小扎「芒果」生圖只輸GPT Image 2，沒人教它改稿，它自己學會了

新智元報道

【新智元導讀】先是牛油果，接著是芒果，小扎的AI反擊開始了。

剛剛，小扎出手。

Meta超級智能實驗室（MSL）扔出了首個圖像生成模型Muse Image，代號「芒果」（Mango）。

這是我們迄今為止最先進的圖像生成模型。

與Muse Image一同亮相的，還有視頻模型Muse Video，目前仍是預覽版。

第三方競技場Arena的文生圖榜單上，Muse Image沖到了第二，緊追OpenAI的GPT Image 2。

Arena圖像三榜Elo排名，截至2026年7月5日，Muse Image三項全線第2，均僅次于GPT Image 2，其中文生圖1280對1385，相差105分。（圖源：Arena AI Leaderboard）

雖然這次沒能在畫質上登頂，但芒果做了一件更狠的事：它改變了畫圖的方式。

還有一點讓人后背發涼的技能，只要你的Instagram賬號是公開的，任何人@一下你的用戶名，就能調用你的公開照片去生圖。

在Meta AI里，你@一個公開的Instagram賬號，芒果就能把那個人公開照片里的樣子，直接拉進你要生成的圖。

做張活動邀請函、拼個創意概念圖，@一下用戶名就成。

雖然沒能在畫質上登頂，但Meta手里攥著幾十億人的社交網絡，這才是它依仗的王牌。

不再一句話直出

而是先想后畫

Muse Image，是作為一個智能體（agent）在運作的。

它會干傳統生圖模型不會干的事。

比如，碰到知識密集、涉及現實事實的提示，它先聯網搜真實信息，把畫面錨定在事實上；

要畫二維碼、圖表，它現場寫代碼、跑代碼，算準了再動筆，還能拿渲染出來的結果反過來校準畫面；

最反直覺的一點，是自我修正：畫完發現不對，會自己反思，小地方改一筆，大方向錯了整張重畫，實在拿不準就轉頭查資料。

Meta說，這個行為不是他們設計出來的，而是在強化學習里自己長出來的。

因為改稿能拿更高獎勵，模型就學會了改稿。一個沒被明確教過的動作，在訓練里自己冒了出來。

這種「涌現」意味著，圖像模型也開始有了類似語言模型那套「越練越會自己想辦法」的底層能力。

開啟自我修正前后的勝率對比（內部消融實驗）。文生圖57.1%、單圖編輯56.3%、多圖編輯56.6%，三項全部過半，說明自我修正讓芒果穩定畫得更好。（圖源：Meta AI官方博客）

同時，Muse Image還有一條和語言模型走上了同一條路：想得越多，畫得越好。

測試時計算給得越足，它就多搜幾次、多改幾遍，人類偏好的Elo評分跟著往上漲，近似一條對數線性的曲線。

Meta還發現，與其一口氣生成好幾張再挑最好的一張，不如把同樣的算力砸在認真推理上：前者很快就漲不動了，后者還能一直往上走。

有開發者在X上一句話戳中要害：圖像模型，開始在畫完之前先想清楚了。

這當然不是Meta一家的方向。

OpenAI的GPT Image 2早在今年4月就上線了Thinking模式：先推理規劃構圖、聯網搜參考、生成候選再自檢，比芒果早了兩個半月。

再往前追，2025年學術界就提出過「先思考再生成」的范式。

生圖這條賽道，正在從「拼畫質」轉向「拼會不會想」。

芒果搭配牛油果

兩顆一起端上桌

芒果，不是一個「水果」在戰斗——它和牛油果Muse Spark是打通的：兩個模型共享工具、一起規劃。

語言模型負責想、圖像模型負責畫，組合起來能干的事，就不止「出一張圖」了。

官方demo里，芒果給一只奶油色波斯貓做了套「養成」素材：奶貓、青年貓、老年貓一路生成，再打包成一個可以直接玩的2048網頁游戲。

芒果與Muse Spark聯手，把波斯貓Mochi從奶貓到老年貓的六階段生成圖，打包成一個能玩的2048式合成網頁游戲。（圖源：Meta AI官方博客）

對Meta來說，自己做生圖模型這件事本身就有分量。

此前它的圖像和視頻功能一直靠Midjourney、Black Forest Labs這些第三方模型撐著。

現在芒果上線，等于把一個每天被調用幾十億次的能力，變成了「自己造」。

視頻模型方面，Muse Video和芒果共享同一套預訓練底座，主打原生音頻：畫面和聲音一起生成。

Muse Video目前只是「預覽」，還沒正式開放，但已經掛上Arena跑了盲測，文生視頻排到第3。

Arena文生視頻榜Elo排名，截至2026年7月5日。預覽中的Muse Video排第3（1459），前面是谷歌Gemini Omni Flash（1527）和字節Seedance 2.0（1482）。（圖源：Arena AI Leaderboard）

Muse Video生成的珊瑚礁水下視頻。（圖源:Meta AI官方博客）

Meta也沒藏著短板，直說在音畫同步、快速運動的物理準確性上還有差距。

@一下就能把你的社交關系畫進圖里

芒果的常規玩法有：

多張參考圖融合成一張、直接在圖上涂畫標注讓它改、圖里的中文字清晰渲染不糊、拍張房間照讓它用Facebook Marketplace上的真實商品幫你重新裝修……

拍一張房間照，芒果搜索Facebook Marketplace上真實在售的二手家具，生成整屋改造效果圖。（圖源:Meta AI官方博客）

Instagram Stories上，它一口氣帶來30多個新AI特效：一鍵把照片變成一次性相機質感、加夜間閃光，還能直接輸入一句提示自創特效，目前先在美國上線。

真正獨一份的，是那個@功能，這也是OpenAI和谷歌都給不了的能力。但問題也出在這：這個功能默認是開著的。

你的Instagram只要是公開賬號，別人@你就能拿你的照片生圖，而你不會收到任何通知。

想關得自己鉆進設置里，找到「分享與再利用」那一欄手動關掉。已經被生成出來的圖，關了也刪不掉。

Wired直接把這個默認開啟的設定稱作隱私隱患。

這樣的擔憂不是空穴來風。

「劍橋分析」事件里，8700萬用戶數據在未經同意的情況下被一家政治咨詢公司拿去用。

Meta為此在2019年吃下FTC開出的50億美元罰單，這是當時美國政府針對隱私違規開出的最大一張。

2021年，它又主動關停整套人臉識別系統，刪掉超過10億人的面部識別模板。

這次，芒果給了一個別人給不了的玩法，也帶出了一個別人沒碰過的麻煩。

Meta的殺招不是模型

雖然芒果畫質沒能登頂，但它真正的殺招，是分發。

芒果這次直接接進Meta AI、Instagram、WhatsApp，接下來還要上Facebook、Messenger，廣告主也能通過Advantage+調用它。

這幾個app合起來，月活將近40億，是全球規模最大的社交網絡。

Midjourney、ChatGPT在賭「誰畫得最好」，Meta在賭另一件事：當AI生圖變成發朋友圈一樣順手的日常動作，誰離用戶最近，誰就贏。

當然，圖片分發得越廣，越要標清來路。

芒果生成的每張圖，都帶一層看不見的水印Content Seal，裁剪、壓縮、縮放都洗不掉，專門標明「這是AI畫的」。

Meta還放出了一個公開檢測工具（meta.ai/identification），任何人都能拿一張圖去查，它到底是不是Meta AI生成的。

這一回，Meta既跟上了「會思考的生圖模型」，又攥著全球最大的社交網絡。

只是，當@一個陌生人就能用他的照片生圖，這件事的邊界到底在哪，芒果還沒給出答案。

參考資料：

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

編輯：元宇