Автор блога SYNTX.AI протестировал 7 моделей на трёх сценах и выяснил: лучше всего геометрию держит FLUX 1.1 Pro Ultra — модель ноября 2024 года. Новинки 2026-го проиграли. Это значит, что номер версии не гарантирует правильной перспективы, а старый способ поймать ИИ-картинку по линиям работает до сих пор.
Почему нейросети вообще ломают перспективу
Камера сводит параллельные линии в точку схода автоматически — это физика оптики, не выбор фотографа. Нейросеть так не устроена. Она рисует по памяти о похожих картинках, без явной геометрической модели сцены.
Эксперт по цифровой криминалистике Хани Фарид разбирал это ещё в 2022 году на 25 кухнях, нарисованных DALL-E 2. Линии плиточного пола сходились в одну точку, а точка схода столешницы с ней не совпадала. Отражения в блестящих поверхностях жили отдельно от самих предметов.
Исследователи Sony на SIGGRAPH Asia 2023 сформулировали причину коротко: точность перспективы при обучении латентной диффузии не входит в явные требования. Они добавили геометрическое ограничение в обучение — и результат предпочли картинкам Stable Diffusion 2 в 70% сравнений. Проблема решаемая, но требует специального датасета с размеченными точками схода.
В декабре 2025-го авторы работы ControlVP всё ещё называли несогласованные точки схода частой ошибкой моделей вроде Stable Diffusion, особенно заметной в архитектурных сценах. Фарид в мае 2026-го говорит жёстче: генеративный ИИ «не знает физики, не знает геометрии».
Что изменилось в архитектуре моделей с 2023 года
За три года генераторы перестраивали несколько раз, и это важно для понимания результатов теста.
| Поколение | Как рисует | Модели в тесте |
|---|---|---|
| Диффузия первых поколений | U-Net, свёрточная сеть, шум → картинка | DALL-E 2, SD из старых исследований |
| Диффузия на трансформере | Те же шаги, но внимание на всех слоях | FLUX 1.1 Pro Ultra |
| Генерация внутри языковой модели | Мультимодальная модель рисует авторегрессионно | GPT Image 1, Nano Banana 1 |
| Рассуждение перед рисованием | Модель сначала планирует раскладку, потом рисует | Nano Banana 2.1, GPT Image 2.5 Sunburst |
| Не раскрыто | Архитектура не описана разработчиками | Seedream 5.0 Pro, Ideogram 4.5 |
Ключевой сдвиг 2023 года — переход от U-Net к DiT (Diffusion Transformer, предложен Пиблсом и Се): трансформер работает с кусками латентного изображения и держит внимание на всех слоях, а не только на низких разрешениях. FLUX 1.1 Pro Ultra — как раз трансформер, обученный по схеме rectified flow.
В 2025-м OpenAI встроила генерацию в GPT-4o: модель рисует авторегрессионно, а не диффузией. Google сделала то же в Gemini — первая Nano Banana опирается на знания языковой модели о мире. Nano Banana 2.1 и GPT Image 2.5 Sunburst идут дальше: они сначала планируют раскладку сцены, потом рисуют.
Результаты теста: старая модель выиграла у новинок
Автор проверил 7 моделей на трёх сценах и выставил оценки по 100-балльной шкале. Средние результаты:
| Модель | Дата выхода | Средний балл |
|---|---|---|
| FLUX 1.1 Pro Ultra | Ноябрь 2024 | 95 |
| Nano Banana 2.1 | Октябрь 2026 | 86,7 |
| GPT Image 2.5 Sunburst | Сентябрь 2026 | 83,3 |
Первая Nano Banana обошла свою новую версию 2.1. GPT Image 2.5 Sunburst прибавила к GPT Image 1 больше всех — 21,7 пункта, то есть прогресс у OpenAI заметный, но до FLUX всё равно не дотянула.
Самой трудной сценой оказалась кухня — именно та, на которой Фарид ловил DALL-E 2 в 2022 году. У Nano Banana 2.1 там 60 баллов при 100 на уличной сцене. У GPT Image 1 на кухне и вовсе 40.
Что это значит на практике
Если вы используете ИИ-картинки в интерьерных макетах, на обложках или в любом контексте, где геометрия видна невооружённым глазом, — проверяйте перспективу вручную. Автор описывает метод: провести две-три линии вдоль параллельных рёбер сцены и посмотреть, сходятся ли они в одну точку. Это занимает минуту в любом графическом редакторе.
Для разработчиков и продуктологов, которые встраивают генерацию в пайплайны: результат теста говорит о том, что свежая версия модели не означает автоматически лучшую геометрию. FLUX 1.1 Pro Ultra почти двухлетней давности обошёл модели с рассуждением перед рисованием — архитектурное усложнение не всегда решает конкретную задачу.
Фарид в мае 2026-го отметил, что проверки по шуму матрицы камеры стали ненадёжны, и теперь он смотрит на геометрию и перспективу сцены. Похоже, линейный тест остаётся рабочим инструментом детекции ИИ-изображений — пока модели не начнут явно оптимизировать перспективу при обучении.
Где это может сломаться в ближайшее время
Работа Sony 2023 года показала: добавить геометрическое ограничение в обучение технически несложно, если есть размеченный датасет. Авторы CVPR 2024 вынесли «for now» прямо в заголовок — «пока что». Это честная оговорка.
Если крупные лаборатории начнут явно включать точность перспективы в метрики обучения, тест по линиям перестанет работать. Пока этого не произошло: данные октября 2026 года показывают, что даже модели с этапом планирования сцены не решили задачу полностью. Кухня у Nano Banana 2.1 с результатом 60 из 100 — наглядное тому подтверждение.
