小扎「芒果」生图只输GPT Image 2，没人教它改稿，它自己学会了

刚刚，小扎出手。

Meta超级智能实验室（MSL）扔出了首个图像生成模型Muse Image，代号「芒果」（Mango）。

这是我们迄今为止最先进的图像生成模型。

与Muse Image一同亮相的，还有视频模型Muse Video，目前仍是预览版。

第三方竞技场Arena的文生图榜单上，Muse Image冲到了第二，紧追OpenAI的GPT Image 2。

Arena图像三榜Elo排名，截至2026年7月5日，Muse Image三项全线第2，均仅次于GPT Image 2，其中文生图1280对1385，相差105分。（图源：Arena AI Leaderboard）

虽然这次没能在画质上登顶，但芒果做了一件更狠的事：它改变了画图的方式。

还有一点让人后背发凉的技能，只要你的Instagram账号是公开的，任何人@一下你的用户名，就能调用你的公开照片去生图。 

在Meta AI里，你@一个公开的Instagram账号，芒果就能把那个人公开照片里的样子，直接拉进你要生成的图。

做张活动邀请函、拼个创意概念图，@一下用户名就成。

虽然没能在画质上登顶，但Meta手里攥着几十亿人的社交网络，这才是它依仗的王牌。

不再一句话直出

而是先想后画

Muse Image，是作为一个智能体（agent）在运作的。

它会干传统生图模型不会干的事。

比如，碰到知识密集、涉及现实事实的提示，它先联网搜真实信息，把画面锚定在事实上；

要画二维码、图表，它现场写代码、跑代码，算准了再动笔，还能拿渲染出来的结果反过来校准画面；

最反直觉的一点，是自我修正：画完发现不对，会自己反思，小地方改一笔，大方向错了整张重画，实在拿不准就转头查资料。

Meta说，这个行为不是他们设计出来的，而是在强化学习里自己长出来的。

因为改稿能拿更高奖励，模型就学会了改稿。一个没被明确教过的动作，在训练里自己冒了出来。

这种「涌现」意味着，图像模型也开始有了类似语言模型那套「越练越会自己想办法」的底层能力。

开启自我修正前后的胜率对比（内部消融实验）。文生图57.1%、单图编辑56.3%、多图编辑56.6%，三项全部过半，说明自我修正让芒果稳定画得更好。（图源：Meta AI官方博客）

同时，Muse Image还有一条和语言模型走上了同一条路：想得越多，画得越好。

测试时计算给得越足，它就多搜几次、多改几遍，人类偏好的Elo评分跟着往上涨，近似一条对数线性的曲线。

Meta还发现，与其一口气生成好几张再挑最好的一张，不如把同样的算力砸在认真推理上：前者很快就涨不动了，后者还能一直往上走。

有开发者在X上一句话戳中要害：图像模型，开始在画完之前先想清楚了。

这当然不是Meta一家的方向。

OpenAI的GPT Image 2早在今年4月就上线了Thinking模式：先推理规划构图、联网搜参考、生成候选再自检，比芒果早了两个半月。

再往前追，2025年学术界就提出过「先思考再生成」的范式。

生图这条赛道，正在从「拼画质」转向「拼会不会想」。

芒果搭配牛油果

两颗一起端上桌

芒果，不是一个「水果」在战斗——它和牛油果Muse Spark是打通的：两个模型共享工具、一起规划。

语言模型负责想、图像模型负责画，组合起来能干的事，就不止「出一张图」了。

官方demo里，芒果给一只奶油色波斯猫做了套「养成」素材：奶猫、青年猫、老年猫一路生成，再打包成一个可以直接玩的2048网页游戏。

芒果与Muse Spark联手，把波斯猫Mochi从奶猫到老年猫的六阶段生成图，打包成一个能玩的2048式合成网页游戏。（图源：Meta AI官方博客）

对Meta来说，自己做生图模型这件事本身就有分量。

此前它的图像和视频功能一直靠Midjourney、Black Forest Labs这些第三方模型撑着。

现在芒果上线，等于把一个每天被调用几十亿次的能力，变成了「自己造」。

视频模型方面，Muse Video和芒果共享同一套预训练底座，主打原生音频：画面和声音一起生成。

Muse Video目前只是「预览」，还没正式开放，但已经挂上Arena跑了盲测，文生视频排到第3。

Arena文生视频榜Elo排名，截至2026年7月5日。预览中的Muse Video排第3（1459），前面是谷歌Gemini Omni Flash（1527）和字节Seedance 2.0（1482）。（图源：Arena AI Leaderboard）

Muse Video生成的珊瑚礁水下视频。（图源:Meta AI官方博客）

Meta也没藏着短板，直说在音画同步、快速运动的物理准确性上还有差距。

@一下就能把你的社交关系画进图里

芒果的常规玩法有：

多张参考图融合成一张、直接在图上涂画标注让它改、图里的中文字清晰渲染不糊、拍张房间照让它用Facebook Marketplace上的真实商品帮你重新装修……

拍一张房间照，芒果搜索Facebook Marketplace上真实在售的二手家具，生成整屋改造效果图。（图源:Meta AI官方博客）

Instagram Stories上，它一口气带来30多个新AI特效：一键把照片变成一次性相机质感、加夜间闪光，还能直接输入一句提示自创特效，目前先在美国上线。

真正独一份的，是那个@功能，这也是OpenAI和谷歌都给不了的能力。但问题也出在这：这个功能默认是开着的。

你的Instagram只要是公开账号，别人@你就能拿你的照片生图，而你不会收到任何通知。

想关得自己钻进设置里，找到「分享与再利用」那一栏手动关掉。已经被生成出来的图，关了也删不掉。

Wired直接把这个默认开启的设定称作隐私隐患。

这样的担忧不是空穴来风。

「剑桥分析」事件里，8700万用户数据在未经同意的情况下被一家政治咨询公司拿去用。

Meta为此在2019年吃下FTC开出的50亿美元罚单，这是当时美国政府针对隐私违规开出的最大一张。

2021年，它又主动关停整套人脸识别系统，删掉超过10亿人的面部识别模板。

这次，芒果给了一个别人给不了的玩法，也带出了一个别人没碰过的麻烦。

Meta的杀招不是模型

虽然芒果画质没能登顶，但它真正的杀招，是分发。

芒果这次直接接进Meta AI、Instagram、WhatsApp，接下来还要上Facebook、Messenger，广告主也能通过Advantage+调用它。

这几个app合起来，月活将近40亿，是全球规模最大的社交网络。

Midjourney、ChatGPT在赌「谁画得最好」，Meta在赌另一件事：当AI生图变成发朋友圈一样顺手的日常动作，谁离用户最近，谁就赢。

当然，图片分发得越广，越要标清来路。

芒果生成的每张图，都带一层看不见的水印Content Seal，裁剪、压缩、缩放都洗不掉，专门标明「这是AI画的」。

Meta还放出了一个公开检测工具（meta.ai/identification），任何人都能拿一张图去查，它到底是不是Meta AI生成的。

这一回，Meta既跟上了「会思考的生图模型」，又攥着全球最大的社交网络。

只是，当@一个陌生人就能用他的照片生图，这件事的边界到底在哪，芒果还没给出答案。

参考资料：

https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/

Introducing Muse Image: Image Generation Built for Your World

https://x.com/AIatMeta/status/2074587884665901143

文章来自于微信公众号 “新智元”，作者 “新智元”