Meta 於 7 月 7 日正式推出旗下首個自研 AI 影像生成模型 Muse Image，同時預告了影片生成模型 Muse Video 的早期預覽版本。這是 Meta Superintelligence Labs（MSL）自今年 4 月推出大型語言模型後，第二個重要的 AI 模型發表，標誌著 Meta 正式擺脫對第三方 AI 模型的依賴，走向自研 AI 技術的道路。
Alongside the release of Muse Image, we’re sharing an early preview of Muse Video. It offers competitive performance in prompt adherence, visual fidelity, and temporal consistency.
We’re investing in areas with current performance gaps, such as audio-video synchronization and… https://t.co/kftRoTgq6W pic.twitter.com/iIFeFGLzoE
— AI at Meta (@AIatMeta) July 7, 2026
Muse Image：具備代理能力的 AI 影像生成模型
Muse Image 由 Alexandr Wang 領導的 Meta Superintelligence Labs 開發，內部代號為「Mango」。Wang 在今年 4 月才剛主導了大型語言模型 Muse Spark 的發布，如今 Muse Image 成為 MSL 的第二個重大發表。與傳統的 prompt-to-image 模型不同，Muse Image 被設計為一個 AI 代理（agent）：它會調用搜尋與程式碼工具來提升準確性，自行反思並改進生成結果，並且可以透過擴展測試時運算（test-time compute）來持續提升品質。
根據 Meta AI 官方部落格的技術說明，Muse Image 在強化學習過程中學會了撰寫與執行程式碼，能夠生成精確的圖表與 QR Code。它還能搜尋網路來確保生成內容的事實準確性，特別是在涉及即時資訊與真實世界知識的提示詞上表現出色。
最令人驚豔的是 Muse Image 的自我改進能力。當生成結果出現小錯誤時，它會進行局部編輯修正；當較大部分出錯時，則會從頭重新生成；必要時還會改用工具來提升事實準確性。Meta 表示，這種行為是在強化學習訓練過程中自然湧現的，並非來自工程師的刻意設計，因為自我改進能產出更好的影像，從而獲得更高的獎勵分數。
在效能方面，Muse Image 在人類偏好 Elo 評分中，於文字轉圖片、單圖編輯與多圖編輯三個項目均排名 Arena 第二名。根據 Meta 公布的內部基準測試，Muse Image 僅落後於 OpenAI 最新的 GPT Image 2 模型，但超越了 Nano Banana 2 等競爭對手，現在在 Meta AI 上已經可以立刻免費使用，實測中文理解與生成能力也非常優異。
Muse Image 一項特別引人注目的功能，是使用者可以在 Meta AI 中 @ 提及公開 Instagram 帳號，將該用戶的公開照片直接融入 AI 生成的影像中。例如你可以 @ 一位朋友的公開帳號，然後要求「把我和朋友變成 16 位元遊戲角色」，Muse Image 就會自動抓取該帳號的公開照片來生成，這項功能目前已經引發了隱私爭議。
Muse Video：早期預覽，原生音訊支援
伴隨 Muse Image 的發布，Meta 也分享了 Muse Video 的早期預覽。Muse Video 基於與 Muse Image 相同的預訓練基礎，提供具有競爭力的提示詞遵循度、視覺品質與時間一致性，並且原生支援音訊。Meta 表示正在投資改善音訊與影片同步、以及物理上精確的快速動作等當前表現仍有差距的領域。Muse Video 在 Arena 的文字轉影片項目中排名第三。
Alongside the release of Muse Image, we’re sharing an early preview of Muse Video. It offers competitive performance in prompt adherence, visual fidelity, and temporal consistency.
We’re investing in areas with current performance gaps, such as audio-video synchronization and… https://t.co/kftRoTgq6W pic.twitter.com/iIFeFGLzoE
— AI at Meta (@AIatMeta) July 7, 2026
目前 Muse Video 目前僅有早期預覽版本，尚未對外開放，但國外已經有人進行測試，表現效果非常優異甚至不輸給 Seedance 2.0（有時表現更好），而且明顯優於 Google 的 Veo 3.1：
Seedance 2.0 vs Meta Muse Video.
Both models feature native audio, but Muse Video seems like its currently stuck with a 10-second limit. Meanwhile, Seedance 2.0 can output 15-second cinematic sequences in crisp up to 4K.
Meta is cooking, but Seedance 2.0 might still hold the… https://t.co/gHH3pM4djU pic.twitter.com/e5LRpikLAv
— JSFILMZ (@JSFILMZ0412) July 8, 2026