Критерий за успех 1.1.1 от WCAG 2.2 не се е променил от 2008 г. Всяко нетекстово изображение, което носи смисъл, се нуждае от текстова алтернатива; всяко декоративно изображение трябва да бъде маркирано като декоративно. Това, което се промени между версията на тази статия, която бихме написали през 2022 г., и версията, която пишем през май 2026 г., е, че генерирането на правдоподобно звучащо изречение от масив пиксели вече не е тясното място. Генерирането на изречение, което е вярно, контекстуално подходящо и без измислени детайли, все още е.

Промяната има значение, защото повечето продукционни CMS платформи през 2026 г. идват с бутон „автоматичен алтернативен текст“. Бутонът извиква визуално-езиков модел зад API на доставчик и записва резултата директно в атрибута alt. Последицата за достъпността е пряка: ако бутонът е прав, изображение, което преди се публикуваше с празен alt, сега е описано на потребител на екранен четец. Ако бутонът греши, потребителят на екранен четец получава уверено формулирано изречение за нещо, което не е в изображението.

Това ръководство е за инженерите, които отговарят за този бутон. То преглежда петте визуални модела, които съставляват преобладаващата част от интеграциите на доставчиците през 2026 г., тества всеки от тях спрямо четирите канонични категории изображения, документира повтарящите се режими на отказ и завършва с хибриден работен процес, който смятаме за единствения защитим стандарт, докато основното поведение не се промени.

Пет визуално-езикови модела доминират интеграциите, които виждаме в продукция: два затворени гранични модела (GPT-4o vision, Claude 3.7 Sonnet vision), един затворен модел, използван интензивно вътре в продуктите на Google и подчинените добавки за Workspace (Gemini 2.0), и два модела с отворени тегла, които идват в самостоятелно хоствани CMS плъгини, където правилата за местоположение на данните изключват затворените API (Llama-Vision-3, Pixtral). Всеки има отделен профил в теста по четири категории по-долу.

Комбинираните карти тук отразяват практическото поведение, което наблюдавахме при прибл. 600 тестови изображения през март и април 2026 г., а не маркетинговите твърдения. Разходите са на изображение при типична резолюция към май 2026 г. и изключват надценката на доставчика.

Насоките на дървото за решения на WCAG за нетекстово съдържание се свеждат на практика до четири категории: информативни снимки (човек, сцена, обект, който носи смисъл); диаграми и схеми (стълбовидна диаграма, диаграма на потока, анотирана карта); екранни снимки и UI (табло, състояние на грешка, панел с настройки); и декоративни (градиент на хедъра, разделител, запълващ елемент от стокова илюстрация). Съставихме тестов набор от 600 изображения, вземайки по 150 изображения на категория от контексти на новини за хора с увреждания, доклади на благотворителни организации, софтуерна документация и редакционно запълващо съдържание. Всеки модел създаде по един кандидат за алтернативен текст на изображение; трима човешки рецензенти отбелязаха всеки кандидат като приет, за редакция или отхвърлен. Матрицата по-долу отчита процента на приетите.

Числата не са замислени да коронясват победител. Те са замислени да ви кажат коя категория е най-рисковото място за публикуване на кандидат от ИИ без рецензия.

Съвкупните проценти на приетите скриват текстурата на грешките. Преглеждайки отхвърлените кандидати в тестовия набор, четири режима на отказ се повтарят с достатъчна регулярност, за да обяснят огромната част от пропуските. Назоваваме ги тук, за да знае всеки редактор, който рецензира резултат от ИИ, кои модели да търси първи.

Третирането на алтернативния текст от ИИ като „напълно автоматизиран“ или „безотговорен“ е фалшива дихотомия. Числата по категории казват нещо по-полезно: кандидатите от ИИ са годни като първа чернова в колоната със снимки и като източник на отказ в колоната с диаграми, а са активен риск в декоративната колона, освен ако работният процес няма изрична възможност за „маркиране като декоративно“. Правилният стандарт е хибрид, а стъпките по-долу са хибридът, който препоръчваме.

Заглавието на това ръководство, написано честно, е, че визуално-езиковите модели през 2026 г. вече са полезна първа чернова за колоната със снимки и полезен източник на отказ за колоната с диаграми, и че двата факта заедно предполагат хибриден работен процес, а не напълно автоматизиран. Летвата се вдигна осезаемо между 2022 и 2026 г. — процентите на приетите при информативни снимки сега са в горните шейсет процента за най-добрите затворени модели, докато през 2022 г. бяха по-близо до долните трийсет. Подът — не. Помощните средства за придвижване все още се разпознават погрешно, жестовият език все още става „жестикулиране“, а декоративните изображения все още получават изречение, когато им трябва мълчание.

Последицата за достъпността е, че правилният стандарт за всяка CMS, която предлага бутон „автоматичен алтернативен текст“ през 2026 г., не е „натисни бутона и публикувай“. Той е „натисни бутона, за да изготвиш чернова, после рецензирай преди публикуване“. Всичко по-стегнато от това публикува измислени детайли пред читателите, които най-пряко зависят от това текстовата алтернатива да е вярна. Всичко по-хлабаво от това — пълно пренебрегване на ИИ — оставя 41-те % от изображенията с празни алтернативни текстове необработени, когато една чернова би помогнала.

Ще проведем тази матрица отново през ноември 2026 г. Ако колоната с диаграми се е изместила над линията от 60% приети, хибридният работен процес ще се затегне. Дотогава бутонът изготвя черновата, редакторът публикува.