La mayoría de los generadores de imágenes se comportan como un ilustrador brillante con un extraño problema de memoria. La primera imagen puede ser magnífica. Luego le pides que cambie la taza azul por una roja y el ilustrador también mueve la ventana, cambia la cara de la persona y sustituye el sol de la tarde por la luz fluorescente de una oficina. Recibes otra imagen atractiva, pero no la imagen que estabas editando.
Grok Imagine Image 2.0 gira alrededor de esa segunda petición. Su mejora más importante no es otro adjetivo como «cinematográfico» o «ultradetallado», sino el conjunto de controles que rodea al generador. Magic Wand señala la región concreta. La segmentación separa un objeto de su entorno. Multi-ref acepta hasta cinco imágenes de origen. La eliminación de fondo exporta un sujeto transparente y Smart Resize extiende la escena a nueve formatos útiles. El modelo sigue siendo probabilístico —no hay un archivo secreto de Photoshop con capas debajo—, pero la conversación ya tiene algo parecido a asas.
La diferencia importa porque el trabajo visual real es una cadena de pequeñas decisiones. La dueña de una tienda rara vez necesita «una zapatilla bonita». Necesita la misma zapatilla sobre fondo blanco, después en un anuncio cuadrado, luego junto a un titular y finalmente en otro color sin que cambie la suela. Quien crea un videojuego necesita que el abrigo, la cicatriz y el equipo de un personaje sobrevivan en un retrato, una hoja de sprites y un escenario. Las plantillas y referencias de Image 2.0 apuntan precisamente a esa distancia poco glamurosa entre una demostración espectacular y un recurso que alguien puede usar de verdad.
El generador básico también es potente. En comparaciones públicas a ciegas, el modelo recién listado como grok-imagine-image-2.0 (low) entró segundo tanto en generación como en edición de una imagen. También quedó cerca de la cima en retratos, arte, escenas fotorrealistas, dibujos y texto. «Low» forma parte del identificador de Arena; el producto para consumidores es el nuevo Quality Mode. Hasta que xAI explique esa configuración, no conviene fingir que la etiqueta revela la arquitectura o el nivel que recibe el usuario.
Nuestras pruebas confirman la mejora, con un asterisco bastante grande. Image 2.0 es mejor en conjunto, sobre todo cuando el prompt contiene varios objetos, rótulos y cambios posteriores. Aun así, una persona puede aparecer con piel plástica, una cara de catálogo demasiado conocida o una luz convertida en un brillo CGI plano. Las ediciones repetidas pueden conservar la habitación y alterar silenciosamente a quien está dentro. Estos fallos no borran el avance; explican por qué un resultado nuevo de #2 se convierte en nuestra recomendación #3 y no en una coronación inmediata.
Por ahora, conviene imaginar Grok Imagine Image 2.0 como un aprendiz de taller con un talento extraordinario. Escucha, sabe dónde están las herramientas y produce trabajo listo para un cliente con sorprendente frecuencia. Aun así, hay que revisar los dedos, la letra pequeña, las caras y todo aquello que le pediste que no tocara.
