Adobe Research и Калифорнийский университет в Сан-Диего создали EditAgent — агента для редактирования изображений, который сочетает универсальный редактор со специальными инструментами и отбирает результат по измеряемым данным. В тесте из 600 правок базовый редактор Flux-2-Klein-9B не дал пригодного результата в 42,7% случаев. Для бизнеса смысл практический: выбор инструмента и проверка могут значить больше, чем размер модели.
Как EditAgent планирует, сравнивает и проверяет правки
Обычные агенты делят запрос на шаги и повторяют неудачные шаги тем же редактором, а отдельная модель оценивает результат на глаз. EditAgent устроен иначе: он планирует запрос по шагам и на каждом шаге запускает общий редактор параллельно с подходящими специальными инструментами. Затем стандартная языковая модель сравнивает все варианты за один проход и оставляет лучший для следующего этапа.
Оценка опирается не только на визуальное впечатление. К каждому варианту приложен протокол проверки: крупный план измененной области, карта измененных зон, измеренные показатели яркости и цвета. В одном примере фото нужно было слегка осветлить: цифры показали, что общий редактор дал пересвет и увел цвета в тепло, а специальный инструмент остался в допуске. После каждого цикла агент также проверяет, не отменили ли поздние правки ранние изменения.
Конструкция основана на двух выводах из слепой оценки пятью профессионалами. Специальные инструменты закрыли около двух третей сбоев общего редактора, особенно при повышении резкости, повороте и масштабировании, а повторные попытки тем же редактором почти не помогали. Параллельные варианты от исходника выигрывали у пошагового уточнения в 78,5% сравнений, где эксперты выбрали сторону, поскольку итерации накапливают мелкие ошибки, а проверок требовалось вдвое больше.
Что это значит для автоматизации креатива
Для компаний, автоматизирующих выпуск изображений, подход меняет баланс цены, качества и скорости. EditAgent улучшил открытые редакторы Qwen-Image-Edit-2511 и Flux-2-Klein-9B на трех бенчмарках и обошел семь других ИИ-агентов. На бенчмарке EdiVal вариант на Qwen к третьему циклу правок опередил коммерческие модели Seedream 4.0 и GPT-Image-1.5. Небольшие команды получают качество около коммерческого на открытых моделях, а крупные контент-фабрики могут стандартизировать подбор инструмента под задачу.
Ограничения — вычисления, набор инструментов и контроль. Агенту нужно примерно в десять раз больше вычислений, чем одиночному редактору, а результат зависит от подключенных инструментов. Без протокола проверки ни одна из семи языковых моделей не дотянула до лучшей дообученной модели-судьи; с ним все семь обошли каждую дообученную модель, а Qwen3.8-27B выбрал пригодный вариант в 81,3% случаев против 74,8% у EditScore-72B. Покупателям стоит спрашивать, какие инструменты включены, как выявляются конфликты правок и как фиксируются данные проверки.
Индикатором станет использование проверенных результатов агента как учебных данных для быстрых редакторов. EditAgent сохранял только проверенные итоги и собрал около 26 000 учебных примеров; дообученные на них редакторы улучшились на всех трех бенчмарках, тогда как данные напрямую от FLUX ухудшили FLUX. В июне Adobe добавила агентов в Photoshop, Premiere и другие приложения Creative Cloud в формате public beta, поэтому прогресс в выборе инструментов будет виден в серийных продуктах.
