Meta Muse Image 與 GPT Image 2：思考型新秀對上文字之王

Meta Muse Image 生成圖像的方式，並不像圖像模型理應那樣。它於2026年7月7日推出，是 Meta Superintelligence Labs 首款自研圖像模型，代號 Mango；它以代理（agent）的形式運作：能搜尋網路以事實為提示詞提供根據，編寫並執行程式碼以正確編排圖表與 QR Code，並在你看見結果之前先修訂自己的草稿——Meta 表示，這種自我修正的習慣並非被明確程式化，而是透過強化學習湧現出來的。這套機制的目標，是 OpenAI 的 GPT Image 2——該模型於2026年4月發布，至今仍位居所有公開圖像排行榜的榜首。在 Muse Image 發布一個月後，誠實的評價是：它是今年最有趣的圖像模型發布——但顯然仍是第二名。

兩款模型都不是新發布的消息，這正是為何這場對決值得冷靜比較，而非一篇發布報導。GPT Image 2 自春季以來一直是現任領先者，而且剛剛迎來第二波動力：OpenAI 將於 8 月 30 日從 ChatGPT 中淘汰 DALL-E 工具，並將所有生成功能整合到由 GPT Image 2 驅動的 ChatGPT Images 中；此外，8 月 7 日的新基準測試再次確認了其領先地位。Muse Image 在上市頭兩週因隱私問題登上頭條，Meta 後來已收回相關措施，而且它仍然沒有開發者 API。在這些喧囂背後，技術層面的進展是真實的：Meta 打造了第一個能明顯「思考」的圖像模型，而 OpenAI 打造了第一個能繪製出可讀文字的模型。這份比較中的其他一切，都是這兩項事實所衍生出來的。

計分板

六個維度相同，兩側皆然，因此對比無需表格即可一目瞭然。Muse Image 的競技場數據來自第三方，其編輯強度則由 Meta 官方報告；GPT Image 2 的數據分別取自 arena.ai 與 OpenAI 自家定價頁面。每個廠商自報的數字皆有標示。

• 可用性 — Muse Image 僅限應用程式使用，在 Meta AI、Instagram 和 WhatsApp 上免費提供，尚無開發者 API；相較之下，GPT Image 2 以 API 優先，可透過 OpenAI 的 API 及 OrcaRouter 呼叫。

• 工作模式 — Muse Image 預設採用智能代理模式：網路搜尋、程式碼執行、自我修正；而 GPT Image 2 則為單一自迴歸傳遞，並提供可選的「思考」模式。

• Text-to-Image Arena — Muse Image Elo 1,281，截至7月31日排名第三，對比 GPT Image 2 Elo 1,381，排名第一 — 100分的差距，約等於64%的預期勝率。

• 圖內文字 — Muse Image 宣稱透過其{{1}}程式碼渲染路徑{{/1}}可準確生成文字，未與同類最佳的 GPT Image 2 進行獨立基準測試，可清晰渲染日語、韓語、中文、印地語及孟加拉語。

價格 — Meta 應用程式中的 Muse Image 提供免費方案，重度使用則需訂閱 Meta One，每月 $7.99 或 $19.99；而 GPT Image 2 在 API 上每張 1024×1024 影像約需 $0.05 至 $0.21。

• 編輯 — 根據 Meta 自身的評估，Muse Image 在單圖與多圖編輯方面表現強勁；而 GPT Image 2 則是公開圖像編輯排行榜上的絕對領先者。

代理迴圈才是真正的產品。

Meta 對 Muse Image 的宣傳重點不是「更逼真的像素」——而是一種不同的工作模式。對於知識密集的提示詞，例如溫布頓獎盃配上現任冠軍名字的圖片，Muse Image 會先搜尋網路，將生成紮根於搜尋到的內容，然後才開始繪製。對於圖表、資訊圖表和 QR code，它會編寫並執行程式碼、渲染輸出，再用該渲染結果來校正最終圖像。Meta 的上市後資料描述模型會反思自身輸出：小錯誤做小修正，大錯誤整張重繪，不確定時再次搜尋。引人注目的主張是，修訂行為並非被明確程式化——而是在強化學習中自然湧現，因為修訂帶來了更高的人類偏好獎勵。Meta 報告自我修正的增益為：文生圖勝率提升約 57%，兩個編輯類別皆約 56%；這些是廠商數據，有待獨立複現。

Thinking during generation also changes which lever you pull to make the model better. Meta says Muse Image's quality improves logarithmically with more reasoning steps, and that spending compute on deeper reasoning beats generating several candidates and picking the best — a position that treats test-time compute as the frontier. GPT Image 2 has a parallel idea in its optional thinking mode, which plans the layout, can search the web, and checks its work before drawing; on the API it is exposed as a thinking parameter at low, medium, or high, billed as extra tokens. The difference is one of defaults: Muse Image is an agent by construction, built to loop; GPT Image 2's default path is a single pass, with reasoning as a paid upgrade. If you believe image generation is heading toward tool-using, self-correcting pipelines, Muse Image is the first production model built entirely around that assumption — and its pairing with Meta's Muse Spark language model, which plans while the image model draws, is the clearest articulation of that future to ship so far.

文字是差距最大的地方。

GPT Image 2 最站得住腳的優勢在於圖像內文字的清晰可讀性——這是生產級圖像生成中最常被要求的功能。GPT Image 2 是首款能可靠渲染菜單、海報、資訊圖表及多面板版式而不會出現文字亂碼的模型，甚至涵蓋了過往所有模型都難以處理的非拉丁文字系統。這也正是它橫掃圖像編輯排行榜的原因：編輯後的版式只有在其中文字保持正確時才算成功。Muse Image 的程式碼與渲染路徑是針對同一問題一次確實巧妙的嘗試——它並非試圖「畫」出文字，而是以排版方式排印文字並合成最終結果——但目前尚無獨立的基準測試顯示它在文字密集型圖像上能與 GPT Image 2 的輸出匹敵，而且 Meta 自家的資料也將其優勢定位在編輯與構圖層面，而非字體排版。

其中一個是可呼叫的；另一個是應用程式

對任何正在打造產品的人來說，實際上的差距比基準測試所呈現的更為明顯。GPT Image 2 以 API 為優先：你可以透過 OpenAI 的 images API 以 token 費率呼叫它——圖片輸入每百萬 token 8 美元，圖片輸出 30 美元，文字輸入 5 美元，文字輸出 10 美元，快取輸入則為半價——換算下來，中等品質的 1024×1024 圖片約 0.05 美元，高品質約 0.21 美元，這還不算開啟思考設定後增加的費用。Muse Image 則完全沒有開發者 API。它在 Meta AI 應用程式、Instagram 限時動態和 WhatsApp 中免費使用，較大量的使用則需訂閱 Meta One，月費 7.99 或 19.99 美元；Meta 也表示仍在評估是否向外部開發者開放此模型。你今天下午就能試用 Muse Image，但無法在其之上進行開發。

這種不對稱性，正是這個頁面能夠路由其中一個模型、卻無法路由另一個的原因。GPT Image 2 已在 OrcaRouter 上線，位於 openai/gpt-image-2 —— 這是從 gpt-image-1 升級的無縫替換方案，採用相同的 API 格式，按 OpenAI 的官方定價計費、無任何加價，因此你所看到的每百萬 token 8 美元／30 美元費率，就是供應商的價格，而且供應商任何降價都會在公告當天同步生效。一旦 Meta 開放 Muse Image 端點 —— 而它自己推出付費 Muse Spark API 的動作，也暗示那一天即將到來 —— 兩者之間就不再是二選一的取捨，而是路由決策：用同一把金鑰，在你自己的提示詞上對新模型與現有模型進行 A/B 測試，同時在新模型尚未站穩腳跟之前，自動故障轉移到經過驗證的生成器。這正是路由層存在的意義 —— 嘗試有趣的新模型，而無需把生產路徑押在它身上。

幾乎定義了這次發布的隱私失誤

Muse Image 推出的頭兩週，主導話題的不是基準測試，而是一項功能：使用者可以在提示詞中 @ 提及一個公開的 Instagram 帳號，模型便會從公開照片中提取該人物的肖像，將其融入生成的場景——而公開帳號預設為同意參與。隱私權團體與好萊塢工會在數小時內便提出抗議；Meta 於 7 月 10 日移除該功能，距離上線還不到一週，但仍保留了底層模型。這起事件對這場比較具有雙面意義。它一方面提醒人們 Meta 的真正優勢——其分發能力能讓影像模型在一夜之間觸及數十億使用者——另一方面也提醒了隨之而來的嚴格審查。此外，路透社發現 Meta 的 Content Seal 浮水印偵測器在圖片經過裁切後，有 55% 的浮水印圖片無法通過驗證，可見其稽核軌跡不如宣稱的那樣可靠。這些都不會改變品質表現的評價，但確實是該模型公開紀錄的一部分。

該用哪一個？

任何需要正確文字的用途——包裝、海報、UI 示意圖、資訊圖表，或涉及非拉丁文字的管線——GPT Image 2 都是首選，而且它是兩者中唯一目前可從程式碼呼叫的。Muse Image 是更有趣的實驗：它的代理迴圈指向了影像生成的發展方向，編輯能力確實強大，而且現在就能在 Meta 的應用程式中免費試玩。兩者之間的差距真實存在，但並非結構性的——一個學會修改自身作品的模型，是這個領域前所未見的競爭者；如果它的自我修正能力能夠泛化，這 100 個 Elo 分數恐怕不會穩定太久。在生產環境中採用 GPT Image 2，持續關注 Muse Image 的 API 狀態，並在它開放呼叫的那一天，將這個新來者放到路由器後方。