Grok vs. Gemini in 7 KI-Bildgenerierungstests: Was ist besser?

KI-basierte Bildgeneratoren entwickeln sich rasant weiter und werden immer intelligenter, schneller und kreativer. Nachdem ich die Bildgenerierungsfunktionen von ChatGPT-5 und Gemini getestet hatte, wollte ich die Leistung von Googles Gemini mit Grok, dem „kostenlosen“ Chatbot von Elon Musk, vergleichen.

In einem sieben Runden umfassenden Kampf, der auch fotorealistische und Pixar-artige Anforderungen umfasste, testete ich die Einhaltung der Anweisungen und die Fähigkeit jedes Modells, überzeugende Bilder zu liefern. Hier sind die wichtigsten Stärken der einzelnen Modelle und welche KI sich letztendlich durchgesetzt hat. Dieser Vergleich hilft Ihnen zu verstehen, welches Modell – Gemini oder Grok – für Ihre Anforderungen an die KI-Bildgenerierung am besten geeignet ist.

1. Hyperrealistisches Produktkonzept

Die Herausforderung: „Erstellen Sie ein realistisches Foto eines faltbaren, transparenten Smartphones, das auf einem hölzernen Café-Tisch liegt und auf dessen Oberfläche sich die Lichter der Stadt spiegeln.“

Grok erfüllte diese Anforderung erfolgreich und erstellte zwei realistische Fotografien, die alle gewünschten Details enthielten. Beide Versionen wirkten professionell und spiegelten das Konzept präzise wider.

Geminis Ergebnis war gut, aber nicht perfekt. Das transparente Smartphone wirkte etwas unproportioniert, und die Spiegelungen der Stadtlichter, ein zentraler Bestandteil der Behauptung, wurden nicht so überzeugend dargestellt wie bei Groks Versuch.

Sieger: Grok gewinnt für die Erstellung eines überlegenen Bildes und die beste Interpretation der Aussage. In diesem KI-Bildgenerierungstest schnitt Grok deutlich besser ab.

2. Charaktere mit Emotionen zeichnen

Die Herausforderung: „Zeichne eine Illustration im Comic-Stil von einem jungen Astronauten, der feststellt, dass er seinen Helm auf der Marsoberfläche vergessen hat – mit übertriebenem Gesichtsausdruck, leuchtenden Farben und einem cartoonhaften Sinn für Humor.“

Grok fertigte zwei Bilder an, die zwei scheinbar überraschte Astronauten zeigen, beide mit Helmen. Da die Bilder so nah beieinander liegen, lassen sie sich nur schwer eindeutig interpretieren, und die „Vergesslichkeit“ ist nicht klar erkennbar.

Gemini produzierte ein Bild, das einen vergesslichen Astronauten zeigt. Die Sprechblase verdeutlicht am besten den Grund für dessen Verärgerung, obwohl das Bild noch besser wäre, wenn der Astronaut keinen Helm tragen würde. Hintergrund und Gesamtgestaltung sind gelungen.

Gewinner: Gemini gewinnt, weil es die Anweisungen zur Schadensmeldung genau befolgt hat und ein humorvolleres Bild geliefert hat.

3. Geschichte neu erfinden

Die Anfrage: „Malen Sie ein Kunstwerk im Renaissancestil, das Kleopatra mit einem modernen Smartphone in der Hand zeigt, im Stil von Leonardo da Vinci.“

Grok schuf ein Bild, das wie ein Foto einer modernen Frau in Renaissancekleidung mit einem Smartphone in der Hand wirkt. Es ähnelt eher einem Selfie und ist sehr zeitgemäß.

Gemini legte mehr Wert auf den künstlerischen Aspekt. Das Gemälde ähnelte eher einem Renaissance-Gemälde und stellte Kleopatra selbst besser dar als nur eine moderne Frau in Kostüm.

Sieger: Gemini gewinnt für die beste Interpretation des Ordens und die beste historische Genauigkeit.

4. Komplexe Massenszene

Beanspruchen: „Erstellen Sie ein Luftbild vom Times Square an Silvester, voller Menschenmassen, leuchtender Werbetafeln und Konfetti, das über den Nachthimmel fällt.“

Grok war auf dieser Tournee wirklich enttäuschend. Beide Fotos waren gleichermaßen schlecht, ziemlich unscharf und gaben die Silvesterstimmung am Times Square überhaupt nicht wieder. Die Personen stehen zu weit auseinander, und andere Details, die auf eine Silvesteratmosphäre hindeuten könnten, fehlen.

Gemini fing die Energie und die riesigen Menschenmassen am Times Square in der Silvesternacht ein. Das Bild stammt eindeutig aus New York City, und die Schilder weisen auf den Anlass hin. Anders als auf Groks Foto ist die Menschenmenge dicht gedrängt.

Sieger: Gemini gewinnt das klarste und präziseste Bild von Silvester am Times Square.

5. Surreale Mischung

Die Behauptung: „Stellen Sie sich einen riesigen Oktopus vor, der mit Albert Einstein in einem Glasraum auf dem Meeresgrund Schach spielt.“

Grok hatte mit diesem Test Schwierigkeiten . Er musste deutlich länger nachdenken als bei allen anderen bisher geprüften Ansprüchen. Das Bild war zwar gut, erfüllte aber nicht die im Anspruch geforderte „Glaskammer“.

Gemini präsentierte sogleich etwas, das wie ein Porträt aussah. Das Glashaus wirkte interessant und realistisch. Der Oktopus war viel größer als der von Grok und fügte sich viel besser in das ungewöhnliche Bild ein.

Testsieger: Gemini überzeugt durch überragende Bildqualität und präzise Befolgung der Anweisungen.

6. Übersichtlichkeit der Infografik

Die Aufgabenstellung lautete : „Entwerfen Sie eine übersichtliche Infografik, die den Lebenszyklus des Schmetterlings veranschaulicht. Beschriften Sie die einzelnen Stadien und verwenden Sie Pfeile und flache Symbole mit so wenigen Farben wie möglich.“

 

Groks Versuch , ein Diagramm zu erstellen, war teils erfolgreich, teils nicht. Die erste Version war zu überladen; ein unnötiger zusätzlicher Schmetterling lenkte vom Lebenszyklus ab. Die zweite Version war zwar anspruchsvoller, aber in den Details der Darstellung des Zyklus unpräzise.

Gemini präsentierte ein klares Bild, das den Lebenszyklus des Schmetterlings präzise darstellte, mit übersichtlichen Beschriftungen, minimaler Farbgebung und gut lesbaren Etiketten.

 

Sieger: Gemini gewinnt, da es die Aufgabe beim ersten Versuch erfolgreich abgeschlossen hat. Das Bild ist korrekt und kann betrachtet werden.

7. Achten Sie bei stilisierten Profilbildern auf Konsistenz.

Die Aufgabenstellung: „Erstelle ein 3D-Charaktermodell im Pixar-Stil einer 40-jährigen Journalistin mit blonden Haaren, die ein Notizbuch hält – und erstelle anschließend 3 Variationen mit unterschiedlichen Outfits.“

Grok hat den Kern der Sache völlig verfehlt, indem er in seiner Forderung neben den „verschiedenen Outfits“ auch noch einen „Pixar-Stil“ verlangte. Immerhin hat er drei verschiedene Frisuren entworfen, was ihm hoch anzurechnen ist.

Gemini hat den Journalisten im Pixar-Stil vernichtend geschlagen, aber alle drei Unterschiede falsch dargestellt.

Sieger: Ein Unentschieden zwischen beiden Robotern, da sie die Anweisungen nicht befolgt haben. Müsste ich mich entscheiden, würde ich Gemini wählen, da er das Muster korrekt erkannte und die Atmosphäre des Journalisten besser einfing.

Gesamtsieger: Gemini

Nach sieben Befehlen erwies sich Gemini als der zuverlässigste Bildgenerator überhaupt. Er befolgte Anweisungen konsequenter und präziser, produzierte sauberere Kompositionen und beherrschte Details, die Grok oft übersah. Mit anderen Worten: Gemini war hervorragend darin, Textbefehle zu verstehen und auszuführen, um die gewünschten Bilder zu generieren.

Grok zeigte zwar kreative Ansätze und lieferte einen deutlichen Vorsprung im Fotorealismus, schwächelte aber oft in der Genauigkeit und wich von der Norm ab. Wer experimentelle und unkonventionelle Ergebnisse sucht, findet bei Grok seine Stärken. Für den alltäglichen Einsatz, bei dem Klarheit, Präzision und Perfektion an erster Stelle stehen, ist Gemini jedoch der KI-Bildgenerator, dem ich vertraue. Kurz gesagt: Gemini ist die bessere Wahl für Anwender, die konsistente, qualitativ hochwertige Ergebnisse in verschiedenen Szenarien suchen.

Hast du Grok ausprobiert? Und Gemini? Welches ist dein Favorit? Lass es mich in den Kommentaren wissen.