何が起きたか
xAIが新しい画像生成・編集モデル「Imagine Image 2.0」を公開しました。提供形態はgrok.com/imagineとGrokのiOS／Androidアプリ上の新しい「Quality Mode」で、API経由の利用は「近日提供」とされています。xAIによれば、細かい指示への追従精度、複雑な構図でのタイポグラフィとレイアウトの破綻の少なさ、複数回の生成をまたいだ一貫性を狙って設計されたモデルです。
評価はArenaのリーダーボードに表れています。2026年8月7日時点で、応答の速い「low」版がImage Edit Arenaで1,439、Text-to-Image Arenaで1,320のEloを獲得し、両カテゴリで世界2位に入りました。首位はOpenAIのGPT-Image-2で、それぞれ1,463と1,380です。Reve 2.1、MetaのMuse-Image、AlibabaのQwen-Image-3.0-Pro、GoogleのGemini、ByteDanceのSeedDreamはこれらより下に並びます。前世代の「Quality」版に対しては、大差での改善が確認されています。
なぜ重要か
注目すべきはスコアの順位そのものより、その中身です。まず、2位を取ったのが最高品質版ではなく「速い方」の変種だという点。品質と速度のトレードオフが、業務投入に耐える水準まで縮んできたことを示唆します。加えて、Image Edit側の差（1,439対1,463）はText-to-Image側の差（1,320対1,380）より小さい。つまりゼロから絵を作る勝負では首位に離されていても、既存画像を直す・整える用途では実質的に横並びに近づいています。企業が画像AIに求める作業の大半は後者です。
機能セットが示す方向性
発表された機能は、いずれも「作品を作る」より「制作工程を回す」ための道具立てです。選択領域だけを書き換える「Magic Wand」、領域を精密に指定するセグメンテーション、被写体を透過背景で書き出す背景除去。最大5枚の入力画像を1つの生成に統合する「Multi-Ref Editing」。既存画像を任意のアスペクト比に変換し、増えた余白をモデル側が埋める「Smart Resize」。さらに写真編集、商品撮影、マーケティング素材、デザインツール、ゲームアセット、配信用エモートといった定番ワークフローを初期設定済みで束ねたテンプレートも追加されます。
もう一段先を示すのが、キャラクター・ロケーション・小道具を別々に生成しながら全体の画風を揃える機能です。xAIはこれを「一貫した視覚世界を生成でき、動画制作の出発点になる」と位置づけ、映像制作ワークフローへの足がかりだと説明しています。単発の1枚絵ではなく、シリーズ全体の一貫性を保証しに来ている、という宣言に近い内容です。
💼 事業会社視点：これは自社にどう効くか
実務への効き方は業種で分かれます。EC・D2Cにとって本命は生成ではなく編集側です。背景除去とセグメンテーション、そして「Smart Resize」の組み合わせは、1枚の商品画像から自社サイト・モール・広告・SNS用の各比率を作り分ける工程を直撃します。撮影は残っても、サイズ違いの再制作を外注で回している会社は、その費目から見直す余地があります。
SaaS・アプリ事業者は、APIが「近日提供」である点をそのままスケジュールに落とすべきです。現時点でxAIの新モデルはGrokアプリとgrok.com/imagine上の機能であり、自社プロダクトへの組み込みはまだできません。逆に言えば、今のうちに評価用の社内プロンプト・素材セットを整え、API公開と同時にGPT-Image-2と横並び比較できる体制を作った企業が先に動けます。両者のEloが1,439対1,463という僅差である以上、単価と待ち時間が実運用の選定基準になります。
受託開発・制作会社は、テンプレート化された領域（商品撮影、マーケ素材、ゲームアセット、配信用エモート）から単価が崩れる前提で見積もりを組み替えるべきです。守るべきは工数ではなく、ブランド一貫性の設計とレビュー責任です。キャラクター・小道具・背景を画風を保ったまま生成する機能が動画制作の入口として位置づけられている以上、次に価格圧力が来るのは映像の絵コンテ・プリビズ工程です。