Muse 系列模型迎来重要更新。继今年 4 月发布 Muse Spark 后，由余家辉带队打造的图像模型 Muse Image 正式发布，视频模型 Muse Video 同步开启预览。
榜单数据显示，Muse Image 在 Arena 文生图、单图编辑及多图编辑三项评测中均位列第二，超越谷歌 Nano Banana，仅次于 OpenAI GPT Image 2。
Muse Video 则在文生视频排行榜中跻身第三，位于谷歌 Gemini Omni Flash 和字节 Seedance 2.0 之后，成功进入第一梯队。
此次更新标志着 Meta 生成式 AI 业务在沉寂一段时间后的高调回归。
Agentic Image Generation：像 Agent 一样绘图
Muse Image 采用了区别于传统文生图工具的“代理式图像生成”（Agentic Image Generation）路径。接收到指令后，模型不会立即输出图像，而是先拆解并梳理完整的创作思路。
面对不确定性内容，模型会主动调用外部工具辅助。例如绘制“今日纽约时代广场”，它会实时联网获取最新素材；处理图表或公式时，能自主编写代码进行精准运算，甚至生成真实可用的二维码。
生成完成后，模型还会复盘画面细节，自动迭代修改逻辑漏洞，直至交付高质量成品。Meta 测试发现，留给模型的推理思考时间越充足，最终画面的质感越好，图片质量呈接近对数线性曲线上升。
多模态协同与社交原生能力
Muse Image 可与 Muse Spark 大语言模型深度联动，共享工具链路以完成复杂任务。例如制作互动游戏时，两者可分工协作：一方编写网页交互代码，另一方生成视觉素材，最终输出包含动态 GIF 和内嵌图片的完整网页。
在日常应用中，Muse Image 支持多参考图合成及图文混合提示词。用户可上传人物、风景及穿搭参考图，并通过类似“画一张「这个人.jpg」穿着「这个衣服.jpg」坐在「这里.jpg」的图片”的指令实现精准控制。
此外，该模型具备独特的社交原生能力（Native Social Context）。用户可在提示词中@Instagram 公开账号好友或商家，模型将自动拉取对方公开照片进行二创或生成同风格营销图。内置的个性化模板支持在 Instagram 端一键调用，无需跳转。
针对隐私问题，Meta 允许用户在设置中选择退出（opt-out），禁止他人使用其公开照片进行 AI 创作。同时，所有生成图片均带有无法通过裁剪、压缩或截图去除的 Content Seal 隐形水印。
Muse Video 进展与规划
Muse Video 与 Muse Image 基于同一底座训练，在高视觉保真度、原生音频支持、提示词理解及时间一致性方面表现优异。目前音画同步和高速运动场景的物理准确性仍有提升空间，预计将在未来几个月内推出改进版本。
核心团队背景
MSL 视觉团队汇聚了多位顶尖华人科学家。
赵晟佳：底层基座技术负责人
MSL 首席科学家、Muse 全系列底层总负责人赵晟佳，本科毕业于清华大学，博士毕业于斯坦福大学。他于 2022 年加入 OpenAI，全程参与了从初代 ChatGPT 到 o3 的预训练工作。2025 年 6 月加入 Meta 后，正式接管 Muse 全系列的底层基座技术路线。
余家辉：多模态研发领军人
Meta MSL 多模态负责人余家辉，出身中科大少年班，获 UIUC 博士学位。他曾担任谷歌 Gemini 多模态视觉联合负责人，2023 年 10 月加入 OpenAI 后领导感知团队，参与了 GPT-4o 至 o4-mini 及“基于图像的思考”等关键研究。2025 年 6 月，他与赵晟佳一同加入 Meta，主导了本次 Muse Image 和 Muse Video 的研发工作。
