Meta представила Muse Image і показала прев’ю Muse Video — перші моделі для генерації медіа від Meta Superintelligence Labs. Muse Image вже працює в застосунку Meta AI, на meta.ai та в Instagram Stories у США. У WhatsApp модель доступна в окремих країнах, а пізніше з’явиться й у Facebook.
Головна відмінність Muse Image в тому, що Meta називає її не просто генератором зображень за текстовим запитом, а агентною моделлю. Вона вміє звертатися до інструментів, уточнювати власні результати, запускати додаткові кроки під час генерації та витрачати більше обчислень на складніші запити.
Зокрема, Muse Image має доступ до коду. Завдяки цьому вона створює точні графіки, QR-коди, схеми та інші елементи, які звичайним генераторам зображень зазвичай не вдаються. Meta наводить приклад, коли модель спершу генерує QR-код, перевіряє його і лише потім вбудовує в ілюстрацію.
Модель також уміє звертатися до пошуку, щоб краще опрацьовувати запити, які залежать від актуальних фактів чи реальних візуальних референсів. За словами Meta, доступ до пошуку підвищує точність генерації в завданнях, повʼязаних із поточними подіями чи трендами.
Підписуйтесь на Mediasat у Telegram: тут найцікавіші новини ТБ та телекому
Окремо компанія виділяє здатність Muse Image до самостійного доопрацювання. Модель здатна помітити помилку у вже створеному зображенні, локально виправити деталь або згенерувати новий варіант із нуля. За твердженням Meta, таку поведінку спеціально не закладали — вона сформувалася під час навчання з підкріпленням, оскільки самоперевірка давала кращі результати.
Разом із Muse Image Meta показала раннє прев’ю Muse Video. Відеомодель побудована на тій самій базі попереднього навчання й підтримує нативний звук. Компанія заявляє про високу візуальну якість, добре дотримання промптів і стабільність між кадрами. Водночас Meta визнає, що ще працює над синхронізацією аудіо та відео, а також над фізично точним швидким рухом.
За внутрішніми даними Meta з Arena станом на 5 липня 2026 року, Muse Image посідала друге місце за людськими оцінками. Ідеться про рейтинги text-to-image, редагування одного зображення та редагування кількох зображень. Muse Video в рейтингу text-to-video займала третє місце.
Для зображень, які Muse Image створює в застосунку Meta AI та на meta.ai, компанія застосовує технологію Content Seal. Це невидиме водяне маркування, що має зберігатися навіть після обрізання, стиснення, зміни розміру чи знімка екрана. Meta також готує інструмент для перевірки таких міток і планує додати Content Seal і до відео.
Швидкі генератори зображень активно розвивають й інші технологічні компанії: раніше Google представила Nano Banana 2 Lite, яка створює зображення за чотири секунди та коштує $0,034 за тисячу картинок.
