Meta首个Agent生图模型 Muse Image 登场，空降竞技场第二

Meta 旗下的超智能实验室 Meta Superintelligence Labs 推出了图像生成模型 Muse Image，并同步预览了 Muse Video。目前，Muse Image 已经接入 Meta AI 应用、网页端以及部分地区的社交平台，Muse Video 也即将向创作者开放。

这次更新的核心在于 Muse Image 引入了智能体机制。它改变了单纯把文字转换成像素的传统方式，选择像 AI 智能体一样工作。

会查资料、会写代码的生图模型

Muse Image 在生成图像时可以使用多种工具。

首先是编写代码。在训练过程中，该模型学会了通过写代码来生成精准的图表和二维码。

它还可以把生成的图像与代码结合，制作出动图、带有嵌入图像的网页，

甚至是可以运行的互动小游戏。比如，它可以根据用户的宠物照片，编写出一个完整的 HTML 和 JS 互动游戏。

其次是网络搜索。Muse Image 可以通过搜索网页来获取实时信息和视觉参考。这让它在处理涉及新闻事件或现实常识的提示词时，能够大幅提升画面的准确度。

自己发现错误，自己修改

在强化学习训练中，Muse Image 展现出了一种自主修正的能力。当它在思考链中发现画面细节有偏差时，会主动进行局部修改；如果发现方向完全错了，则会重新生成，或者调用工具来辅助。这种自我修正行为并非人工设定，这是模型在追求更高生成质量的过程中自主学习到的成果。

想得越久，画得越好

与大语言模型类似，Muse Image 同样支持推理阶段的算力扩展。也就是说，给模型更多的思考时间，它就能进行更多的推理步骤、调用更多工具并进行多次自我修正，从而产出质量更高的图像。实验表明，这种推理投入与图像质量之间呈现出近似对数线性的扩展关系。

精准的多轮编辑与画面合成

在图像编辑方面，Muse Image 表现出了很强的实用性。它支持多轮对话编辑，用户可以连续提出修改意见。例如，先把客厅照片改造成北欧和日式融合的 Japandi 风格，接着要求保留第一张图中的灯具，最后让模型输出一张改造前后的对比图。

同时，它还支持多参考图合成。用户可以在提示词中同时输入文字和多张参考图片，让模型把特定的人物、衣服、自行车和背景风格揉合到同一张画作中。

在主流的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列第二。

Muse Video 同步预览

除了图像模型，Meta 此次还展示了 Muse Video 的技术预览。该模型在提示词匹配度、画面精细度和时序连贯性上表现良好，但在音视频同步以及快速运动的物理规律呈现上仍有提升空间。在视频生成竞技场中，Muse Video 目前暂列第三。

与Meta产品的整合

Muse Image和Meta生态深度打通。结合Meta AI里的社交功能，用户可以和好友一起创作图片，也可以对自己Instagram上的照片进行再创作。示例还包括帮小微商家生成营销素材、在Meta AI中通过@提及公开Instagram账号来生成图片，以及在Instagram中直接使用个性化预设效果。

参考：

https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/

文章来自于微信公众号 “AI寒武纪”，作者 “AI寒武纪”