Рейтинги Arena: дві заяви про друге місце за три дні

7 серпня 2026 року xAI анонсувала Imagine Image 2.0 й написала, що модель «посідає друге місце у світі і в генерації зображень із тексту, і в редагуванні зображень».

10 серпня 2026 року Microsoft анонсувала MAI-Image-2.6 як модель, що «посідає друге місце в рейтингу Arena з генерації зображень із тексту», і додала, що результат «упевнено ставить MAI-Image попереду провідних моделей від Meta, Google і xAI».

Той самий рейтинг. Та сама позиція. Різниця в три дні. Жодна з компаній не збрехала, і проміжок між цими двома реченнями — одна з найкорисніших речей, які можна цьогоріч дізнатися про оцінювання моделей, бо майже кожна заява про модель для зображень, яку ви прочитаєте, влаштована так само.

Що насправді сталося за ці три дні#

Два анонси описують ту саму драбину в два різні моменти:

Якщо читати це як послідовність, а не як суперечність, це просто зміна позиції: 7 серпня друге місце тримала xAI, а до 10 серпня його забрала Microsoft. Формулювання Microsoft навіть визнає цю передачу: назвати xAI серед моделей, які вона тепер випереджає, — конкретніша заява, ніж «ми другі», і саме ця частина речення датує іншу.

Обидві компанії чесно поставили виноски. Примітка до діаграми xAI звучить так: «Загальний Elo. Джерело: рейтинги Arena Image Edit і Text-to-Image (станом на 7 серпня 2026 року)». Це «станом на» виконує справжню роботу, і більшість читачів його проминає.

Найцікавіше — саме у формулюванні#

Два точні речення все одно можна побудувати так, щоб вони спрацювали по-різному. Порівняйте їх:

• «Друге місце у світі» (xAI) — ширша рамка, ніж рейтинг, на який стаття посилається. Це читається як твердження про реальність; звужує його назад до конкретної діаграми в конкретний день саме виноска.
• «Попереду провідних моделей від Meta, Google і xAI» (Microsoft) називає конкурентів замість числа. Це легше спростувати, ніж позицію, — і швидше псується, бо запрошує рівно те порівняння, яке зламає наступний реліз.
• «І в генерації зображень із тексту, і в редагуванні зображень» (xAI) заявляє два рейтинги одразу. Заява Microsoft охоплює один. Читач, який перегляне обидві по діагоналі, обґрунтовано вирішить, що результат xAI ширший, — і 7 серпня так і було.

Жодне з формулювань не є маніпуляцією в нечесному сенсі. Обидва — це текст анонсу, який робить те, що робить текст анонсу: обирає правдиву рамку, яка подає найвигідніше. Ваше завдання як читача — помітити, яку саме рамку вам подали.

Ще одна пастка: ім’я в рейтингу може не збігатися з компанією#

У власній виносці xAI є деталь, яку варто запам’ятати: «Моделі xAI зазначені в Arena під назвою SpaceXAI».

Якщо ви підете перевіряти заяву й шукатимете в рейтингу «xAI», ви його не знайдете. Це не унікальна риса одного провайдера: моделі з’являються під назвами лабораторій, внутрішніми кодовими іменами й анонімізованими псевдонімами під час тестування, тож модель, яку ви порівнюєте, може стояти в рейтингу під незнайомою вам назвою. Позицію, яку ви не можете знайти, ви не можете й перевірити.

Що насправді вимірює Elo в Arena#

Рейтинги в стилі Arena проводять сліпі попарні порівняння: людина бачить два результати за одним промптом, не знаючи, яка модель зробила котрий, і обирає один. Ці голоси живлять рейтинг Elo — той самий механізм, що й у шахах.

У такої конструкції є справжні переваги. Її важко обіграти ретельно дібраними прикладами, вона фіксує сукупну людську перевагу, а не проміжну метрику, і вона рухається, коли модель справді стає кращою. +79 Elo, які Microsoft повідомляє для MAI-Image-2.6 порівняно з MAI-Image-2.5, — це змістовний сигнал, що людям більше подобалися її результати на змішаному наборі промптів.

Але вона має й структурні властивості, які одна позиція приховує:

• Це число, що котиться. Рейтинги оновлюються безперервно, поки надходять голоси. Позиція — це знімок екрана, а не властивість моделі.
• Позиції стискають відстані. Друге й третє місця може розділяти жменька очок Elo — цілком у межах довірчого інтервалу — або широкий розрив. Порядковий номер не каже про це нічого.
• Набір промптів у голосуванні — не ваш набір промптів. Сукупну перевагу рахують за тим, що подала спільнота, яка голосувала. Якщо ваша робота — упаковка тайською, ця спільнота вас майже не представляла.
• Перевага — не придатність. Голосувальники обирають зображення, яке їм більше подобається, за кілька секунд і без брифу. Вони не перевіряють, чи вцілів логотип, чи повторюється обличчя, чи текст юридично точний.

П’ять речей, яких позиція вам не скаже#

Загальне місце — це справжній результат і поганий аргумент для покупки. Воно не скаже вам:

1. Чи виграє модель у вашій категорії. Портрети, типографіка, товар та ілюстрація можуть мати різних лідерів. Microsoft винесла рендеринг тексту окремо (+91 Elo) саме тому, що результати в категорії й загальні результати розходяться.
2. Скільки це коштує. Сторінка моделі MAI-Image-2.5 має діаграму «Elo в Image Arena проти репрезентативної ціни API за 1000 зображень» — сам провайдер вважає справжньою віссю якість на долар. У позиції немає ціни.
3. Чи можете ви цим користуватися. Доступність, доступ до API, ліміти запитів і комерційні умови — окремі від якості. Модель може бути другою й недоступною для вас.
4. Як вона ламається. Дві моделі з однаковим рейтингом можуть ламатися протилежно: одна дрейфує на зовнішності, друга калічить дрібний текст. Їхні режими збою важать для вашого конвеєра більше, ніж їхнє середнє.
5. Чи розрив узагалі справжній. Без довірчих інтервалів «друге» й «четверте» можуть бути статистично нерозрізненними.

Чим це замінити: власним брифом на приймання#

Рейтинги — притомний спосіб скласти короткий список і кепський спосіб ухвалити остаточне рішення. Заміна дешева й забирає близько години.

Напишіть один бриф, що представляє вашу справжню роботу, а тоді тримайте все незмінним, крім моделі:

1. Візьміть одне справжнє завдання, а не показову ідею: упаковку, яку ви справді випускаєте, персонажа, який справді повторюється, постер зі справжнім юридичним рядком.
2. Спершу напишіть критерії «пройшло / не пройшло», ще до того, як побачите бодай один результат. «Заголовок написано без помилок, ієрархія тримається, а літери з діакритикою рендеряться» — це можна перевірити. «Виглядає добре» — ні.
3. Тримайте промпт, референсні зображення, співвідношення сторін і Seed однаковими для всіх моделей. Єдина змінна — модель.
4. Генеруйте по кілька результатів на модель, а не по одному. Один вдалий результат — це такий самий доказ, як і галерея з анонсу.
5. Перевірте той збій, якого боїтеся найбільше. Якщо ваш ризик — зовнішність, проженіть те саме обличчя шість разів. Якщо текст — проженіть найдовший рядок у найважчій для вас писемності.
6. Запишіть результат разом із датою. Ваша власна нотатка старіє так само, як рейтинг, і вам захочеться знати, коли ви перевіряли востаннє.

Цей процес відповідає на запитання, на яке позиція відповісти не може: чи добра ця модель саме в тому, що мені потрібно, за ціну, яку я можу заплатити, сьогодні?

Розібраний приклад читання заяв провайдера проти опублікованих доказів — у нашому аналізі чотирьох промптів, які опублікувала Microsoft, і в розборі запуску Grok Imagine Image 2.0: це два релізи, довкола яких побудована ця стаття. Актуальне пряме порівняння верстки та фотореалізму — GPT Image 2 проти Nano Banana 2, де зіставлено дві моделі, доступні вже сьогодні.

Часті запитання#

Що таке рейтинг Arena?+−

Arena — це публічна платформа оцінювання, яка ранжує ШІ-моделі за сліпими попарними голосами людей. Два результати за одним промптом показують без назв моделей, людина обирає один, і ці голоси дають рейтинг Elo та порядкове місце.

Як дві моделі можуть обидві бути другими?+−

Бо рейтинги оновлюються безперервно, і кожна заява — це знімок. Заява xAI датована 7 серпня 2026 року, а заяву Microsoft опубліковано 10 серпня 2026 року. Між цими датами друге місце перейшло з рук у руки, на що натякає й сам анонс Microsoft, називаючи xAI серед моделей, які вона випереджає.

Чи Elo — гарна міра якості моделі для зображень?+−

Це гарна міра сукупної сліпої людської переваги, а це справжній і важкий для підробки сигнал. Але це не міра результату в категорії, вартості, затримки, доступності чи надійності на конкретному брифі, і в заголовному числі немає довірчого інтервалу.

Чому я не можу знайти xAI в рейтингу Arena?+−

xAI у власному анонсі зазначає, що її моделі стоять в Arena під назвою SpaceXAI. Провайдери часто з’являються під назвами лабораторій або псевдонімами, тож модель може бути в рейтингу під іменем, яке не збігається з компанією, яку ви шукаєте.

Чи варто обирати модель за її позицією в рейтингу?+−

Використайте позицію, щоб скласти короткий список, а вирішуйте за власним брифом. Проженіть той самий промпт, референси, співвідношення сторін і критерії «пройшло / не пройшло» через двох-трьох кандидатів і судіть результати за тією роботою, яку ви справді випускаєте.

Як довго дійсна заява про позицію в рейтингу?+−

Фіксованої відповіді немає, але приклад із цієї статті перевернувся за три дні. Вважайте будь-яку недатовану заяву про рейтинг історичною й перевіряйте наново, перш ніж ухвалювати рішення, що на неї спирається.

Із чого почати в OmniArt#

Практичний крок — перестати порівнювати анонси й почати порівнювати результати. Відкрийте простір OmniArt для зображень, візьміть один бриф, який вам справді треба здати, і проженіть його через дві моделі з однаковими вхідними даними та списком «пройшло / не пройшло», який ви написали заздалегідь.

OmniArt тримає моделі для зображень, відео, аудіо та музики в одному просторі, тож короткий список перетворюється на тест поруч, а не на дослідницький проєкт через чотири сайти й чотири сторінки оплати. Коли рейтинг перевернеться знову наступного місяця — а він перевернеться, — ви вже знатимете, яка модель виконує вашу роботу, і це єдиний рейтинг, який приносить гроші.

Почати створювати