xAI 推出全新质量模式 API，将 3 亿生成量图像引擎带给开发者

新闻摘要

xAI 已正式将其 Grok Imagine Quality Mode 推向开发者 API，为企业团队和独立开发者提供了对驱动 Grok 消费者平台超过 3 亿次生成的相同高保真图像引擎的编程访问。此次发布标志着 xAI 多模态 API 产品的一次重大扩展，使该公司直接与成熟的图像生成提供商展开竞争，并为专业的视觉 AI 工作流程开辟了新领域。

什么是 Grok Imagine Quality Mode

xAI 的 Grok Imagine API 现在支持两种不同的生成模式：Quality（质量）和 Speed（速度）。Quality Mode 优先考虑输出保真度——提供更高的照片真实感、图像内更准确的文本渲染以及对复杂创意提示的更强遵循。相比之下，Speed Mode 则针对低延迟进行了优化，适用于响应速度比最高视觉质量更重要的实时应用。开发者可以通过在 API 调用中指定模型标识符 grok-imagine-image-quality 来调用 Quality Mode。

发布时间表和模型迁移

Quality 和 Speed 模式于 2026 年 4 月 3 日（美国东部时间）正式宣布，当时 xAI 在其官方新闻频道发布了更新。作为过渡的一部分，xAI 宣布前代模型 grok-imagine-image-pro 将于 2026 年 5 月 15 日（美国东部时间）弃用。建议目前使用 Pro 模型的开发者在此截止日期前将其集成迁移到 grok-imagine-image-quality，以避免任何服务中断。

技术能力

Quality Mode 旨在在需要精确视觉输出的场景中表现出色。与标准层相比，关键技术改进包括：

• 增强的照片真实感——更准确的光照、阴影和纹理渲染，缩小了 AI 生成图像与专业摄影之间的差距。
• 改进的图像内文本准确性——这是基于扩散模型长期以来面临的一个难题；当提示要求在生成的图像中包含可读文本时，Quality Mode 可显著减少字符级别的错误。
• 复杂提示理解——该模型展示了对多子句、细节丰富的提示更强的语义解析能力，减少了迭代优化的需求。
• 品牌一致的输出——旨在支持与特定视觉品牌指南相匹配的产品渲染，这对于营销流程尤其有用。

性能基准

截至 2026 年 5 月 4 日（美国东部时间），Grok Imagine 的质量模式输出在 LMArena Text-to-Image Arena 中位列全球前五名。LMArena 是一个独立的社区基准测试平台，汇总了数千次盲测中的人类偏好投票。这一结果使 xAI 在日益拥挤的高端图像合成领域与 Stability AI、Midjourney 和 Google 的 Imagen 系列产品处于竞争地位。

定价结构

通过 Grok Imagine API 生成图像的起价为每张图像 0.01 美元（标准分辨率），高分辨率 2K 输出的价格则高达每张图像 0.07 美元。xAI 将此定价定位为对小型开发团队友好，同时在企业规模上仍具可行性。作为更广泛的背景，Grok Imagine 平台（也支持视频和音频生成）的视频输出定价为每分钟 4.20 美元，约占其他领先提供商同类产品成本的三分之一，并且比某些高级视频生成服务便宜约七倍。

目标用例

xAI 将 Quality Mode 主要定位为专业和商业工作流程，包括：

• 营销和广告——大规模生成照片级逼真的产品渲染图、主图和广告创意变体，无需按资产付费的摄影成本。
• 演示和设计——为演示文稿、高管报告和品牌材料制作精美的视觉效果。
• 内容创作流程——为出版、电子商务目录和社交媒体运营自动化图像生产，这些领域对数量和一致性至关重要。
• 大规模商业内容——使团队能够从单个结构化提示生成数百个图像变体，从而显著缩短创意周转时间。

开发者访问和文档

Quality Mode 现已通过 xAI API 提供给所有注册开发者和企业账户。完整的模型文档、提示指南和参数参考已发布在 xAI 的官方开发者文档中。xAI 网站上的 Imagine API 页面提供了所有支持的模态（图像、视频和音频）的概述，这些模态统一在同一个 API 接口下，从而简化了已在使用 Grok 生态系统进行文本推理任务的团队的集成。