Meta anunció el lanzamiento de Muse Image y presentó una vista previa de Muse Video, los primeros modelos de generación de medios desarrollados por Meta Superintelligence Labs. Estas nuevas herramientas suponen un avance significativo en la creación de contenidos visuales y audiovisuales.
Muse Image, considerado el modelo más sofisticado de la compañía hasta la fecha, destaca por su capacidad para seguir instrucciones con precisión, realizar ediciones detalladas, componer elementos a partir de múltiples referencias y utilizar Instagram para el contexto social. Además, ofrece capacidades de herramientas interactivas y se integra con Muse Spark, mientras que Muse Video, creado sobre la misma base previa a la capacitación, promete una fidelidad visual excepcional con soporte de audio nativo.
En términos de disponibilidad, ahora se puede acceder a Muse Image en la aplicación Meta AI, en la plataforma meta.ai, en Instagram Stories para usuarios de Estados Unidos y en WhatsApp en algunos países. Próximamente también estará disponible en Facebook. Muse Video llegará pronto a los creadores de contenido y a Meta AI.
Generación de imágenes de agencia con Muse Image
En lugar de simplemente convertir instrucciones en imágenes, Muse Image funciona como un agente inteligente. Invoca herramientas de búsqueda y codificación para perfeccionar la precisión, mejora sus propias generaciones y optimiza su rendimiento al escalar la potencia computacional durante las pruebas. Su integración con Muse Spark permite que ambos modelos compartan herramientas y planifiquen juntos, proporcionando una poderosa capacidad de generación de medios para agencias.
Capacidad para utilizar herramientas.
Muse Image tiene acceso a varias herramientas que mejoran sus capacidades de rendimiento. Aprendió, a través del aprendizaje por refuerzo, a escribir y ejecutar código para producir gráficos precisos y códigos QR, condicionando las figuras renderizadas para mejorar la precisión de las imágenes generadas. Combinarlo con Muse Spark le permite crear GIF animados, sitios web con imágenes incrustadas y juegos visuales interactivos.
Un ejemplo notable de su destreza en programación es la creación de un código QR legible dentro de una compleja ilustración estilo manhwa coreano, asegurando que el código funcione correctamente mientras se integra artísticamente en la escena. El modelo también es capaz de generar gráficos fractales detallados, como conjuntos de Julia y triángulos de Sierpinski, y aplicarlos a diseños de carteles de estilos específicos.
En el ámbito de la animación, Muse Image demuestra la creación de secuencias de flipbook. Mejora los detalles de los personajes, ajusta sus posiciones para generar interacciones dinámicas, como un movimiento de golpe y esquiva, mientras mantiene la consistencia del escenario y la iluminación en cada cuadro. Otra aplicación consiste en crear diferentes etapas de la vida de una mascota, como un gato persa color crema transformado en un gatito recién nacido o un adolescente esbelto, para usar en juegos visuales, convirtiendo las imágenes en URI de datos para una carga instantánea.
Además de la programación, la función de búsqueda permite a Muse Image consultar la web para corroborar las imágenes generadas con información objetiva en tiempo real, así como referencias visuales. Esta capacidad es crucial para mejorar la precisión en solicitudes que requieren conocimiento previo, especialmente sobre eventos actuales y hechos del mundo real.
La herramienta de investigación se utilizó para identificar tendencias de moda para el verano de 2026, analizando informes de pasarelas y catálogos de productos para generar enlaces de compra y sugerencias de outfits. En el campo de la ciencia, el modelo investigó diagramas y fuentes confiables sobre la hipótesis del impacto gigante para crear infografías precisas y visualmente consistentes sobre la formación de la Luna. En otra demostración, Muse Image planificó y seleccionó artículos antiguos sin marca de Facebook Marketplace en San Francisco, combinándolos con el estilo de decoración sencillo y acogedor de un dormitorio.
Modelo de superación personal y reflexión.
Una de las características emergentes de Muse Image es su capacidad de superación personal. El modelo reflexiona sobre su propio trabajo y lo mejora dentro de su razonamiento, ya sea realizando ediciones locales para pequeños errores o generando una imagen completamente nueva cuando hay fallas importantes. Este comportamiento surgió durante el entrenamiento de aprendizaje por refuerzo, ya que resultó en imágenes de mejor calidad y, en consecuencia, mayores recompensas.
En ejemplos de superación personal, la modelo demostró la capacidad de armar la página de una revista, integrando los pasos de reseña, título y retrato de moda con un diseño cohesivo y detalles impecables. Otro ejemplo consiste en corregir fórmulas matemáticas, ajustar el diseño y comprobar la claridad del texto. El proceso también incluyó una revisión final de las imágenes generadas, confirmando los detalles macro, el acabado brillante y la precisión antes de compartirlas.
Escalabilidad y eficiencia computacional
Al igual que con los modelos de lenguaje, Muse Image mejora progresivamente cuanta más información procesa durante la inferencia. Con mayor poder computacional en el momento de la prueba, el modelo profundiza su razonamiento, realiza más llamadas a herramientas y emplea más pasos de superación personal para refinar sus generaciones. El aumento de la capacidad de razonamiento y el poder computacional da como resultado mejoras en las puntuaciones Elo de preferencia humana, lo que demuestra una relación de escala aproximadamente log-lineal.
Los estudios han revelado que el uso sensato del presupuesto simbólico es esencial para un escalamiento eficaz. Si bien el método Best-of-N (que genera múltiples imágenes y selecciona la mejor) mejora la calidad inicialmente, se satura rápidamente. Por otro lado, invertir ese mismo poder computacional en un razonamiento deliberado proporciona una escalabilidad significativamente mejor. El razonamiento y el uso de herramientas se potencian mutuamente, permitiendo que el modelo vaya más allá de su conocimiento previo, ya sea buscando referencias o escribiendo códigos para detalles precisos, llenando vacíos que el razonamiento por sí solo no podría llenar.
Edición de imágenes precisa
Muse Image demuestra una capacidad de edición de imágenes de precisión, cambiando exactamente lo que el usuario solicita en una variedad de instrucciones. Puede, por ejemplo, disipar la niebla de una imagen para revelar un valle, modificar los pétalos de una flor para formar un degradado de arcoíris o cambiar textos y números en un cartel, además de ajustar el zoom para contextualizar una escena.
El modelo también mantiene la coherencia a lo largo de las etapas de edición, lo que facilita el refinamiento iterativo y la experimentación abierta para lograr el resultado deseado. En una demostración, pudo transformar una sala de estar al estilo japonés, utilizando elementos específicos de otras imágenes. Otro ejemplo complejo incluía componer un picnic entre un gato y un perro, luego imaginarlo como una foto enmarcada en una cafetería y, finalmente, generar el menú del establecimiento con un plato temático y una ilustración de animales.
Creación de composiciones con múltiples referencias.
Las capacidades de Muse Image se extienden a la composición de elementos a partir de múltiples imágenes de referencia insertadas en el mensaje, incluidas personas, objetos, ropa, estilos y entornos. La plantilla admite el entrelazado de texto e imágenes directamente cuando se solicita para creaciones visuales complejas.
Esto se demuestra componiendo una imagen de una persona andando en bicicleta, vestida y sentada en un banco del parque, todo ello con un estilo de dibujo específico, utilizando múltiples referencias visuales. En otro caso, la modelo logró cambiar el color de una sala de estar a un patrón específico en la pared, agregando una mesa de centro, un aparador y un televisor de 65 pulgadas con una imagen específica en la pantalla, e insertando una persona sentada en el sofá con elementos específicos.
Muse Image actualmente ocupa el segundo lugar en Arena en conversión de texto a imagen, edición de una sola imagen y edición de múltiples imágenes, según las últimas calificaciones Elo de Human Preference.
