xAI 上線 Grok 影像模型 Aurora：攻克文字與人像細節，已登陸 X

AI 畫圖工具用多了，大家最怕的事情其實很固定：要麼畫面發塑膠感，要麼圖裡的招牌文字像亂碼。

xAI 宣佈對 Grok 的影像生成能力進行更新，推出了一款代號為 Aurora 的全新自迴歸生圖模型，直接整合在 X 平臺中。

目前這項能力已經在部分國家和地區的 X 平臺上線，官方預計會在一週內推向所有使用者。

把畫素當成文字來預測

大多數主流生圖工具採用的是擴散模型，而 Aurora 走了一條不同的技術路線：它是一個自迴歸混合專家網路，也就是 MoE 架構。

這個模型是在網際網路上數十億條圖文交錯資料上訓練出來的。它的底層原理是像處理文本一樣，去預測圖文序列中的下一個 token。

正是因為理解了圖文交錯的上下文，Aurora 在很多同類模型容易翻車的地方有了明顯起色。

官方表示，它在逼真的寫實渲染、準確理解並遵循文本指令方面表現突出。特別是在現實世界實體的細節、文字排版、商業 Logo 以及逼真的真人肖像上，成圖質量都有明顯提升。

原生支援圖生圖與圖片編輯

除了根據文字描述畫畫，Aurora 在架構上原生支援多模態輸入。

也就是說，它可以直接接收使用者上傳的圖片作為輸入，從中汲取靈感，或者對圖片進行區域性和直接的編輯。

根據 xAI 的說明，圖片輸入這一編輯能力很快就會在 X 平臺上向普通使用者開放。

這讓 Grok 從單純的聊天打字配圖，延伸到了具備直接修改視覺素材的工作流環節。

為什麼重要

對於每天泡在 X 上的創作者和營銷人員來說，Aurora 最實在的改進是文字和 Logo 渲染。以前在 AI 圖裡加個招牌或者特定詞彙總是拼錯，現在直接生成的可用度高了不少，完全值得第一時間去試一試。

從技術路線上看，這反映出生成式 AI 的一個趨勢：自迴歸加 MoE 架構正在快速侵入原本被擴散模型統治的生圖領域。將文本和影像統一在 next-token 預測框架下，模型對現實世界物理規則和語義的理解會更加自然。

我們認為，xAI 把 Aurora 深度嵌入 X 平臺的做法非常聰明，社交網路天然就是最龐大、反饋最快的圖文測試場。

但這裡的隱患也顯而易見。Aurora 極度強調真實的人像攝影感與現實品牌 Logo 的高精度還原，再加上 X 平臺相對寬鬆的內容風格，極可能在短時間內再次引發虛假肖像傳播與商標侵權的輿論風暴。