Meta推出Muse Image与Muse Video：新一代智能体式媒体生成模型

Muse Image是什么？

2026年7月7日，Meta Superintelligence Labs（Meta超级智能实验室）正式发布了Muse Image，并同时预览了Muse Video。这是Meta首个由该实验室开发的媒体生成模型系列。Muse Image是Meta目前最先进的图像生成模型，它不仅能根据文字生成图片，还能像一个小助手一样，自己搜索资料、编写代码来让图片更准确。

Muse Image目前已经在Meta AI应用、meta.ai网站、美国地区的Instagram Stories以及部分国家的WhatsApp中可以使用，Facebook也即将上线。Muse Video则还在预览阶段，未来会提供给创作者和Meta AI用户。

Muse Image的智能体式工作方式

和传统的图像生成模型不同，Muse Image不是简单地把文字变成图片，而是像一个智能体（Agent）那样工作。它会先思考你的要求，然后决定是搜索网络获取信息，还是写代码来画出精确的图表，甚至自己检查画好的图，如果不满意就重新画。这个过程就像你写作文时先查资料、打草稿、修改错别字一样。

这种工作方式让Muse Image能更好地理解复杂的指令，比如生成包含真实世界事实的图片，或者制作带有准确公式的杂志页面。

工具使用：搜索和编码

Muse Image学会了使用两种工具：搜索和编码。搜索工具让它可以上网查找真实信息，比如你想画“2026年世界杯冠军庆祝”的图片，它会先搜索确认冠军是谁，再画出来，这样就不会画错。编码工具则让它能写出程序来生成精确的图表、二维码，甚至能结合代码和图像制作动画GIF、带图片的网页和互动小游戏。

这就像你画画时，如果不知道某个东西长什么样，会先翻书或问老师，而不是凭空乱画。

自我优化：越画越好

Muse Image还有一个神奇的能力：它会自己检查自己的作品，然后改进。如果发现小细节不对，它只修改那个地方；如果大范围错了，它会重新画一张。这种自我优化的行为不是程序员设计的，而是它在训练中自己学会的，因为这样能让图片更好，获得更高的奖励。

就像你做完数学题会检查一遍，发现错误就改正，Muse Image也会在生成图片的过程中不断反思和调整。

测试时计算扩展：想得越多画得越好

Muse Image在生成图片时，如果给它更多时间“思考”（也就是增加测试时计算），它的图片质量会明显提升。研究发现，质量提升和计算量呈对数线性关系，也就是说，思考得越多，效果越好。但重要的是，要把计算用在“深思熟虑”上，而不是简单地多生成几张再挑最好的。

这就像考试时，与其快速写很多遍答案，不如认真思考一遍，写出正确的答案。

图像编辑与多参考合成

Muse Image不仅能生成图片，还能精确编辑图片。你可以告诉它“把背景换成沙滩”，它只会改变背景，其他部分保持不变。它还能从多张参考图片中提取元素，比如把一个人的脸、一件衣服、一个场景组合成一张新图片。

这就像你有一堆积木，可以按照图纸拼出不同的造型，Muse Image能灵活地组合各种视觉元素。

Muse Video预览与内容水印

Muse Video是Muse Image的姊妹模型，基于相同的预训练基础，能生成高质量视频，并带有原生音频。目前它在Arena基准上排名第三，但官方表示在音画同步和快速运动方面还有改进空间。

为了帮助人们识别AI生成的图片，Muse Image内置了Content Seal隐形水印系统，即使图片被裁剪、压缩或截图，水印依然存在。Meta还预览了一个检测工具，可以检查图片是否带有Content Seal水印。

适用人群与未来展望

Muse Image适合普通用户、创作者和小企业主。普通用户可以在Meta AI应用中体验生成和编辑图片；创作者可以用它制作动态内容；小企业主可以快速生成营销素材。Muse Video未来将面向创作者开放。

Meta表示，这些技术将深度整合到Meta生态中，帮助创作者和企业生成更多动态内容。虽然目前Muse Image和Muse Video尚未开源，但Meta AI研究团队会继续探索。