Meta Muse Image против GPT Image 2: мыслящий новичок против короля текста

Meta Muse Image не генерирует изображения так, как это должны делать модели генерации изображений. Запущенная 7 июля 2026 года как первая собственная модель генерации изображений от Meta Superintelligence Labs под кодовым названием Mango, она работает как агент: она может искать в интернете, чтобы подкрепить промпт фактами, писать и запускать код для правильного построения диаграмм и QR-кодов, а также дорабатывать собственный черновик до того, как вы увидите результат, — привычка к самокоррекции, которая, по словам Meta, не была явно запрограммирована, а возникла в процессе обучения с подкреплением. Цель всей этой машинерии — GPT Image 2 от OpenA​I, модель, выпущенная в апреле 2026 года и до сих пор занимающая первое место во всех публичных рейтингах моделей генерации изображений. Спустя месяц после выхода Muse Image честная оценка такова: это самый интересный запуск модели генерации изображений за год — и она по-прежнему явно вторая.

Ни одна из моделей не является сенсацией, и именно поэтому это сопоставление заслуживает спокойного сравнения, а не репортажа о запуске. GPT Image 2 остаётся действующим лидером с весны и только что получил второе дыхание: OpenAI отключает инструмент DALL-E в ChatGPT 30 августа и переводит всю генерацию в ChatGPT Images, который работает на базе GPT Image 2, а свежие бенчмарки от 7 августа вновь подтвердили его превосходство. Muse Image провела первые две недели в заголовках из-за промаха с конфиденциальностью, который Meta с тех пор исправила, а у неё до сих пор нет API для разработчиков. За шумом скрывается настоящая техническая история: Meta создала первую модель генерации изображений, которая видимо думает, а OpenAI — первую, которая рисует текст, который действительно можно прочитать. Всё остальное в этом сравнении является следствием этих двух фактов.

Табло

Те же шесть параметров с обеих сторон, так что контраст остаётся легко считываемым без таблицы. Показатель Muse Image в арене — сторонний, а её способность к редактированию указана Meta; показатели GPT Image 2 приведены по данным arena.ai и собственной страницы цен OpenA​I. Каждое число, сообщённое вендором, отмечено.

• Доступность — Muse Image только в приложении, бесплатно в Meta AI, Instagram и WhatsApp, без API для разработчиков на данный момент, в отличие от GPT Image 2, который ориентирован на API и доступен через API OpenA​I и OrcaRouter.

• Режим работы — Muse Image агентный по умолчанию: веб-поиск, выполнение кода, самокоррекция против {{1}}GPT Image 2{{/1}} — {{2}}один авторегрессивный проход с опциональным режимом «размышления»{{/2}}.

• Text-to-Image Arena — Muse Image Elo 1,281, третье место по состоянию на 31 июля, против GPT Image 2 Elo 1,381, первое место — разрыв в 100 пунктов, что примерно соответствует 64% ожидаемой вероятности победы.

• Текст в изображении — Muse Image заявляет о точном тексте через свой путь «код и рендеринг», не прошедший независимого сравнения с лучшими образцами GPT Image 2, при этом японский, корейский, китайский, хинди и бенгальский отображаются читаемо.

• Цена — бесплатный тариф Muse Image в приложениях Meta, при более интенсивном использовании — Meta One за $7.99 или $19.99 в месяц, тогда как GPT Image 2 стоит примерно от $0.05 до $0.21 за изображение 1024×1024 через API.

• Редактирование — Muse Image сильна в редактировании как одиночных, так и множественных изображений по собственным оценкам Meta, тогда как GPT Image 2 — безоговорочный лидер публичных рейтингов редактирования изображений.

Агентный цикл — это и есть настоящий продукт.

Предложение Meta для Muse Image — это не «больше фотореалистичных пикселей», а иной режим работы. При выполнении запроса с большим объемом знаний, например, изображения трофея Уимблдона с именем действующего чемпиона, Muse Image сначала ищет в интернете, привязывает генерацию к найденному и только затем рисует. Для диаграмм, инфографики и QR-кодов он пишет и выполняет код, рендерит результат и использует этот рендер для калибровки итогового изображения. В материалах Meta после запуска описывается, как модель размышляет о собственном результате: небольшие исправления для незначительных ошибок, полная перерисовка для серьезных, еще один поиск при неуверенности. Примечательное утверждение состоит в том, что поведение с правками не было явно запрограммировано — оно возникло в ходе обучения с подкреплением, поскольку внесение правок приводило к более высоким оценкам предпочтений человека. Meta сообщает о выигрыше от самокоррекции как о повышении процента побед примерно на 57% в генерации изображений по тексту и на 56% в обеих категориях редактирования; это цифры от разработчика, которые еще ждут независимого воспроизведения.

Рассуждение в процессе генерации также меняет то, за какой рычаг вы тянете, чтобы улучшить модель. Meta утверждает, что качество Muse Image улучшается логарифмически с увеличением числа шагов рассуждения, и что затраты вычислений на более глубокое рассуждение превосходят генерацию нескольких кандидатов с последующим выбором лучшего — позиция, которая рассматривает вычислительные ресурсы на этапе тестирования как новый рубеж. GPT Image 2 имеет схожую идею в своём опциональном режиме мышления, который планирует композицию, может искать в интернете и проверяет свою работу перед отрисовкой; в API он представлен как параметр thinking с уровнями low, medium или high и тарифицируется как дополнительные токены. Разница — в настройках по умолчанию: Muse Image — это агент по своей конструкции, созданный для цикличной работы; стандартный путь GPT Image 2 — это одиночный проход, а рассуждение — платная опция. Если вы верите, что генерация изображений движется к конвейерам, использующим инструменты и самокоррекцию, то Muse Image — это первая производственная модель, целиком построенная вокруг этого допущения, — а её связка с языковой моделью Meta Muse Spark, которая планирует, пока модель изображений рисует, является самой ясной артикуляцией этого будущего из всего, что вышло на данный момент.

Текст — это то место, где разрыв наиболее широк.

Самое весомое преимущество GPT Image 2 — это читаемый текст внутри изображений: самая востребованная возможность в промышленной генерации изображений. GPT Image 2 — первая модель, которая надёжно воспроизводит меню, плакаты, инфографику и многопанельные макеты без искажённых слов, включая нелатинские шрифты, на которых раньше ломалась любая предыдущая модель. Именно поэтому она и возглавила рейтинги редактирования изображений: отредактированный макет работает только в том случае, если текст внутри него остаётся корректным. Путь Muse Image с кодом и рендерингом — это действительно остроумная попытка решить ту же задачу: она не пытается рисовать текст, а набирает его типографским способом и компонует результат, — но ни один независимый бенчмарк пока не показывает, что она достигает выходного качества GPT Image 2 на насыщенных текстом изображениях, и собственные материалы Meta позиционируют её сильные стороны в редактировании и композиции, а не в типографике.

Один из них является вызываемым, а другой — приложением.

Практический разрыв для любого, кто строит продукт, более разителен, чем бенчмарковый. GPT Image 2 — это в первую очередь API: вы обращаетесь к нему через images API OpenA​I по тарифам на токены — ввод изображения $8 за миллион токенов, вывод изображения $30, ввод текста $5, вывод текста $10, при этом кэшированный ввод стоит вдвое дешевле — что в итоге составляет примерно $0,05 за изображение 1024×1024 при среднем качестве и $0,21 при высоком, до того, как настройка thinking ещё больше увеличит цену. У Muse Image вообще нет API для разработчиков. Он бесплатен в приложении Meta AI, в Instagram Stories и в WhatsApp, при этом более интенсивное использование ограничено подпиской Meta One за $7,99 или $19,99 в месяц, и Meta заявила, что всё ещё оценивает, стоит ли открывать модель сторонним разработчикам. Вы можете попробовать Muse Image уже сегодня днём, но построить на нём продукт нельзя.

Эта асимметрия — причина, по которой эта страница может маршрутизировать одну из этих моделей, но не другую. GPT Image 2 доступна на OrcaRouter по адресу openai/gpt-image-2 — это бесшовная замена gpt-image-1 на том же API, тарифицируемая по прейскуранту OpenAI без наценки, поэтому тариф $8/$30 за миллион токенов, который вы видите, — это тариф провайдера, и любое снижение цен вендором появится здесь в день анонса. Как только Meta откроет эндпоинт Muse Image — а её собственный запуск платного Muse Spark API указывает на то, что этот день приближается, — выбор между двумя моделями станет вопросом маршрутизации, а не «или/или»: один ключ, чтобы прогнать новичка против действующей модели через A/B-тест на ваших собственных промптах, с автоматическим переключением на проверенный генератор, пока новая модель ещё ищет своё преимущество. Именно для этого и существует слой маршрутизации — попробовать интересную новую модель, не делая ставку на неё в производстве.

Промах с конфиденциальностью, который едва не определил запуск

Первые две недели Muse Image были отмечены не бенчмарками, а {{1}}одной функцией{{/1}}: пользователи могли упомянуть публичный аккаунт Instagram через @ в промпте, и модель переносила внешность этого человека из публичных фотографий в сгенерированные сцены — {{2}}при этом публичные аккаунты были включены по умолчанию{{/2}}. Организации по защите приватности и голливудские гильдии выразили протест в течение считанных часов; Meta удалила функцию 10 июля, менее чем через неделю после запуска, сохранив базовую модель. Этот эпизод имеет двоякое значение для сравнения. Он напоминает о реальном преимуществе Meta — {{3}}дистрибуции, которая способна за одну ночь вывести модель генерации изображений на миллиарды пользователей{{/3}} — {{4}}и о внимании, которое с этим связано{{/4}}. Кроме того, Reuters выяснил, что детектор водяных знаков Content Seal от Meta {{5}}не смог подтвердить подлинность 55% изображений с водяными знаками после кадрирования{{/5}}, поэтому {{6}}аудиторский след оказался слабее заявленного{{/6}}. Всё это не меняет историю о качестве, но является частью публичного послужного списка модели.

Какой из них использовать?

Для всего, что требует корректного текста — упаковка, плакаты, UI-макеты, инфографика или пайплайн, работающий с нелатинскими системами письма, — GPT Image 2 — это выбор, и это единственная из двух моделей, которую можно вызывать из кода уже сегодня. Muse Image — более интересный эксперимент: её агентный цикл указывает на то, куда движется генерация изображений, её редактирование действительно сильное, и с ней можно бесплатно поиграть в приложениях Meta прямо сейчас. Разрыв между ними реален, но он не структурный — модель, научившаяся исправлять собственную работу, — это конкурент иного рода, чем те, с которыми сталкивалась сфера, и если её самокоррекция обобщается, эти конкретные 100 пунктов Elo не будут долго оставаться стабильными. Внедряйте GPT Image 2 в продакшн, следите за статусом API Muse Image и поставьте новичка за роутер, как только его можно будет вызывать.