Grok Imagine 2.0 gegen GPT Image 2: Scores und Region-Editing

xAI präsentierte Imagine Image 2.0 am 7. August 2026, und die Arena-Boards, die xAI nannte, platzieren das Modell weltweit auf Platz zwei in Text-to-Image und Image Editing. Platz eins in beiden Kategorien geht an GPT Image 2 von OpenAI^[1]. Das ist die Schlagzeile, und sie ist interessanter als sie klingt, denn beim Vergleich Grok Imagine 2.0 vs GPT Image 2 liegt die Lücke nicht dort, wo die meisten sie vermuten.

Wenn du Grok Imagine 2.0 vs GPT Image 2 abwägst, um zu entscheiden, worauf du aufbaust, ist die Rangfolge die am wenigsten hilfreiche Zahl auf dieser Seite. Was zählt, ist, dass eines der beiden Modelle heute per API abrufbar ist und das andere nicht, und dass die zwei Modelle für unterschiedliche Hälften der gleichen Aufgabe optimiert sind.

Was die Grok Imagine 2.0 Arena-Scores wirklich aussagen

Auf den Leaderboards, die xAI am Ankündigungstag referenzierten, erreichte Grok Imagine 2.0 1320 (±12) im Text-to-Image und 1439 (±8) im Image Editing^[1]. Die vorherige Generation, Grok Imagine Quality, steht bei 1228 und 1390 auf denselben aktuellen Boards.

Das ergibt ungefähr +92 Elo auf Generierung und +49 beim Editing. Das ist kein Rundungsfehler, und es ist auch nicht „die Haut sieht ein bisschen besser aus". Ein Sprung dieser Größe bedeutet normalerweise, dass sich das Modell verändert hat, wie es Anweisungen verarbeitet, nicht nur wie es Pixel darstellt.

Hier kommt der Vorbehalt: Grok Imagine 2.0 trägt noch ein Preliminary-Label, weil die Abstimmungszahl niedrig ist. „Starke frühe Platzierung" ist die ehrliche Lesart. „Das zweitbeste Bildmodell der Welt, erwiesen" ist es nicht, zumindest noch nicht. Jedes Grok Imagine 2.0 vs GPT Image 2 Urteil, das diesen Monat geschrieben wird, ist per Definition vorläufig.

Der Teil, der Leute verwirrt

Grok Imagine 2.0 hat heute keine öffentliche API. xAIs Ankündigung endet mit den Worten „API access is coming soon" und stoppt dort^[1]. Kein Endpoint, keine Parameterbeschreibung, kein Datum.

Derweil gibt es heute ein Grok-Bildmodell auf der API, und es ist nicht dieses. grok-imagine-image-quality ist seit Mai 2026 abrufbar^[2]. Es ist die vorherige Generation, die 1228/1390 Reihe in der Tabelle oben. Verbinde eine Integration diese Woche in der Erwartung des Grok Imagine 2.0 Verhaltens und du bekommst Quality-Verhalten, dann verbringst einen Nachmittag damit zu fragen, warum das Editing schwächer als die Demos ist.

GPT Image 2 dagegen ist heute abrufbar. Die praktische Frage für die nächsten Wochen ist also nicht, welches Modell besser ist. Es ist, welches Modell du tatsächlich aufrufen kannst.

Wo Grok Imagine 2.0 wirklich stärker ist

Die zwei Modelle konkurrieren nicht um den gleichen Slot in einer Pipeline.

GPT Image 2 gewinnt auf One-Shot-Genauigkeit. Komplexe Anweisungsfolge, Textrendering, Motiverhalt und weniger verschwendete Neuversuche. Über die Responses API kannst du ein Gespräch fortsetzen und präzise Edits dagegen vornehmen^[3]. Wenn dein Workflow „ein Bild genau richtig bekommen, dann präzise ändern" ist, das ist das stärkere Werkzeug, und die Arena-Platzierung unterstützt das.

Grok Imagine 2.0 gewinnt auf der Schleife. Das Grok Imagine 2.0 Editing-Modell ist die interessante Hälfte: ein Zauberstab, der nur die Region ändert, auf die du zeigst, Segmentierung für präzise Bereiche, Hintergrundentfernung, die Motive auf Transparenz exportiert, und Multi-Reference-Editing, das bis zu fünf Eingaben in einer Generierung akzeptiert.

Diese letzte Fähigkeit ist die unterschätzte. Anstatt ein einzelnes Referenzbild mit jedem Job auf einmal zu laden – Charakter, Garderobe, Ort, Beleuchtung und Gesamteindruck – teilst du sie über fünf Eingaben auf und kontrollierst genau, was von wo geerbt wird.

Der ältere Ausfallmodus ist das, was das behebt. Du generierst einen guten Frame, eine Hand sieht falsch aus, du regenerierst um das zu reparieren, und jetzt sind Gesicht, Körper, Beleuchtung und Komposition alle zu sehr abgedriftet. Region-scoped Editing bedeutet, dass die Teile, die du bereits genehmigt hast, die Reparatur überstehen. In der Praxis verwandelt das Image-Generierung in etwas näher an einem Fotoshooting mit Retuschierdurchlauf, anstatt an einem Spielautomaten zu ziehen, bis ein ganzer Frame passt.

Smart Resize gehört in die gleiche Kategorie. Neun veröffentlichte Seitenverhältnisse laufen von 1:2 bis 2:1, und anstatt eine existierende Komposition zu beschneiden, füllt das Modell den Frame für das Verhältnis, das du wählst. Ein 2:3 Hochformat wird zu 9:16 vertikal, ohne das zu verlieren, was außerhalb des neuen Zuschnitts saß.

Die Video-Nähe, die niemand zählt

GPT Image 2 gibt keine Videos aus. Grok Imagine tut es, und die zwei Hälften sind gebaut, um sich gegenseitig die Hand zu geben. Diese Nähe taucht selten in einer Grok Imagine 2.0 vs GPT Image 2 Funktionstabelle auf, und für einige Teams entscheidet sie die ganze Frage.

Video 1.5 deckt Text-to-Video, Image-to-Video, Reference-to-Video mit bis zu sieben Bildern, natives 1080p, Clips bis zu 15 Sekunden und in demselben Durchlauf generierte Audio ab. Eine 6-Sekunden-720p-Fast-Generierung fiel von über 40 Sekunden auf ungefähr 25^[4]. Auf dem Image-to-Video Arena-Board saß es am 2. August 2026 auf Platz drei, in einer Top-Gruppe, deren Fehlerbalken sich überlappen.

Für ein Standbild reichen oft wenige Sekunden Bewegung aus. Ein Blick, der sich verschiebt. Schultern, die sich mit einem Atemzug heben. Haare, die im Wind wehen. Ein langsames Zoom-rein. Wenn deine Ausgabe auf Social landet, ist der Übergang vom Bild zum kurzen Clip mehr wert als 90 Elo auf einer Leaderboard.

Wie das neben Gemini und Krea passt

Vier Modelle, vier unterschiedliche Aufgaben:

Modell	Wo es am stärksten ist
GPT Image 2	Ein Bild genau wie befohlen landen, dann präzise editieren
Gemini / Nano Banana 2	Weltwissen, langer Kontext, gesprächsbezogenes multi-modales Editing
Krea 2	Eine ästhetische Richtung erkunden anstatt eine korrekte Antwort zu nageln
Grok Imagine 2.0	Generieren, Region-reparieren und schnell animieren in einer Schleife

Gemini 3.1 Flash Image akzeptiert Audio und Video als Eingabe, kann Fakten per Suche überprüfen und generiert bis zu 4K. Wenn du ein Modell brauchst um eine komplexe Szene zu durchdenken oder Kontinuität über ein langes Gespräch zu halten, das ist wo es sich abheben lässt.

Krea 2 ist rund um Erkundung gebaut, nicht Ausführung. Stil-Referenzen, Stimmungsbilder, Intensität und Komplexitätsschieber, LoRAs. Es passt besser dazu, einen Look über eine Reihe zu finden als einen festen Brief auszuführen.

Keines von das ist eine Rangfolge. Es sind vier unterschiedliche Arbeitsformen, und nur nach Leaderboard-Position zu wählen, ist wie Teams mit dem falschen Werkzeug enden.

Was wir noch nicht wissen

Es ist erwähnenswert, da viel Berichterstattung erraten wird.

xAI beschrieb das ältere Aurora-Modell als ein autoregressives Bildgenerierungsmodell^[5]. Für Grok Imagine 2.0 sind Architektur, Parameterzahl, Trainingsmethode und jede MoE-Struktur einfach nicht veröffentlicht. Behauptungen, dass es „die gleiche autoregressive MoE wie Aurora" ist oder ein bestimmtes DiT oder VAE verwendet, sind Schlussfolgerung als Fakt verkleidet.

Preisgestaltung ist die gleiche Geschichte. Nichts veröffentlicht, weder für das Modell noch die bevorstehende API. Jeder, der einen Pro-Bild-Satz für Grok Imagine 2.0 heute zitiert, hat ihn erfunden. Ausgabe-Auflösungsobergrenzen und Rate Limits sind auch nicht offenbart.

Ein Modell für diesen Monat wählen

Wenn du ein Bildmodell in Produktion jetzt brauchst, GPT Image 2 ist das mit einem Endpoint, und es ist erste auf beiden Boards, gegen die es gemessen wurde. Das ist ein einfacher Anruf, und keine Menge vorläufiger Elo-Veränderungen ändern das.

Wenn deine Arbeit wie eine Schleife aussieht – generieren, eine Region reparieren, das Motiv über eine Reihe konsistent halten, dann den besten Frame in einen kurzen Clip drücken – wird die Grok Imagine 2.0 vs GPT Image 2 Entscheidung aufhören, eine Qualitätsfrage zu sein, und wird eine Workflow-Frage. Der praktische Schachzug ist heute gegen einen gemeinsamen Image-Endpoint mit einem Modell, das ausgeliefert wird, zu bauen, dann das Modell-id zu wechseln, wenn Grok Imagine 2.0 öffnet. Auf reAPI ist das eine One-Line-Veränderung anstatt einer Migration, und der gleiche API-Key funktioniert bereits über jedes Modell auf der Plattform.

Was das Editing-Modell in der Praxis verändert

Die meisten Image-APIs behandeln Editing als einen zweiten Endpoint, der zufällig ein Bild akzeptiert. Grok Imagine 2.0 behandelt es als das gleiche System, das den Frame generiert hat, und dieser Unterschied zeigt sich in den Ausfallmodi anstatt den Demos.

Nimm einen Produktshot, wo das Label falsch liest. Auf einem Generate-Only-Modell schreibst du die Eingabe um und rollst wieder, und die Beleuchtung verschiebt sich, der Schatten bewegt sich, die Reflexion ändert sich, und jetzt vergleichst du zwei Bilder, die sich in fünf Wegen unterscheiden anstatt einem. Mit Region-scoped Editing zeigst du auf das Label. Alles andere ist Byte-für-Byte das, das du bereits genehmigt hast.

Die gleiche Logik deckt eine Reihe ab. Gib Grok Imagine 2.0 eine Charakter-Referenz, eine Orts-Referenz und eine Garderöben-Referenz als getrennte Eingaben, und du kannst das gleiche Motiv durch Morgen-, Nachmittags- und Innenraum-Setups durchlaufen, ohne dass sich das Gesicht zwischen Shots verschiebt. Eine einzelne Referenzbild, die das alles auf einmal trägt, ist wo Konsistenz normalerweise bricht.

Hintergrundentfernung passt zum gleichen Workflow. Ein Motiv auf Transparenz exportieren ist keine Headline-Fähigkeit, aber es ist der Schritt, der entscheidet, ob eine Ausgabe direkt in ein Layout geht oder einen Round-Trip durch ein Mask-Werkzeug zuerst braucht.

Keines von das macht Grok Imagine 2.0 zu einem besseren Modell als GPT Image 2 auf reiner Anweisungsfolge. Die Arena-Zahlen sagen anderswo hin, und vorläufig oder nicht, sie zeigen auf die gleiche Richtung. Was es ändert, ist, wie viele Generierungen du verbrauchst, um von einem anständigen Frame zu einem fertigen Asset zu kommen, und diese Kosten erscheinen nie auf einer Leaderboard.

Referenzen

xAI. Imagine Image 2.0. Retrieved August 2026 from x.ai/news/grok-imagine-image-2
xAI. Grok Imagine Quality Mode API. Retrieved August 2026 from x.ai/news/grok-imagine-quality-mode
OpenAI. Image generation guide. Retrieved August 2026 from platform.openai.com/docs/guides/image-generation
xAI. Grok Imagine Video 1.5. Retrieved August 2026 from x.ai/news/grok-imagine-video-1-5
xAI. Grok Imagine API. Retrieved August 2026 from x.ai/news/grok-imagine-api