Grok 圖像產生與多模态功能评测
發布時間：2026 年 9 月 20 日
Grok 的多模态分三层：聊天模型（如 4.6）接受圖像輸入做理解；Grok Imagine 負責文生圖、圖生影片；Voice 走语音端点。2026 年文件裡 Imagine 1.5 支援文生影片、圖生影片和参考圖，影片侧有 1080p 档。评测要分别打分：看圖答题准确率、產生圖的文字拼写、影片一致性和审核拒答。不要用聊天旗舰硬扛出影片。標題、H1 和本段回答：該调用哪条 API、怎样测才不混在一起。
-
Grok 4.x 图像输入
理解
-
Imagine
產生
-
Imagine 1.5
影片
拆问：X 裡能否直接出圖、商用版权、會不會记住人脸。分节說明。
把截圖丢进 grok.com 或 API 的圖像輸入，问界面上的按鈕和表格。检查它是否讀对数字，而不是只形容配色。
出圖和影片#
Imagine 有獨立模态和计费。文生影片往往先出圖再动画。需要品牌一致時用参考圖 ID，不要把整段聊天当素材库。
评测表#
- 理解：票据、UI 截圖、圖表讀数。
- 產生：中文文字、人手、品牌色。
- 影片：主体穩定性、1080p 是否真的到位。
- 安全：名人與未成年人相關請求的拒绝是否干净。
- 理解 ≠ 產生，端点分开。
- 影片有自己的模型 ID。
- 版权與拒答写进验收，不写进安利文案。
