Meta 旗下超智能实验室（Meta Superintelligence Labs）正式发布图像生成模型 Muse Image，并同步预览了视频生成模型 Muse Video。目前，Muse Image 已接入 Meta AI 应用、网页端及部分社交平台，Muse Video 也即将面向创作者开放。
本次更新的核心突破在于 Muse Image 引入了“智能体”机制。它摒弃了传统“文本转像素”的单一模式，转而像 AI 智能体一样，通过调用工具、自主推理来完成创作任务。
具备代码编写与联网搜索能力的生图模型
Muse Image 在生成过程中可灵活调用多种外部工具，显著提升了创作的精准度与功能性。
首先是代码生成能力。经训练，该模型能编写代码以生成精准的图表和二维码，甚至将生成的图像与代码结合，制作动图、嵌入式网页或可运行的互动小游戏。例如，用户仅提供宠物照片，模型即可编写完整的 HTML 和 JS 代码生成互动游戏。
其次是实时网络搜索。Muse Image 可通过检索网页获取最新信息和视觉参考，使其在处理新闻事件或现实常识类提示词时，大幅提升画面的准确性与时效性。
基于强化学习的自主修正机制
在强化学习训练中，Muse Image 展现出自主纠错能力。当模型在思维链中发现画面细节偏差时，会主动进行局部修正；若发现整体方向错误，则重新生成或调用工具辅助。这种自我迭代并非人工预设，而是模型在追求高质量生成过程中自主习得的策略。
推理算力扩展：思考越久，画质越高
与大语言模型类似，Muse Image 支持推理阶段的算力扩展（Test-time Compute）。增加模型的思考时间，意味着更多的推理步骤、工具调用及自我修正次数，从而产出更高质量的图像。实验数据显示，推理投入与图像质量之间呈现近似对数线性的正相关关系。
精准的多轮编辑与多参考图合成
在图像编辑场景下，Muse Image 表现出极强的实用性。它支持多轮对话式编辑，用户可连续提出修改指令。例如，先将客厅照片调整为 Japandi 风格，再要求保留特定灯具，最后生成改造前后对比图。
同时，模型支持多参考图合成。用户可在提示词中混合输入文字描述与多张参考图片，模型能将特定人物、服饰、物体及背景风格完美融合至同一幅画作中。
在主流图像生成与编辑评测中，Muse Image 目前在 Arena 竞技场的人类偏好排名中位居第二。
Muse Video 技术预览
Meta 此次同步展示了 Muse Video 的技术预览版。该模型在提示词匹配度、画面精细度及时序连贯性上表现优异，但在音视频同步及快速运动的物理规律呈现上仍有优化空间。在视频生成竞技场中，Muse Video 目前暂列第三。
深度整合 Meta 产品生态
Muse Image 已与 Meta 生态实现深度打通。结合 Meta AI 的社交功能，用户可与好友协同创作，或对 Instagram 照片进行二次创作。应用场景涵盖为小微商家生成营销素材、在 Meta AI 中通过@提及公开账号生成图片，以及在 Instagram 中直接使用个性化预设效果等。
参考来源：Meta AI 官方博客