Meta* представила Muse Image — первую модель генерации изображений от Meta Superintelligence Labs (компания Meta* признана экстремистской и запрещена в РФ). Это второй крупный релиз лаборатории под руководством Александра Вана после апрельской языковой модели Muse Spark, сменившей семейство Llama. Модель уже работает в приложении Meta AI и на сайте meta.ai, внутри компании проект носил кодовое имя Mango.
Главное отличие Muse Image от привычных генераторов — она не превращает промпт в картинку напрямую, а работает как агент. В связке с Muse Spark модель рассуждает над запросом, ищет в интернете фактуру и визуальные референсы, а для точных элементов вроде QR-кодов и графиков пишет и исполняет код, после чего опирается на отрендеренный результат. По данным Meta*, веб-поиск заметно повышает точность на запросах, завязанных на реальные факты и текущие события.
Самая любопытная деталь — self-refinement: модель проверяет собственные черновики прямо в цепочке рассуждений и выбирает, что делать дальше. Если не сошлась мелкая деталь — правит ее локально, если картинка не удалась целиком — перегенерирует с нуля, а при нехватке фактуры обращается к инструментам. В Meta* подчеркивают, что такое поведение никто не проектировал: оно возникло само в ходе RL-обучения, потому что самопроверка давала более качественные картинки и, соответственно, более высокую награду.
На лидерборде Arena.ai модель занимает второе место сразу в трех категориях: text-to-image, редактирование одного изображения и редактирование нескольких. Впереди только GPT Image 2 от OpenAI, а гугловскую Nano Banana 2 новинка обходит. Из практичного — мультиреференсная композиция: в промпте можно чередовать текст и картинки, собирая в одну сцену людей, предметы, одежду и стиль из разных источников, а затем итеративно править результат без потери связности.
Есть и фича, вокруг которой уже разгорается дискуссия: в промпте можно @-упомянуть публичный аккаунт Instagram*, и модель нарисует его владельца по общедоступным фото. Опция включена по умолчанию — запретить использовать себя в чужих генерациях можно только вручную в настройках. Все созданные картинки получают невидимую метку Content Seal, которая, по словам Meta*, переживает обрезку, сжатие и даже скриншот, а проверить ее наличие позволит отдельный инструмент детекции.
P.S. Поддержать меня можно подпиской на канал «сбежавшая нейросеть», где я рассказываю про ИИ с творческой стороны.
