【Введение】Сначала авокадо, теперь манго. Контрнаступление ИИ Маленького Заха начинается.
Только что, Маленький Зах нанёс удар.
Суперинтеллектуальная лаборатория Meta (MSL) представила свою первую модель генерации изображений Muse Image, под кодовым названием «Манго» (Mango).
Это наша самая передовая на сегодняшний день модель генерации изображений.
Вместе с Muse Image также был представлен видеомодель Muse Video, которая пока находится на этапе предварительного просмотра.
На сторонней арене Arena, в рейтинге генерации изображений по тексту, Muse Image поднялась на второе место, вплотную преследуя GPT Image 2 от OpenAI.
Рейтинг Elo по трём категориям изображений на Arena, по состоянию на 5 июля 2026 года. Muse Image занимает второе место во всех трёх, сразу после GPT Image 2, с результатами 1280 против 1385 в текстовой генерации, разница в 105 баллов. (Источник: Arena AI Leaderboard)
Хотя на этот раз им не удалось выйти на первое место по качеству изображений, Манго сделал кое-что более впечатляющее: он изменил способ создания изображений.
Есть ещё один навык, вызывающий лёгкую дрожь: если ваш аккаунт в Instagram является публичным, любой, упомянув ваше имя пользователя, может использовать ваши публичные фотографии для генерации изображений.
В Meta AI, упомянув публичный аккаунт Instagram, Манго может напрямую перенести образ этого человека с его публичных фотографий в создаваемое вами изображение.
Создать приглашение на мероприятие, собрать креативную концептуальную картинку — просто упомяните имя пользователя.
Хотя они не достигли вершины по качеству изображений, Meta держит в руках козырь — социальную сеть с миллиардами пользователей, что является их главным преимуществом.
Больше не создание сходу: сначала думает, потом рисует
Muse Image функционирует как интеллектуальный агент (agent).
Он делает то, чего не делают традиционные модели генерации изображений.
Например, сталкиваясь с плотными знаниями или подсказками, касающимися реальных фактов, он сначала ищет в интернете достоверную информацию, чтобы закрепить изображение на фактах;
Чтобы нарисовать QR-код или диаграмму, он на месте пишет и запускает код, точно вычисляет, а затем приступает к рисованию, и даже может использовать полученный результат для калибровки изображения;
Самое контринтуитивное — это самокоррекция: после рисования, обнаружив ошибку, он сам анализирует, исправляет мелкие детали, если ошибочно направление — перерисовывает всё заново, а если сомневается — обращается за информацией.
Meta заявляет, что это поведение не было ими запрограммировано, а возникло само в процессе обучения с подкреплением.
Поскольку редактирование приносит больше наград, модель научилась редактировать. Действие, которому явно не учили, проявилось в процессе обучения.
Такое «эмерджентное поведение» означает, что модели генерации изображений также начинают развивать базовые способности, аналогичные языковым моделям — «чем больше практики, тем лучше они сами находят решения».
Сравнение процента побед до и после включения самокоррекции (внутренний ablation-эксперимент). Генерация по тексту 57.1%, редактирование одного изображения 56.3%, редактирование нескольких изображений 56.6% — все три показателя превышают половину, что указывает на то, что самокоррекция стабильно улучшает качество рисования Манго. (Источник: Официальный блог Meta AI)
Кроме того, Muse Image пошёл по тому же пути, что и языковые модели: чем больше думает, тем лучше рисует.
Чем больше вычислительных ресурсов выделяется при тестировании, тем больше раз он ищет, тем больше раз редактирует, и рейтинг Elo, основанный на предпочтениях человека, растёт, приближаясь к логарифмически линейной кривой.
Meta также обнаружила, что вместо того, чтобы генерировать сразу несколько изображений и выбирать лучшее, лучше вложить те же вычислительные ресурсы в тщательное рассуждение: в первом случае рост быстро прекращается, во втором — может продолжаться.
Один разработчик на X метко заметил: модели генерации изображений начинают думать, прежде чем закончить рисование.
Конечно, это направление не является исключительно направлением Meta.
OpenAI ещё в апреле этого года запустила режим Thinking в GPT Image 2: сначала рассуждение и планирование композиции, поиск в интернете для справки, генерация кандидатов и самопроверка — на два с половиной месяца раньше Манго.
Если копнуть ещё глубже, в 2025 году в академических кругах уже предлагали парадигму «сначала подумать, потом генерировать».
Гонка в сфере генерации изображений переходит от «соревнования по качеству изображений» к «соревнованию по умению думать».
Манго в паре с авокадо: оба фрукта на столе
Манго не «сражается» в одиночку — он связан с авокадо Muse Spark: обе модели используют общие инструменты и совместно планируют.
Языковая модель отвечает за мышление, модель генерации изображений — за рисование, и в сочетании они могут делать гораздо больше, чем просто «создать картинку».
В официальном демо-ролике Манго создал набор материалов для «прокачки» кремовой персидской кошки: сгенерировал изображения от котёнка до молодой и старой кошки, а затем упаковал их в веб-игру 2048, в которую можно сразу играть.
Манго вместе с Muse Spark создали шесть этапов жизни персидской кошки Мочи, от котёнка до старой кошки, и упаковали их в играбельную веб-игру в стиле 2048. (Источник: Официальный блог Meta AI)
Для Meta сам факт создания собственной модели генерации изображений имеет большое значение.
Ранее её функции работы с изображениями и видео всегда поддерживались сторонними моделями, такими как Midjourney и Black Forest Labs.
Теперь, с запуском Манго, возможность, которая использовалась миллиарды раз в день, стала «собственной разработкой».
Что касается видеомодели, Muse Video использует ту же предварительно обученную базовую модель, что и Манго, и ориентирована на нативный аудио: генерация изображения и звука одновременно.
Muse Video пока находится в «предпросмотре» и официально ещё не открыта, но уже проходит слепое тестирование на Arena, занимая 3-е место в категории генерации видео по тексту.
Рейтинг Elo в категории генерации видео по тексту на Arena, по состоянию на 5 июля 2026 года. Находящийся в предпросмотре Muse Video занимает 3-е место (1459), выше — Google Gemini Omni Flash (1527) и ByteDance Seedance 2.0 (1482). (Источник: Arena AI Leaderboard)
Meta также не скрывает недостатков, прямо заявляя, что пока есть проблемы с синхронизацией звука и изображения, а также с физической точностью быстрых движений.
Упоминание (@) позволяет вписать ваши социальные связи в изображение
Обычные возможности Манго включают:
Слияние нескольких референсных изображений в одно, прямое рисование и аннотирование на изображении с последующим редактированием, чёткий рендеринг китайских иероглифов на изображении без размытия, фотографирование комнаты и её перепланировка с использованием реальных товаров с Facebook Marketplace...
Сфотографируйте комнату, Манго ищет реальную подержанную мебель, продающуюся на Facebook Marketplace, и генерирует изображение перепланировки всей комнаты. (Источник: Официальный блог Meta AI)
В Instagram Stories он сразу представил более 30 новых ИИ-эффектов: превращение фото в стиль одноразовой камеры одним кликом, добавление ночной вспышки, а также возможность ввода подсказки для создания собственного эффекта (пока запущено в США).
По-настоящему уникальной является функция упоминания (@), это способность, которую не могут предоставить ни OpenAI, ни Google. Но проблема также заключается в этом: эта функция по умолчанию включена.
Если ваш Instagram является публичным аккаунтом, другие могут упомянуть вас и использовать ваши фотографии для генерации изображений, а вы не получите никакого уведомления.
Чтобы отключить, нужно самостоятельно залезть в настройки, найти раздел «Общий доступ и повторное использование» и отключить вручную. Уже сгенерированные изображения не удаляются даже после отключения.
Wired прямо назвал эту настройку по умолчанию потенциальной угрозой конфиденциальности.
Такие опасения не беспочвенны.
В деле Cambridge Analytica данные 87 миллионов пользователей были использованы политической консалтинговой компанией без их согласия.
В 2019 году Meta за это получила от FTC штраф в размере 5 миллиардов долларов — самый крупный штраф за нарушение конфиденциальности, выписанный правительством США на тот момент.
В 2021 году она добровольно закрыла всю систему распознавания лиц, удалив шаблоны распознавания лиц более чем для 1 миллиарда человек.
На этот раз Манго дал возможность, которой не могут дать другие, но и принёс проблему, с которой другие не сталкивались.
Козырь Meta не в модели
Хотя Манго не достиг вершины по качеству изображений, его настоящий козырь — это дистрибуция.
На этот раз Манго напрямую интегрирован в Meta AI, Instagram, WhatsApp, а вскоре появится на Facebook, Messenger, и рекламодатели также смогут получать к нему доступ через Advantage+.
Эти приложения вместе насчитывают почти 4 миллиарда активных пользователей в месяц, что делает их крупнейшей в мире социальной сетью.
Midjourney, ChatGPT делают ставку на «тот, кто рисует лучше», а Meta ставит на другое: когда генерация изображений ИИ станет таким же обычным действием, как публикация в соцсетях, победит тот, кто ближе к пользователю.
Конечно, чем шире распространяются изображения, тем важнее указывать их происхождение.
Каждое изображение, сгенерированное Манго, содержит невидимый водяной знак Content Seal, который не удаляется при обрезке, сжатии или масштабировании, специально указывающий, что «это нарисовано ИИ».
Meta также выпустила публичный инструмент обнаружения (meta.ai/identification), с помощью которого любой может проверить, было ли данное изображение сгенерировано Meta AI.
На этот раз Meta не только поспевает за «моделями генерации изображений, умеющими думать», но и держит в руках крупнейшую в мире социальную сеть.
Просто, когда упоминание незнакомца позволяет использовать его фотографии для генерации изображений, где же проходит грань дозволенного? На этот вопрос Манго ещё не дал ответа.
Источники:
https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/
https://about.fb.com/news/2026/07/introducing-muse-image-meta-ai/
https://x.com/AIatMeta/status/2074587884665901143
Статья из официального аккаунта WeChat «Новая эра интеллекта» («新智元»), автор: ASI启示录; редактор: 元宇
