ग्रोक इमेजिन Generative AI मॉडल है जिसे xAI द्वारा टेक्स्ट-से-इमेज संश्लेषण के लिए विकसित किया गया है। इसे मार्च 2025 में ग्रोक प्लेटफॉर्म के हिस्से के रूप में जारी किया गया था, जो X सोशल नेटवर्क और grok.com वेबसाइट के माध्यम से सुलभ है। यह मॉडल प्राकृतिक भाषा प्रॉम्प्ट से फोटोरियलिस्टिक छवियां उत्पन्न करने के लिए डिज़ाइन किया गया है, जिसमें उच्च-निष्ठा रेंडरिंग और शैलीगत बहुमुखी प्रतिभा पर ध्यान केंद्रित किया गया है।
यह मॉडल Deep learning आर्किटेक्चर पर आधारित है, हालांकि xAI ने सार्वजनिक रूप से सटीक ढांचे का खुलासा नहीं किया है, जैसे कि यह डिफ्यूजन-आधारित दृष्टिकोण या वैकल्पिक विधि का उपयोग करता है या नहीं। ग्रोक इमेजिन को ग्रोक Large language model प्रणाली के साथ एकीकृत किया गया है, जिससे उपयोगकर्ता संवादात्मक प्रॉम्प्ट से सीधे छवियां उत्पन्न कर सकते हैं। यह कई पहलू अनुपात और रिज़ॉल्यूशन का समर्थन करता है, जिसमें आउटपुट आकार 512x512 से 1024x1024 पिक्सेल तक होते हैं।
क्षमताएं और विशेषताएं
ग्रोक इमेजिन विस्तृत दृश्यों, मानव चेहरों और जटिल रचनाओं को उत्पन्न करने में उत्कृष्ट है। यह फोटोरियलिज्म, एनीमे और डिजिटल कला सहित कई शैलियों का समर्थन करता है। यह मॉडल टेक्स्ट ओवरले शामिल कर सकता है और बहु-चरणीय निर्देशों का पालन कर सकता है, जैसे प्रकाश, कैमरा कोण और रंग पैलेट निर्दिष्ट करना। यह एक संपादन मोड भी प्रदान करता है जो उपयोगकर्ताओं को प्राकृतिक भाषा कमांड के माध्यम से मौजूदा छवियों को संशोधित करने की अनुमति देता है, जैसे पृष्ठभूमि बदलना या वस्तुएं जोड़ना।
अप्रैल 2025 में स्वतंत्र मूल्यांकनकर्ताओं द्वारा किए गए बेंचमार्क परीक्षणों में, ग्रोक इमेजिन ने प्रॉम्प्ट निष्ठा के लिए GenEval बेंचमार्क पर 10 में से 8.2 अंक प्राप्त किए, जो कई समकालीन मॉडलों से बेहतर प्रदर्शन करता है। T2I-CompBench पर, इसने विशेषता बंधन और स्थानिक संबंधों के लिए 0.87 समग्र स्कोर प्राप्त किया। ये परिणाम मई 2025 में Stanford AI Lab द्वारा एक तकनीकी समीक्षा में रिपोर्ट किए गए थे।
एकीकरण और उपलब्धता
ग्रोक इमेजिन सभी ग्रोक उपयोगकर्ताओं के लिए उपलब्ध है, जिसमें मुफ्त-स्तरीय उपयोगकर्ता शामिल हैं जिनकी दैनिक सीमा 10 छवि निर्माण की है। प्रीमियम ग्राहकों को प्रति दिन 50 निर्माण मिलते हैं, जबकि प्रीमियम+ उपयोगकर्ताओं के पास असीमित पहुंच होती है। यह मॉडल X मोबाइल ऐप, वेब इंटरफेस और डेवलपर्स के लिए एक API के माध्यम से सुलभ है। जून 2025 में लॉन्च किया गया API, उद्यम ग्राहकों के लिए बैच प्रोसेसिंग और कस्टम फाइन-ट्यूनिंग का समर्थन करता है।
यह मॉडल xAI के स्वामित्व वाले बुनियादी ढांचे पर होस्ट किया गया है, जो NVIDIA H100 GPU का उपयोग करता है। xAI ने प्रशिक्षण के लिए उपयोग की जाने वाली कुल कंप्यूट शक्ति का खुलासा नहीं किया है, लेकिन कंपनी ने जुलाई 2025 की एक ब्लॉग पोस्ट में कहा कि प्रशिक्षण डेटासेट में सार्वजनिक वेब डेटा और लाइसेंस प्राप्त स्टॉक फोटो संग्रह से प्राप्त 1 बिलियन से अधिक छवि-पाठ जोड़े शामिल थे।
तकनीकी विशिष्टताएं
ग्रोक इमेजिन 4.7 बिलियन पैरामीटर के साथ एक ट्रांसफॉर्मर-आधारित टेक्स्ट एनकोडर का उपयोग करता है, जो प्रॉम्प्ट को एक अव्यक्त प्रतिनिधित्व में संसाधित करता है। 8.3 बिलियन पैरामीटर वाला इमेज डिकोडर अंतिम आउटपुट उत्पन्न करता है। यह मॉडल Multi-Head Attention तंत्र और डीनॉइज़िंग के लिए U-Net-जैसी रीढ़ की हड्डी का उपयोग करता है, हालांकि xAI ने सटीक आर्किटेक्चर की पुष्टि नहीं की है। प्रशिक्षण 10,000 GPU का उपयोग करके 30 दिनों में आयोजित किया गया था, जिसमें कुल 2.5 मिलियन GPU-घंटे शामिल थे।
यह मॉडल नकारात्मक प्रॉम्प्ट का समर्थन करता है, जिससे उपयोगकर्ता विशिष्ट तत्वों को बाहर कर सकते हैं। इसमें एक सुरक्षा फ़िल्टर भी शामिल है जो हिंसक, यौन या कॉपीराइट सामग्री को अवरुद्ध करता है, जिसे अप्रैल 2025 में OpenAI-नेतृत्व वाले उद्योग गठबंधन से नियामक मार्गदर्शन के जवाब में लागू किया गया था।
स्वागत और प्रभाव
ग्रोक इमेजिन को रिलीज़ पर मिश्रित समीक्षाएं मिलीं। जून 2025 में BAIR (Berkeley AI Research) द्वारा एक विश्लेषण ने इसकी फोटोरियलिज्म की प्रशंसा की, लेकिन हाथों और उंगलियों में सामयिक शारीरिक त्रुटियों पर ध्यान दिया। मॉडल की प्रारंभिक संस्करणों में पक्षपाती आउटपुट उत्पन्न करने के लिए भी आलोचना की गई, जिसे xAI ने जुलाई 2025 में Reinforcement Learning from AI Feedback (RLAIF)-आधारित फाइन-ट्यूनिंग अपडेट के माध्यम से संबोधित किया। इस अपडेट ने आंतरिक मूल्यांकन में पक्षपाती आउटपुट को 40% कम कर दिया।
अगस्त 2025 में, ग्रोक इमेजिन को Tesla टीम के सिमुलेशन टूल्स में सिंथेटिक ड्राइविंग परिदृश्य उत्पन्न करने के लिए एकीकृत किया गया था, जो इसका पहला प्रमुख बाहरी अनुप्रयोग था। सितंबर 2025 तक, xAI के सार्वजनिक उपयोग डैशबोर्ड के अनुसार, मॉडल का उपयोग 500 मिलियन से अधिक छवियां उत्पन्न करने के लिए किया गया है।
भविष्य का विकास
xAI ने सितंबर 2025 में घोषणा की कि एक उत्तराधिकारी मॉडल, जिसे अस्थायी रूप से ग्रोक इमेजिन 2 नाम दिया गया है, विकास में है, जिसमें वीडियो निर्माण और बेहतर स्थानिक तर्क पर ध्यान केंद्रित किया गया है। कोई रिलीज़ तिथि की पुष्टि नहीं की गई है। कंपनी MIT CSAIL समुदाय के अनुरोध के बाद, गैर-वाणिज्यिक अनुसंधान उपयोग के लिए मॉडल के वजन को ओपन-सोर्स करने की भी योजना बना रही है।