Главное про AI - Вадим Жартун

class="p1">Эта схема — фундамент, на котором стоят Stable Diffusion 3.5, Flux 1.1/2, GPT Image 2, Midjourney V8, Imagen 4, Ideogram 2.0 и Recraft V4.1. Все они диффузионные; разница в обучающих данных, размере модели, токенизаторе и пост-обработке.

Связку «CLIP + диффузия» популяризировала работа DALL-E 2 (OpenAI, апрель 2022): компонент «prior» переводил текст в CLIP-вектор — переводчик текста в идею картинки, — а декодер превращал вектор в пиксели. Дальше DALL-E 3 (2023) перешёл на родную диффузию, а в апреле 2026 года OpenAI выпустила ChatGPT Images 2.0 (внутреннее имя GPT Image 2) — модель с шагом рассуждения, которая лучше держит текст в изображении и сложные многоэлементные сцены. Имя DALL-E уходит, идея остаётся: два с половиной года назад «текст в картинку» был фокусом, сегодня это базовый уровень.

Промпт для картинки работает иначе, чем промпт для текста. Для большой языковой модели (LLM) мы пишем инструкцию; для диффузионной модели мы описываем то, что хотим увидеть, на языке, на котором обучалась модель. Структура рабочего промпта собирается из пяти элементов: субъект (что изображено), стиль (фотореализм, иллюстрация, инфографика или трёхмерный рендер — в сервисах ищется как 3d render), среда (где происходит действие), настроение (свет, цвет, эмоции) и технические параметры (ракурс, оптика, фокусное расстояние, освещение).

У каждой модели свой характер. У Midjourney короткий естественно-языковой промпт работает лучше длинного. У Stable Diffusion — наоборот: лучше работает длинный промпт, с токенами и весами. У GPT Image 2 задачу лучше давать в разговорной форме через чат, и тогда модель сама перепишет промпт под себя.

Негативные промпты — то, чего не должно быть на картинке («искажения, лишние пальцы, артефакты»), — до сих пор критичны для стабильности результатов в пайплайнах с открытым кодом. В коммерческих сервисах они почти бесполезны: модели фильтруют такие случаи автоматически. То же самое с параметрами масштаб управления, шаги и стартовое число (guidance scale, steps, seed) — рабочий инструмент в ComfyUI и Automatic1111 и почти бесполезная деталь в Midjourney или ChatGPT.

В тесте из шестисот изображений, проведённом командой AI Magicx в 2025 году, вскрылась разница: «качество из коробки» и «доля кадров, которые можно использовать без перегенерации» — это два разных числа. FLUX 1.1 Pro Ultra получил 9.2 из 10 за качество на продуктовой фотографии и 85 процентов стабильности. Каждый шестой кадр всё равно приходится перегенерировать. DALL-E 3 на той же задаче — 7.5 из 10 и 70 процентов стабильности, зато с лучшим текстом в изображении.

Цифры меняют решение на практике. Если нужна иллюстрация к посту в Telegram на этой неделе, стабильность 70 процентов терпима: сделал десять картинок, выбрал семь. Для задачи «фото на главную страницу сайта» та же стабильность — провал: каждый третий кадр уйдёт в брак. Демонстрация на одной удачной картинке не показывает ни процента брака, ни стоимости, ни количества итераций.

Продакшн — это когда вы платите за тысячу картинок, а не за одну.

В 2026 году диффузионные модели стали заметно лучше в трёх вещах, по которым их раньше сразу опознавали как работу AI. И появилась четвёртая ловушка — из правового поля.

Руки с пятью пальцами и правильным числом фаланг — норма для FLUX 1.1 Pro и Midjourney V8. Для Stable Diffusion 3.5 Large на сложных позах это всё ещё проблема. Текст в изображении по-прежнему остаётся ахиллесовой пятой, и здесь лидер — GPT Image 2: он рисует читаемые логотипы и подписи там, где Midjourney и Flux дают кашу. Галлюцинации объектов никуда не делись: модель всё ещё может «придумать» несуществующий бренд, лишний объект на фоне или абсурдную этикетку. Четвёртая ловушка — правовая: модель способна сгенерировать изображение, слишком близкое к защищённому произведению. Именно это и произошло в деле Getty Images против Stability AI — об этом ниже, в разделе про правовую границу для AI-картинок.

На этом держится первый миф этой главы: «AI-картинки заменят дизайнерскую работу для соцсетей». Частично это правда: стоковую графику и простые иллюстрации к постам AI действительно закрывает. Но он не заменит работу под фирменный стиль с точными требованиями к палитре, сложную композицию и любые задачи, где важна узнаваемость бренда. Дизайнер, который использует AI, делает в три-пять раз больше за то же время. Дизайнер, который не использует AI, проигрывает тому, кто использует, в скорости и в объёме выпускаемого материала. Если вы запускаете AI для дизайна без человека-редактора, результат получается «красиво, но не то».

МОДЕЛИ ДЛЯ ИЛЛЮСТРАЦИЙ: БАЛАНС КАЧЕСТВА, СКОРОСТИ И ЦЕНЫ

Между «нарисовать красивую картинку для демо» и «рабочая картинка в продакшне» — пропасть, через которую модель проходит или не проходит. В этом разделе две таблицы: первая сравнивает модели по качеству и цене, вторая связывает выбор с типом задачи.

Цена за кадр — полезная, но недостаточная метрика: $0.07 за картинку, которую нельзя использовать, дороже, чем $0.20 за ту, которая подойдёт. В тесте AI Magicx «цену попытки» (цена за генерацию) делили на consistency (долю кадров, пригодных без перегенерации) и получали «цену готового кадра» — то самое число, по которому модели и нужно сравнивать в продакшне. У Schnell цена готового кадра составляет $0.021, у Pro Ultra — $0.075, у Midjourney v6.1 — около $0.091. Разница в 4.4 раза между «дешёвой» и «дорогой» моделью — это разница в стоимости, но не в семантике. Семантика живёт в следующей строке: за какую задачу.

Иллюстрация к посту в Telegram и обложка презентации для совета директоров — разные продукты с разной ценой ошибки. Таблица «задача — выбор» собирает это в одной сетке.

Юридическая граница для AI-картинок в 2026 году — три разные правовые позиции, и они не совпадают. США: US Copyright Office в январе 2025 года выпустил вторую часть доклада по AI и авторскому праву. Вывод: чистый вывод генеративной модели не охраняется авторским правом. Охрана возможна только там, где человек определил «достаточные выразительные элементы» — композицию, отбор, расположение. Великобритания: Высокий суд Лондона 4 ноября 2025 года отклонил основной иск Getty Images к Stability AI о нарушении авторских прав, но признал ограниченное нарушение товарных знаков — водяные знаки Getty иногда появлялись в выходных изображениях Stable Diffusion. Китай: Beijing Internet Court 27 ноября 2023 года в деле Li v. Liu признал AI-изображение, созданное человеком через Stable Diffusion, охраняемым объектом авторского права, если человек докажет творческий вклад — выбор ракурса,