xAI 推出集成 FLUX.1 的 Grok 2.0

8 月 14 日，Elon Musk 的 AI 公司 xAI 宣布推出 Grok 2.0。这是一款集成了 Black Forest Labs 图像生成模型 FLUX.1 的聊天机器人，可在 X（原 Twitter）上使用。FLUX.1 是一款先进模型，能够生成高度逼真的图像，其中也包括可能被视为敏感或具有误导性的图像。

许多热门图像生成器会屏蔽或过滤某些类型的内容，例如暴力、露骨或具有欺骗性的图像；而 FLUX.1 的限制较少。有人认为这有利于言论自由，也有人对其先进能力印象深刻。不过，人们也担忧这类强大技术的伦理影响及其潜在滥用风险。下面，我们将探讨 Grok 2.0 带来了什么、FLUX.1 有何突出之处，以及你可以如何亲自体验这些创新工具。

认识 FLUX.1：AI 图像生成器#

FLUX.1 是 Black Forest Labs 于 2024 年 8 月 1 日推出的一款先进开源 AI 图像生成器。Black Forest Labs 是一家由前 Stability AI 工程师创立的初创公司，这些工程师因开发广泛使用的 Stable Diffusion 模型而闻名。FLUX.1 旨在与 MidJourney 和 DALL-E 3 等成熟产品直接竞争，为 AI 生成图像带来更高水平的质量和灵活性。例如，FLUX.1 擅长处理许多模型都难以应对的复杂细节，比如生成逼真的人手，或在标牌上生成可读文字。

Black Forest Labs 提供了三种不同版本的 FLUX.1，可用于不同的应用场景。下面详细介绍这几个版本：

• FLUX.1 [pro]：旗舰模型，面向商业用途，旨在提供最高质量的输出。
• FLUX.1 [dev]：开放权重版本，可用于非商业用途，适合研究和开发。
• FLUX.1 [schnell]：采用 Apache 2.0 许可证的速度优化模型，非常适合需要快速生成图像的个人项目和本地开发。

图 1. 了解 FLUX.1 的不同版本

FLUX.1 如何工作？#

FLUX.1 采用混合模型架构，将 Transformer 和扩散技术结合起来，模型大小为 120 亿个参数（神经网络中可调整的部分，能够帮助模型从数据中学习）。Transformer 是一种神经网络，能够通过识别数据中的模式和关系，理解文本和图像等序列。扩散模型从随机噪声开始，逐步优化，直到形成清晰的图像。通过结合这两种方法，FLUX.1 能够发挥两种架构的优势，生成与给定文本提示相符的高质量图像。

FLUX.1 还采用了旋转位置嵌入和流匹配等先进技术。旋转位置嵌入帮助模型理解文本和图像中各元素的顺序与位置，确保整体内容合理连贯。流匹配是一种生成模型技术，可让从随机噪声生成图像的过程更加平滑、高效。

FLUX.1 基准测试#

将 FLUX.1 与 MidJourney v6.0、DALL·E 3 (HD) 和 SD3-Ultra 等其他热门模型进行比较时，可以发现 FLUX.1 为 AI 图像生成树立了新的标杆。它在图像质量、提示词遵循程度、输出多样性，以及对不同尺寸和宽高比的支持等关键方面表现出色。FLUX.1 [pro] 和 [dev] 模型生成的图像质量高，而且与用户需求高度吻合，在提供清晰准确的结果方面通常优于其他模型。另一方面，FLUX.1 [schnell] 是最先进的快速图像生成模型之一，性能胜过 MidJourney 等更复杂的模型。

图 2. Midjourney v6 与 FLUX.1 [pro] 对比

Grok 2.0：Elon Musk 的 xAI 最新成果#

Grok 2.0 是 Elon Musk 的 AI 公司 xAI 开发的最新大型语言模型。Grok 2.0 于 2024 年 8 月发布，X 平台（原 Twitter）的 X Premium 和 Premium+ 用户均可使用。此外，它很快也会通过企业 API 向开发者和企业开放。

图 3. Grok 2.0 解释网络迷因的示例。

Grok 2.0 基于 Transformer 架构。与旧版本 Grok 1.5 相比，它更擅长遵循指令、分析问题并提供准确信息。这款聊天机器人已与其他领先的 AI 模型进行过测试，并取得了令人瞩目的结果。在研究生水平的科学问题、常识和复杂数学题等基准测试中，Grok 2.0 的表现优于 GPT-4 Turbo、Claude 3.5 Sonnet 和 Llama 3 405B 等热门模型。Grok 2.0 也擅长需要视觉理解的任务，在视觉数学推理和基于文档的问答中取得了高分。在真实世界目标检测任务中，较新的 Grok 模型（例如 Grok 4.7）会与其他视觉语言模型在 Ultralytics VLM Leaderboard 上进行比较。

Grok 2.0 与 FLUX.1 的关联#

FLUX.1 已集成到 Grok 2.0 中，可同时生成文本和图像。如今，结合不同技术来提升功能和用户体验已很常见，但这项集成尤其受到关注。

一方面，有人称赞 FLUX.1 的集成给 Grok 2.0 增添了“趣味性”。用户可以尝试生成富有创意、有时也颇具争议的图像，而其他 AI 工具可能会限制或严格审核这类内容。例如，有用户在 X 上分享了描绘公众人物处于不当或有争议情境中的图像，并称这体现了对言论自由的支持。

另一方面，批评者认为，FLUX.1 缺乏明确的伦理准则，可能引发严重的伦理和社会问题，例如虚假信息和深度伪造。一些人担心，在最具影响力的社交媒体平台之一上结合强大的、未经审查的文本和图像生成功能，可能会加剧虚假信息的传播。

Grok 2.0 及其不受限制的方式#

问题不只是图像生成。Grok 2.0 本身的限制也比 ChatGPT 等我们近期熟悉的其他 AI 工具少。这种缺乏内容审核的情况，让模型能够突破界限，有些人对此感到兴奋，另一些人则感到担忧。

例如，有人发现 Grok 生成的文本内容很容易被解读为虚假或误导性新闻。2024 年 4 月曾发生一起广泛报道的事件：Grok 编造了一个关于 NBA 球员 Klay Thompson 的虚假故事，声称他“疯狂用砖头砸毁财物”。这个 AI 聊天机器人误解了篮球术语“throwing bricks”，该词只表示投篮不中。Grok 却按字面理解，捏造出 Thompson 用真砖头实施破坏行为的故事。这条帖子很快在 X 上广泛传播，一些用户甚至编造受害者账号，进一步助长了虚假信息。

图 4. Grok 在 X 上发布的帖子。

尽管存在这些担忧，一些用户仍然欣赏 Grok 2.0 对“言论自由”的坚持。他们认为，与受到严格审核的 AI 模型相比，Grok 2.0 能支持更开放的对话和更大的创作自由。他们把 Grok 2.0 视为对抗他们认为过于谨慎、会限制敏感话题讨论的“觉醒派”AI的选择。对这些用户来说，Grok 2.0 提供的平台似乎较少受社会规范约束。

亲自试用 FLUX.1 和 Grok 2.0#

试用 FLUX.1 和 Grok 2.0 有几种不同方式。你可以通过 Hugging Face、Replicate 和 Fal.ai 等 AI 平台直接使用 FLUX.1。Grok 2.0 则仅对 X Premium 和 Premium+ 订阅用户开放。

要点#

FLUX.1 和 Grok 2.0 正在拓展 AI 的边界，并引发深入讨论。FLUX.1 凭借生成高度细致、逼真图像的能力，为 AI 生成图像树立了新标准。Grok 2.0 则利用 FLUX.1，将自身能力拓展到文本交互之外。一方面，爱好者们对这些工具带来的创作自由和不受审查的探索空间感到兴奋。另一方面，批评者则对虚假信息、深度伪造的风险，以及在 X 这样具有影响力的平台上不受监管的能力所带来的伦理影响发出警告。随着 FLUX.1 和 Grok 2.0 不断发展，它们正处于数字时代关于自由、创造力和责任的争论中心，这场争论很可能会在未来多年影响 AI 的发展方向。

想进一步了解 Ultralytics，请查看我们的 GitHub 代码库、加入我们的社区，并探索我们面向医疗健康和制造业等行业的最新 AI 解决方案！