Grok Imagine nello studio: a cosa serve davvero

Grok Imagine è arrivato all’inizio della settimana e la nostra prima reazione è stata: ci serve un altro modello immagini-e-video? Avevamo FLUX.2 Pro e Nano Banana 2 per gli still; avevamo una lineup video che già copre cinematografico, social e budget. La risposta onesta era che non lo sapevamo — finché non abbiamo passato qualche giorno a instradare prompt reali al modello e guardare cosa tornava.

L’abbiamo aggiunto allo studio oggi. Ecco a cosa serve e a cosa no.

Per cosa è ottimizzato Grok Imagine

Il modello è chiaramente addestrato su un mix diverso rispetto ai concorrenti. Due cose saltano all’occhio subito:

È social-native. Gli aspect ratio sono 9:16 e 1:1 di default senza discutere; la grammatica visiva è più vicina a ciò che la gente posta davvero che a ciò a cui aspira. Toni di pelle, luce, naturalezza — produce clip e still che sembrano usciti dal telefono di qualcuno, non da un moodboard.

È veloce ed economico. Le generazioni sono di circa 4–6 secondi sui nostri prompt tipici contro i 25–40 di Veo. Il costo in crediti è più vicino a Hailuo che a Veo. Questo lo rende usabile per il loop di iterazione ad alto volume — bozze, decisioni, sostituzioni — che i workflow social richiedono.

Dove batte le alternative

Tre categorie concrete, dai nostri test:

1. Clip realistiche per X e short-form video. Persone che parlano a camera, snippet b-roll, momenti «day in the life». La qualità sync-audio di HappyHorse è migliore; la fotografia di Veo è più nitida; ma per clip che devono sembrare non costruite, Grok vince.

2. Bozze ed esplorazione. Quando non sai ancora qual è lo scatto, Grok è quello a cui ricorri. Il costo per iterazione è abbastanza basso da generare dieci opzioni, scegliere l’inquadratura che ti piace, poi promuoverla a un modello più pesante per il finale.

3. Meme, reazioni, still fast-turnaround. Il lato immagine gestisce il tipo di battute compositive che i modelli photoreal tendono a pensare troppo. Se vuoi un’oca in smoking, Grok ti dà un’oca in smoking senza mettere in discussione le tue scelte di vita.

Dove no

Non è il modello per output cinematografico. I movimenti di camera sono imprecisi, le messe a fuoco inesistenti, le clip più lunghe mostrano le cuciture. Se stai facendo qualcosa che deve reggere a 4K su una TV, non è questo.

Non è nemmeno il modello per tipografia o etichette. Come la maggior parte dei modelli immagine che non sono Nano Banana 2 o GPT Image 2, può produrre qualcosa che sembra testo da lontano e cade a pezzi da vicino.

E non genera audio sincronizzato. Le clip sono mute — l’audio lo aggiungi in post o usi HappyHorse se serve audio-video congiunto.

Come lo instradiamo

Nello studio, «Grok Imagine» appare sia nel selettore immagini sia in quello video. La logica di raccomandazione del selettore ora lo suggerisce quando:

• L’aspect ratio è 9:16 o 1:1 (forma social).
• Il prompt contiene parole come casual, handheld, real, raw, iPhone, vlog, POV, unfiltered.
• In precedenza hai promosso una bozza Grok a un modello più pesante nello stesso thread (lo trattiamo come voto di fiducia che è lo strumento giusto per il lavoro).

Puoi sempre sovrascrivere la raccomandazione. Il senso del selettore non è essere corretto — è essere a un tasto dall’esserlo.

Una nota sui tradeoff di xAI

Grok Imagine è interessante in parte perché xAI sta facendo tradeoff diversi dagli altri lab. I competitor corrono per la corona dei benchmark. xAI corre per il bottone post — cosa cliccherebbe qualcuno davvero su genera, ogni giorno, da mettere sul social. È un target di ottimizzazione diverso e produce un prodotto significativamente diverso.

Non abbiamo un cavallo in nessuna di queste corse. Il nostro lavoro è mettere lo strumento giusto a un tasto. Quindi: bozze e social, prendi Grok. Scatti cinematografici, prendi Veo. Video con audio sincronizzato, prendi HappyHorse. Still con testo vero, prendi Nano Banana 2 o GPT Image 2.

È tutta la lineup, ciascun modello a fare ciò in cui è migliore.