 张顺序完全颠倒，输出画幅会从 1280×720 变成 1024×1024，跟着新的第一张走——所以建议把最重要的主体放第一张。需要改变画幅请先自行裁剪参考图。

速度与并发

场景	中位耗时
1K 出图	约 9 秒
2K 出图	约 15–17 秒

实测 100 RPM 无压力，无 429、无排队拒绝，渠道资源充足，可以直接并发调用，不需要自建串行队列。

图片 API 是同步调用：没有异步任务 ID，客户端断开连接结果即丢失、但请求仍会计费。建议客户端超时设到 360 秒，按 60 秒配置会产生大量误超时。

两个必须绕开的口径差异

这两条是实测中最容易让人踩坑的地方，接入前务必先看。

一、图片编辑必须用 multipart，发 JSON 一律 400

/v1/images/edits 只接受 multipart/form-data 文件上传。发送 JSON（包括部分上游厂商文档里写的 {"image": {"type": "image_url", "url": "..."}} 形式）会固定返回 400：

request Content-Type isn't multipart/form-data

我们穷举了 20 种 JSON 写法，无一例外。正确写法是文件上传：

curl -X POST "https://api.apiyi.com/v1/images/edits" \
  -H "Authorization: Bearer sk-your-api-key" \
  -F "model=grok-imagine-image" \
  -F "prompt=把围巾改成红色，其余部分完全保持不变" \
  -F "[email protected]"

好消息是文件上传不需要图床——直接传本地文件即可，比准备公网 URL 更省事。文件字段名只能是 image 或 image[]，写成 images / image_file 会返回 415。

二、参考图不要传给文生图端点

这条更隐蔽：给 /v1/images/generations 传 image / image_url / images 不会报错，而是返回 200 并按提示词生成一张全新的图，参考图被完全忽略，并且照常计费。实测传入一张水彩风狐狸插画、要求”把围巾改成红色”，输出的是一个穿红围巾的写实中年男人——与输入图毫无关系。由于没有任何错误信号，这类问题往往要到发现”出的图和输入图对不上”时才被察觉。 只要涉及参考图，一律走 /v1/images/edits。

另外注意参数校验很宽松：非法的 aspect_ratio（如 5:7）、resolution（如 1K、1024x1024）、response_format 都会静默回退默认值并正常出图，不会返回 400。拿到的图不符合预期时，先检查参数拼写。唯一例外是 resolution: "4k"，它返回 503 model_service_unavailable——这是该档位不支持而非渠道故障，重试无效，改回 1k / 2k 即可。

实际应用

成本敏感的批量出图

按次固定价 + 2K 不加价，预算可精确到张；n 最多 10 让批量选图只需一次请求

局部微调而非重画

编辑保真度高，适合”只改一处、其余不动”的物料迭代（换配色、加配饰、改背景）

多图合成

1–4 张参考图融合，把 A 图主体放进 B 图的场景与画风

固定画幅的物料生产

宽高比参数可靠，适合按 16:9 / 9:16 批量产出封面、竖版海报

代码示例

文生图（OpenAI SDK 直连）：

from openai import OpenAI
import urllib.request

client = OpenAI(
    api_key="sk-your-api-key",
    base_url="https://api.apiyi.com/v1",
    timeout=360.0
)

resp = client.images.generate(
    model="grok-imagine-image",
    prompt="A photorealistic red wooden boat on a glassy alpine lake at dawn, cinematic photography",
    n=1,
    # aspect_ratio / resolution 不是 OpenAI SDK 标准字段，放进 extra_body
    extra_body={"aspect_ratio": "16:9", "resolution": "1k", "response_format": "url"}
)

urllib.request.urlretrieve(resp.data[0].url, "out.jpg")

图片编辑（必须 multipart）：

import requests

with open("fox.jpg", "rb") as fp:
    r = requests.post(
        "https://api.apiyi.com/v1/images/edits",
        headers={"Authorization": "Bearer sk-your-api-key"},  # 不要手动设 Content-Type
        data={
            "model": "grok-imagine-image",
            "prompt": "把围巾改成红色，其余部分完全保持不变",
            "response_format": "url"
        },
        files={"image": ("fox.jpg", fp, "image/jpeg")},   # 用 files= 而不是 json=
        timeout=360
    ).json()

print(r["data"][0]["url"])

最佳实践

先分清端点：无参考图走生成、有参考图走编辑，选错不会报错只会拿到错图
编辑指令写明「其余保持不变」：模型对这类约束遵循度很好，能最大限度保留原图
多图融合显式指代「图1 / 图2」：对应 image[] 的上传顺序，比让模型自己猜更稳
不要依赖 seed 复现：本系列不支持 seed，同一提示词两次结果不同
不要用 usage 核账：prompt_tokens 恒为 1000 × n 是占位值，真实扣费以控制台账单为准

价格与可用性

模型	分辨率	API易定价	xAI 官网定价	折扣
`grok-imagine-image`	`1k` / `2k`	$0.02 / 张	$0.02	与官网持平
`grok-imagine-image-quality`	`1k`	$0.045 / 张	$0.05	9 折
`grok-imagine-image-quality`	`2k`	$0.045 / 张	$0.07	约 6.4 折

两个型号均为按次固定计费，编辑与文生图同价。 这里有个容易被忽略的点：xAI 官网的 quality 版是按分辨率分档收费的（1K $0.05、2K $0.07），而 API易 两档统一 $0.045。也就是说，你出的图分辨率越高，相对官网越省——出 1K 约 9 折，出 2K 约 6.4 折。对于本来就要出高清图的场景，这个差价比”便宜一点点”要实在得多。分组：Default 默认分组（1.0x 倍率），无需切换分组。令牌「计费模式」选 按量优先（Pay-as-you-go Priority）即可。

叠加充值加赠后的实际成本

按次计费同样可以叠加充值阶梯加赠（加赠按单次充值金额计算）。以 quality 版出 2K 为例：

充值档位	到账倍数	单张实付	相当于官网 $0.07
不参与活动（挂牌价）	1.0 倍	$0.045	6.4 折
单次充 $100（送 10%）	1.1 倍	≈ $0.041	约 5.8 折
单次充 $1,000（送 15%）	1.15 倍	≈ $0.039	约 5.6 折
单次充 $3,000（送 20%）	1.2 倍	$0.0375	约 5.4 折

也就是说，常规充值档（$100）下出一张 2K 高清图约合官网 5.8 折，加赠拉满可到约 5.4 折。标准版 grok-imagine-image 同样可叠加，$0.02 挂牌价在 20% 加赠下实付约 $0.0167/张。

总结与建议

Grok Imagine 2 在 API易上是一个参数可控、成本可预测、编辑保真度高的图像模型。相较上一代在网关侧的表现，宽高比 / 分辨率 / 多图三项能力全部修好，2K 真实可达，延迟也快了约一倍。 该选它的场景：需要成本精确到张（按次固定价、2K 不加价）、需要单次出多张、或者需要”只改一处、其余不动”的高保真编辑。 该继续用 GPT-Image-2 的场景：需要 mask 局部重绘、需要像素级自定义尺寸、或者需要超过 4 张参考图融合——这三项 Grok Imagine 2 目前不支持。Arena 榜单上 gpt-image-2 也确实仍排在第一。两者共存不冲突，同一把令牌都能调用。已经接入 GPT-Image-2 的团队可以直接看文档里的 从 GPT-Image-2 迁移 章节——端点一样，但参数体系是另一套，其中「响应默认格式相反」这条最容易漏。

数据说明：本文的 API 行为、几何、耗时、编辑效果数据均来自 API易在 2026 年 8 月 12 日 (UTC+8) 的实测，共约 220 次真实调用；模型发布信息与 Arena 排名引自 xAI 官方公告（2026 年 8 月 7 日）。定价可能随官方政策调整，以控制台实际计费为准。

更新日志

AI风向标

Grok Imagine 2 图片模型上线：附完整实测

核心要点

背景介绍

详细解析

核心特性

双档分辨率，同一价格

5 种宽高比精确生效

单次最多 10 张

真参考图编辑

出图几何：20/20 精确吻合

编辑能力实测

速度与并发

两个必须绕开的口径差异

一、图片编辑必须用 multipart，发 JSON 一律 400

二、参考图不要传给文生图端点

实际应用

推荐场景

成本敏感的批量出图

局部微调而非重画

多图合成

固定画幅的物料生产

代码示例

最佳实践

价格与可用性

叠加充值加赠后的实际成本

总结与建议

相关文档

​核心要点

​背景介绍

​详细解析

​核心特性

双档分辨率，同一价格

5 种宽高比精确生效

单次最多 10 张

真参考图编辑

​出图几何：20/20 精确吻合

​编辑能力实测

​速度与并发

​两个必须绕开的口径差异

​一、图片编辑必须用 multipart，发 JSON 一律 400

​二、参考图不要传给文生图端点

​实际应用

​推荐场景

成本敏感的批量出图

局部微调而非重画

多图合成

固定画幅的物料生产

​代码示例

​最佳实践

​价格与可用性

​叠加充值加赠后的实际成本

​总结与建议

​相关文档

核心要点

背景介绍

详细解析

核心特性

出图几何：20/20 精确吻合

编辑能力实测

速度与并发

两个必须绕开的口径差异

一、图片编辑必须用 multipart，发 JSON 一律 400

二、参考图不要传给文生图端点

实际应用

推荐场景

代码示例

最佳实践

价格与可用性

叠加充值加赠后的实际成本

总结与建议

相关文档