智东西

编译 | 茄子

编辑 | 程茜

智东西 7 月 9 日消息，7 月 7 日 Meta 正式发布首款由超级智能实验室（Meta Superintelligence Labs，MSL）研发的多模态生成模型—— Muse Image。Meta 同时亮相了视频生成模型 Muse Video，并展示了其生成的视频。不过，该模型目前仍处于测试阶段，尚未正式开放。

Muse Image 是 Meta 将 Agent（智能体）能力引入图像生成领域一次探索。不同于传统 AI 绘图工具根据提示词直接生成图片，Muse Image 更像一个 AI 智能体，不仅能够生成、编辑图片，还会根据任务需要自主搜索信息、调用代码工具，并不断优化生成的结果。

Meta 放出了许多由 Muse Image 和 Muse Video 生成的图片和视频，包括在活动的人物、动物与人物同框的画面以及人物与食物、风景等元素结合的复杂场景。

下图均为 Muse Image 生成的图像，涵盖戴墨镜的人物吃汉堡、人物与动物共处一桌，以及人物与石柱、蓝天白云等风景的融合场景。

Muse Image 生成的人物及动物和风景图像（图源：Meta）

下图是 Muse Video 生成的人物在厨房倒水的视频片段。

Muse Video 生成的人物视频（图源：Meta）

据外媒 TechCrunch 报道，Muse Image 此前内部代号为 "Mango"，属于 Meta 正在打造的 Muse 系列 AI 模型。Meta 超级智能实验室负责人 Alexandr Wang 称，Muse Image 具备 Agentic 能力，能够与 Muse Spark 大语言模型协同工作，能在生成图片前完成推理、搜索和规划能力。

Alexandr Wang 对 Muse Image 的介绍（图源：Meta）

用户对 Meta Muse Image 的评价两级分化。不少用户认可 Meta Muse Image 的实用能力，认为它适配 Instagram 等社交场景，图片编辑、图像生成效果也不错。

但是，由于该模型支持调取他人公开账号照片生成 AI 图像，缺少完善授权与通知机制，引发用户关于肖像权、隐私泄露、深度伪造风险的担忧。

目前，Muse Image 已经接入 Meta AI 应用、Instagram Stories（IG 快拍）以及即时通讯软件 WhatsApp，并将在后续登陆 Facebook 和该平台上的聊天工具 Messenger。

一、Meta 让 AI 生图具备 Agent 能力：会搜索、会写代码，还能自己修改图片

过去几年，AI 图像生成模型主要遵循 " 输入提示词—输出图片 " 的单轮生成模式。而 Meta 称，Muse Image 开始向 " 智能体式图像生成 "（Agentic Image Generation）方向发展：它不仅能够根据提示词生成图像，还可以调用搜索和编程工具提升生成准确性，对自身输出进行迭代优化，并通过更多测试时计算不断改进生成结果。

Muse Image 可调用代码生成复杂图像（图源：Meta）

此外，Muse Image 还能调用搜索工具。当用户提出涉及实时事件、现实世界信息或专业知识的问题时，该模型可以主动搜索网络资料，并利用相关视觉参考提升生成内容的准确性。

Muse Image 可通过搜索工具调查问题（图源：Meta）

Meta 认为，搜索能力能够帮助模型减少知识密集型任务中的错误，尤其是在涉及新闻事件、现实地点和事实信息时。

除了工具调用，Muse Image 还具备自我优化能力。在生成图片后，该模型还能够检查自身输出，并根据问题类型采取不同处理方式：

Muse Image 的自我优化（图源：Meta）

如果只是局部细节存在错误，模型可以直接修改当前图片；如果整体方向不符合要求，则重新生成；如果问题来自事实信息缺失，则可以进一步调用搜索工具。

Meta 称，这种自我修正能力并非人工设计，而是在强化学习训练过程中自然形成的，因为不断优化结果能够获得更高奖励。

与此同时，Muse Image 还能与 Meta 的大语言模型 Muse Spark 协同工作，通过结合代码生成和媒体生成能力，完成 GIF 动画、网页以及交互式视觉内容制作。

在 Instagram 中，Muse Image 将支持更多 AI 创作功能，包括 30 种新的 AI Stories 特效。用户可以通过 AI 滤镜改变照片风格，也可以利用提示词生成新的视觉内容。

用户可以在 Instagram 中使用 Muse Image 更换滤镜改变照片风格（图源：Meta）

Meta 还将 Muse Image 应用到更多生活场景。例如，用户可以上传家具图片，让 AI 模拟家具摆放效果，帮助用户提前查看不同家具在空间中的呈现效果。

Muse Image 模拟家具摆放效果（图源：Meta）

此外，Muse Image 还支持图片编辑功能。用户可以直接在照片上进行标记，让 AI 根据指定区域完成修改；也可以利用该模型生成邀请函、明信片、社交媒体图片等内容。

二、推理计算进入图像生成，让模型 " 想得越久，画得越好 "

除了 Agent 能力，Muse Image 另一个重要变化，是 Meta 正在尝试将大语言模型中的推理机制引入视觉生成。过去一年，推理模型通过增加测试阶段计算量（Test-Time Compute），让 Muse Image 在回答复杂问题时能获得更好的效果。

Meta 称，Muse Image 在生成过程中会投入更多计算资源，让模型进行更充分的推理、调用更多工具，并增加自我优化步骤。

随着推理强度提升，Muse Image 在人类偏好评测中的 Elo 评分持续提升，Muse Image 在 Arena 的文单张图像编辑、文本转图像和多张图像编辑方面均列第二，仅次于 GPT Image 2。这说明，该模型在生成图像前 " 思考 " 时间越长，最终图片质量越高。

Muse Image 的单张图像编辑、文本转图像和多张图像编辑评分（图源：Meta）

这一 " 思考 " 过程同时涉及两类计算：一类是用于推理分析的文本 Token，另一类是用于生成图片的视觉 Token。Meta 认为，最终效果取决于两类计算资源的综合投入，而不是单纯扩大视觉生成规模。

Meta 还比较了两种提升生成质量的方法。一种方式是 Best-of-N，即一次生成多张图片，再选择最好的一张；另一种方式则是增加模型推理时间。

测试结果显示，Best-of-N 能够在早期提升效果，但很快进入瓶颈；相比之下，将计算资源投入到推理、工具调用和自我优化中，能够获得更持续的性能提升。

Muse Image 提升图像生成质量的测试结果（图源：Meta）

三、AI 创作进入大众场景，但隐私争议同步出现

Muse Image 接入 Instagramd 等社交场景被不少用户视为此次发布的最大亮点。有用户认为，当下许多主流 AI 绘图模型生成的画面脱离真实的社交场景，不懂得用户在 Instagram 等社交平台的实际使用语境。

用户对 Muse Image 接入社交平台的评价（图源：X）

不过，Muse Image 上线后，其涉及到的隐私问题也引起了用户讨论。据外媒 The Verge 报道，该模型允许用户在 Instagram 提示词中 @其他公开账号，并利用相关账号公开照片生成新的 AI 图片。

Muse Image 使用公开账号生成照片的隐私争议（图源：X）

有用户认为，在没有获得明确许可的情况下，将真实用户的形象用于 AI 生成图片，是一颗随时会引爆的隐私雷区。

对于此争议，Meta 称，用户可以通过设置控制自己的内容是否能够被用于 AI 生成。但按照目前规则，被使用照片的用户不会收到相关通知，并且，已经创作的 AI 图像不会被删除。

Muse Image 使用公开账号生成照片的隐私争议的解决方案（图源：Meta）

这一设计引发部分用户担忧，他们认为，在未经明确授权的情况下，将真实用户形象用于 AI 生成可能带来身份滥用、肖像权以及深度伪造风险。

还有一些用户对 Meta Muse Image 的功能进行了体验。有些用户体验感良好，认为该模型在图像编辑领域具有强大功能。也有一些用户则在体验后给出了差评。

比如，这位用户测试 Meta Muse Image 图像生成功能，输入 1988 年乔丹扣篮画面需求，要求生成黏土动画 + 拆解工程分析图，该模型无需额外调试就直接能输出完整的成品。

用户对 Muse Image 的体验（图源：X）

还有用户用相同的提示词分别测试了 Gemini、Grok、Meta AI 三款模型的图像功能，对比三者生成画面效果。

用户对 Gemini、Grok、Meta AI 图像功能测试对比（图源：X）

当然，也有用户在体验之后认为 Muse Image 的绘图功能并没有它宣称的那么强大。这位用户想让 Meta AI 帮其生成一幅内耳解剖图，但该模型生成的图片并不精准，因而被用户吐槽。

用户称 Muse Image 无法生成精良的内耳解剖图（图源：X）

结语：Muse Image，Meta 探索智能创作的新方向

过去，Meta 主要围绕大语言模型展开竞争，而此次 Muse Image 和 Muse Video 的推出，则进一步将 AI 能力扩展到图像、视频以及社交内容生产场景。

更重要的是，Muse Image 展示了一种新的发展方向：未来 AI 模型可能不再只是等待用户指令，而是能够理解目标、调用工具、自主规划并完成复杂任务。

但与此同时，当 AI 开始处理真实用户身份、社交内容以及现实世界信息时，技术能力之外，数据边界、用户授权和内容安全，也将成为下一阶段 AI 竞争的重要议题。

来源：Meta、TechCrunch、The Verge