Juiz do EditAgent, da Adobe, escolhe uma edição aceitável em 81,3% dos casos, contra 74,8% do EditScore

Pesquisadores da Adobe Research e da Universidade da Califórnia em San Diego apresentaram o EditAgent, um agente de edição de imagens que trabalha mais como um profissional do Photoshop do que os sistemas anteriores. Ele divide o pedido em etapas dependentes, escolhe a ferramenta adequada para cada uma e compara o resultado com o original usando dados medidos. O principal resultado está no papel de juiz.

Num benchmark de 600 edições, em que cinco profissionais avaliaram os resultados às cegas, o Qwen3.8-27B, um modelo comum e sem ajuste fino, escolheu entre os candidatos uma versão que os profissionais também consideraram aceitável em 81,3% dos casos. O melhor dos modelos treinados especificamente, o EditScore-72B (ajustado com avaliações humanas de edições), chegou a 74,8%.

Por que o editor generalista falha

A maioria dos agentes de edição de imagens funciona de forma simples: um pedido complexo é dividido em etapas, a etapa que falha é repetida com o mesmo editor, e um modelo separado avalia o resultado final a olho. Os autores mostraram que esse esquema esbarra em um teto. No teste com 600 edições, o editor generalista Flux-2-Klein-9B não entregou um resultado aceitável em 42,7% dos casos. Ferramentas especializadas, para aumentar nitidez, girar e aproximar a imagem, resolveram cerca de dois terços dessas falhas. Repetir a tentativa com o mesmo editor quase não ajudou.

A segunda descoberta diz respeito à ordem do trabalho. A melhoria iterativa acumula pequenos erros, porque cada rodada parte de uma imagem que já foi alterada. Gerar variantes em paralelo a partir da imagem original funcionou melhor: nas comparações em que os profissionais escolheram um lado, eles preferiram as variantes paralelas em 78,5% dos casos. O agente ainda precisou de metade das passagens de avaliação. O EditAgent foi construído sobre essas duas conclusões.

Um juiz que enxerga os números

Em cada etapa, o agente coloca o editor generalista para competir com as ferramentas especializadas e obtém vários candidatos. Depois, uma LLM comum compara todas as variantes de uma só vez. Mas ela não olha apenas a imagem inteira. Para cada variante, o sistema monta um registro de verificação: um close da área alterada, um mapa das mudanças e estatísticas medidas de brilho e cor. No exemplo do artigo, a foto precisava ser clareada levemente. Os números mostraram que o editor generalista estourou a luz da imagem e deslocou as cores para o lado quente, enquanto a ferramenta especializada ficou dentro dos limites pedidos. Olhando o quadro completo, o modelo deixa esses erros passarem.

Para comparação, os pesquisadores usaram modelos como o EditScore, ajustados com avaliações humanas de edições. Sem o registro de verificação, nenhuma das sete LLMs testadas alcançou o melhor modelo ajustado. Com ele, as sete superaram todos os modelos ajustados. Os autores concluem que o que o juiz vê pode pesar mais do que a forma como ele foi treinado.

Depois de cada rodada, o agente ainda verifica se as edições posteriores não desfizeram as anteriores. No exemplo do artigo, o pedido de "deixar entrar mais luz do dia" tornou transparente de novo uma janela que antes era fosca. O agente percebe o conflito e o corrige.

Custo dez vezes maior e dados de treinamento

O EditAgent melhorou os editores abertos Qwen-Image-Edit-2511 e Flux-2-Klein-9B em três benchmarks e superou sete outros agentes. No benchmark EdiVal, a variante baseada em Qwen ficou ligeiramente à frente dos modelos comerciais Seedream 4.0 e GPT-Image-1.5 na terceira rodada de edições. Os autores apontam as limitações com franqueza: o agente exige cerca de dez vezes mais computação do que um único editor, e a qualidade depende do conjunto de ferramentas conectadas.

Parte desse custo pode se pagar. O agente guarda apenas resultados verificados, e por isso seu trabalho gerou cerca de 26 000 exemplos de treinamento. Os editores ajustados com esses dados melhoraram nos três benchmarks. Já os dados gerados pelo próprio FLUX, ao contrário, pioraram o FLUX. Assim, um agente caro pode servir como fábrica de dados para modelos rápidos.

Para a Adobe, isso não é uma questão acadêmica. Em junho, a empresa adicionou agentes de IA ao Photoshop, ao Premiere e a outros aplicativos do Creative Cloud, em formato de beta público: o usuário descreve a tarefa, e o agente executa as etapas. A escolha da ferramenta e a verificação do próprio resultado são justamente o ponto em que esse tipo de produto ganha ou perde. Uma ressalva: a Black Forest Labs já substituiu o modelo usado nos testes. O novo Flux 3 Image Klein tem 5,6 bilhões de parâmetros, menos que o Flux 2 Klein, mas, segundo testes internos da empresa, supera todos os outros modelos abertos e até o Flux 2 Pro, que é comercial.