【Dẫn nhập】 Đầu tiên là bơ, tiếp theo là xoài, cuộc phản công AI của Tiểu Trát đã bắt đầu.
Vừa rồi, Tiểu Trát ra tay.
Phòng thí nghiệm Siêu Trí tuệ Meta (MSL) đã tung ra mô hình tạo ảnh đầu tiên mang tên Muse Image, biệt danh "Xoài" (Mango).
Đây là mô hình tạo ảnh tiên tiến nhất của chúng tôi cho đến nay.
Cùng xuất hiện với Muse Image, còn có mô hình video Muse Video, hiện vẫn đang ở phiên bản xem trước.
Trên bảng xếp hạng văn bản thành ảnh của Arena, Muse Image đã vọt lên vị trí thứ hai, sát nút GPT Image 2 của OpenAI.
Xếp hạng Elo ba bảng hình ảnh Arena, tính đến ngày 5 tháng 7 năm 2026, Muse Image đứng thứ 2 cả ba hạng mục, chỉ sau GPT Image 2, trong đó văn bản thành ảnh 1280 so với 1385, chênh lệch 105 điểm. (Nguồn: Arena AI Leaderboard)
Mặc dù lần này chưa đứng đầu về chất lượng hình ảnh, nhưng Xoài đã làm một việc còn 'đáng sợ' hơn: nó thay đổi cách vẽ.
Còn một kỹ năng khiến người ta rùng mình, chỉ cần tài khoản Instagram của bạn là công khai, bất kỳ ai @ tên người dùng của bạn, đều có thể sử dụng ảnh công khai của bạn để tạo ảnh.
Trong Meta AI, bạn @ một tài khoản Instagram công khai, Xoài có thể đưa hình ảnh của người đó từ những bức ảnh công khai trực tiếp vào bức ảnh bạn muốn tạo.
Làm một tấm thiệp mời sự kiện, ghép một bức tranh khái niệm sáng tạo, chỉ cần @ tên người dùng là xong.
Mặc dù chưa đứng đầu về chất lượng hình ảnh, nhưng Meta nắm giữ mạng xã hội của hàng tỷ người, đây mới là lá bài chủ lực của họ.
Không còn tạo ra trực tiếp từ một câu, mà là suy nghĩ trước rồi mới vẽ
Muse Image, hoạt động như một tác nhân thông minh (agent).
Nó sẽ làm những việc mà mô hình tạo ảnh truyền thống không làm.
Ví dụ, khi gặp gợi ý dày đặc kiến thức, liên quan đến sự thật thực tế, nó sẽ tìm kiếm thông tin thực tế trên mạng trước, định vị hình ảnh dựa trên sự thật;
Muốn vẽ mã QR, biểu đồ, nó sẽ viết code ngay tại chỗ, chạy code, tính toán chính xác rồi mới động bút, còn có thể sử dụng kết quả render ra để hiệu chỉnh ngược lại hình ảnh;
Điều phản trực giác nhất, là tự sửa chữa: vẽ xong thấy không đúng, sẽ tự phản ánh, sửa một chút chỗ nhỏ, sai hướng lớn thì vẽ lại cả bức, thực sự không chắc chắn thì quay đầu tìm tài liệu.
Meta nói, hành vi này không phải do họ thiết kế, mà là nó tự xuất hiện trong quá trình học tăng cường.
Vì sửa bài có thể nhận phần thưởng cao hơn, mô hình đã học được cách sửa bài. Một hành động không được dạy rõ ràng, đã tự nổi lên trong quá trình huấn luyện.
Loại "xuất hiện" này có nghĩa là, mô hình hình ảnh cũng bắt đầu có khả năng nền tảng tương tự như mô hình ngôn ngữ, "càng luyện càng biết tự tìm cách".
So sánh tỷ lệ thắng trước và sau khi bật chức năng tự sửa chữa (thử nghiệm triệt tiêu nội bộ). Văn bản thành ảnh 57.1%, chỉnh sửa ảnh đơn 56.3%, chỉnh sửa nhiều ảnh 56.6%, cả ba hạng mục đều trên 50%, cho thấy tự sửa chữa giúp Xoài vẽ tốt hơn một cách ổn định. (Nguồn: Meta AI Blog chính thức)
Đồng thời, Muse Image còn có một con đường giống với mô hình ngôn ngữ: càng suy nghĩ nhiều, vẽ càng đẹp.
Khi thử nghiệm, càng được cung cấp nhiều tài nguyên tính toán, nó càng tìm kiếm nhiều lần, sửa nhiều lần, điểm số ưu tiên của con người Elo tăng theo, gần giống một đường cong tuyến tính logarit.
Meta còn phát hiện, thay vì tạo ra vài bức cùng lúc rồi chọn bức đẹp nhất, chi phí tài nguyên tính toán tương tự vào việc suy luận nghiêm túc sẽ tốt hơn: cách trước nhanh chóng đạt ngưỡng, cách sau vẫn có thể tiếp tục tiến lên.
Có nhà phát triển trên X đã chạm đúng trọng tâm bằng một câu: mô hình hình ảnh, bắt đầu suy nghĩ rõ ràng trước khi vẽ xong.
Đây dĩ nhiên không phải là hướng đi riêng của Meta.
GPT Image 2 của OpenAI đã lên chế độ Thinking từ tháng 4 năm nay: lập kế hoạch suy luận bố cục trước, tìm kiếm tham khảo trên mạng, tạo ứng viên rồi tự kiểm tra, sớm hơn Xoài hai tháng rưỡi.
Lùi xa hơn, năm 2025 giới học thuật đã đề xuất mô hình "suy nghĩ trước rồi mới tạo".
Đường đua tạo ảnh, đang chuyển từ "thi chất lượng hình ảnh" sang "thi xem có biết suy nghĩ không".
Xoài kết hợp với bơ, hai quả cùng được dọn lên bàn
Xoài, không phải một mình "trái cây" chiến đấu - nó và bơ Muse Spark được kết nối: hai mô hình chia sẻ công cụ, cùng lập kế hoạch.
Mô hình ngôn ngữ chịu trách nhiệm suy nghĩ, mô hình hình ảnh chịu trách nhiệm vẽ, kết hợp lại có thể làm được nhiều việc, không chỉ là "tạo một bức ảnh".
Trong demo chính thức, Xoài đã làm bộ tài liệu "nuôi dưỡng" cho một chú mèo Ba Tư màu kem: tạo ảnh mèo con, mèo trưởng thành, mèo già, rồi đóng gói thành một trò chơi web 2048 có thể chơi trực tiếp.
Xoài kết hợp với Muse Spark, đóng gói sáu giai đoạn từ mèo con đến mèo già của mèo Ba Tư Mochi thành một trò chơi web ghép hợp thành kiểu 2048 có thể chơi được. (Nguồn: Meta AI Blog chính thức)
Với Meta, việc tự làm mô hình tạo ảnh bản thân nó đã có trọng lượng.
Trước đây, chức năng hình ảnh và video của họ vẫn dựa vào các mô hình bên thứ ba như Midjourney, Black Forest Labs.
Bây giờ Xoài ra mắt, đồng nghĩa với việc biến một khả năng được gọi hàng chục tỷ lần mỗi ngày, thành "tự làm".
Về mô hình video, Muse Video và Xoài chia sẻ cùng một nền tảng huấn luyện trước, tập trung vào âm thanh nguyên bản: hình ảnh và âm thanh được tạo cùng lúc.
Muse Video hiện chỉ là "xem trước", chưa chính thức mở cửa, nhưng đã được đưa lên Arena để chạy thử nghiệm mù, xếp hạng 3 trong bảng văn bản thành video.
Xếp hạng Elo bảng văn bản thành video Arena, tính đến ngày 5 tháng 7 năm 2026. Muse Video đang xem trước xếp thứ 3 (1459), trước đó là Google Gemini Omni Flash (1527) và ByteDance Seedance 2.0 (1482). (Nguồn: Arena AI Leaderboard)
Meta cũng không giấu điểm yếu, thẳng thắn nói rằng còn khoảng cách trong đồng bộ âm thanh hình ảnh, độ chính xác vật lý của chuyển động nhanh.
@ một cái là có thể vẽ mối quan hệ xã hội của bạn vào ảnh
Cách chơi thông thường của Xoài có:
Ghép nhiều ảnh tham khảo thành một, trực tiếp vẽ chú thích lên ảnh để nó sửa, ký tự Trung văn trong ảnh được render rõ nét không nhòe, chụp ảnh phòng rồi để nó dùng hàng hóa thực tế trên Facebook Marketplace để giúp bạn trang trí lại......
Chụp một bức ảnh phòng, Xoài tìm kiếm đồ nội thất cũ thực tế đang bán trên Facebook Marketplace, tạo ra hiệu ứng hình ảnh cải tạo toàn bộ căn phòng. (Nguồn: Meta AI Blog chính thức)
Trên Instagram Stories, nó mang đến hơn 30 hiệu ứng AI mới cùng lúc: biến ảnh thành chất lượng máy ảnh dùng một lần với một cú nhấp, thêm flash ban đêm, còn có thể nhập một câu gợi ý để tự tạo hiệu ứng, hiện đang ra mắt tại Mỹ trước.
Thứ thực sự độc nhất vô nhị, là tính năng @ đó, đây cũng là khả năng mà OpenAI và Google đều không thể cung cấp. Nhưng vấn đề cũng nằm ở đây: tính năng này mặc định đang bật.
Chỉ cần Instagram của bạn là tài khoản công khai, người khác @ bạn là có thể lấy ảnh của bạn để tạo ảnh, mà bạn sẽ không nhận được bất kỳ thông báo nào.
Muốn tắt phải tự lần vào cài đặt, tìm mục "Chia sẻ và tái sử dụng" để tắt thủ công. Những bức ảnh đã được tạo ra, tắt đi cũng không xóa được.
Wired trực tiếp gọi cài đặt mặc định bật này là mối nguy tiềm ẩn về quyền riêng tư.
Lo ngại như vậy không phải không có căn cứ.
Trong sự kiện "Cambridge Analytica", dữ liệu của 87 triệu người dùng đã được một công ty tư vấn chính trị sử dụng mà không có sự đồng ý.
Meta vì việc này đã phải nhận mức phạt 5 tỷ USD do FTC đưa ra vào năm 2019, đây là mức phạt lớn nhất của chính phủ Mỹ về vi phạm quyền riêng tư vào thời điểm đó.
Năm 2021, họ lại chủ động đóng toàn bộ hệ thống nhận diện khuôn mặt, xóa mẫu nhận diện khuôn mặt của hơn 1 tỷ người.
Lần này, Xoài đưa ra cách chơi mà người khác không thể cung cấp, cũng mang lại rắc rối mà người khác chưa chạm tới.
Đòn sát thủ của Meta không phải là mô hình
Mặc dù chất lượng hình ảnh của Xoài chưa đứng đầu, nhưng đòn sát thủ thực sự của nó, là phân phối.
Xoài lần này trực tiếp kết nối vào Meta AI, Instagram, WhatsApp, tiếp theo sẽ lên Facebook, Messenger, chủ quảng cáo cũng có thể gọi nó qua Advantage+.
Mấy ứng dụng này hợp lại, hoạt động hàng tháng gần 4 tỷ, là mạng xã hội lớn nhất toàn cầu về quy mô.
Midjourney, ChatGPT đang cá cược "ai vẽ đẹp nhất", Meta đang cá cược một việc khác: khi AI tạo ảnh trở thành hành động hàng ngày thuận tay như đăng tin trên dòng thời gian, ai ở gần người dùng nhất, người đó thắng.
Dĩ nhiên, ảnh phân phối càng rộng, càng phải ghi rõ nguồn gốc.
Mỗi bức ảnh do Xoài tạo ra, đều mang một lớp watermark vô hình Content Seal, cắt, nén, thu phóng đều không mất đi, chuyên dùng để đánh dấu "đây là ảnh do AI vẽ".
Meta còn phát hành một công cụ phát hiện công khai (meta.ai/identification), bất kỳ ai cũng có thể lấy một bức ảnh để kiểm tra xem, rốt cuộc nó có phải do Meta AI tạo ra hay không.
Lần này, Meta vừa theo kịp "mô hình tạo ảnh biết suy nghĩ", vừa nắm giữ mạng xã hội lớn nhất toàn cầu.
Chỉ là, khi @ một người lạ là có thể dùng ảnh của họ để tạo ảnh, ranh giới của việc này rốt cuộc ở đâu, Xoài vẫn chưa đưa ra câu trả lời.
Tài liệu tham khảo:
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
Bài viết này đến từ tài khoản công chúng WeChat "Tân Trí Nguyên", tác giả: ASI Khải Thị Lục; Biên tập: Nguyên Vũ
