Meta 推出自研生图模型 Muse Image，冲上 Arena 第二

Meta 超级智能实验室（MSL）正式推出首个自研图像生成模型 Muse Image，代号「芒果」（Mango），以及尚处预览阶段的视频模型 Muse Video。在第三方竞技场 Arena 的文生图榜单上，Muse Image 以 1280 的 Elo 评分位列第二，仅次于 OpenAI 的 GPT Image 2（1385 分）；在图像编辑与多图编辑两个子榜同样全线第二。

从「一句话直出」到「先想后画」

与传统生图模型不同，Muse Image 以智能体（agent）形式运作：

• 面对知识密集型提示时先联网检索真实信息，将画面锚定在事实上；
• 需要画二维码或图表时，现场编写并运行代码进行计算，再用渲染结果校准画面；
• 画完后若发现不对，会自行反思：小问题微调，大方向错误则整张重画。

Meta 透露，自我修正行为并非人为设计，而是在强化学习训练中自发涌现的——由于改稿能获得更高奖励，模型「学会」了改稿，一个未被明确训练的动作在训练中自己冒了出来。内部消融实验显示，开启自我修正后文生图胜率提升 57.1%、单图编辑 56.3%、多图编辑 56.6%。

在测试时计算量（test-time compute）维度，Meta 同样观察到近似对数线性的 scaling 曲线：推理次数越多，Elo 评分越高。将同样算力集中在反复推理上，比一次性生成多张图再筛选更有效率。OpenAI 的 GPT Image 2 早在今年 4 月就上线了 Thinking 模式，比 Muse Image 早约两个半月，学术圈在 2025 年也已提出「先思考再生成」的范式。

与 Muse Spark 联动，视频模型同步亮相

Muse Image 与语言模型 Muse Spark（代号「牛油果」）深度打通，两者共享工具、协同规划。官方 Demo 展示了用这一组合将一只波斯猫从幼年到老年的六阶段图像打包成可玩的 2048 网页小游戏。

视频模型 Muse Video 与 Muse Image 共享同一预训练底座，主打原生音视频联合生成。目前仍为预览版，在 Arena 文生视频榜以 1459 Elo 位列第三，前两位分别是 Google Gemini Omni Flash（1527）和字节 Seedance 2.0（1482）。Meta 坦承在音画同步和快速运动物理准确性上仍有差距。

Instagram 生态深度整合与隐私争议

Muse Image 的一项独特功能是：只要 Instagram 账号为公开状态，任何人在 Meta AI 中 @ 该用户名，即可调用其公开照片参与生图——制作活动邀请函或创意概念图时直接引用，无需上传素材。

但这一功能默认开启，账号被使用时本人不会收到任何通知，需用户自行进入设置中的「分享与再利用」栏目手动关闭，且已生成的图像无法撤回。Wired 直接将此称为隐私隐患。回顾历史，Meta 曾因「剑桥分析」事件在 2019 年被 FTC 罚款 50 亿美元，又于 2021 年全面关停人脸识别系统、删除超 10 亿人的面部模板。

分发优势与内容溯源

Muse Image 已接入 Meta AI、Instagram、WhatsApp，后续将上线 Facebook 和 Messenger，广告主也可通过 Advantage+ 调用。Meta 系应用月活合计接近 40 亿，是全球规模最大的社交分发网络。常规能力包括多图参考融合、原图标注修改、中文字清晰渲染，以及拍一张房间照后调用 Facebook Marketplace 在售商品生成改造效果图。Instagram Stories 还上线了 30 多个 AI 特效，先在美国开放。

在内容溯源方面，每张生成图均嵌入隐形水印 Content Seal，可抵御裁剪、压缩与缩放；Meta 还开放了公开检测工具 meta.ai/identification，供任何人验证图像是否由其 AI 生成。

画质虽未登顶，但 Meta 真正押注的是分发——当 AI 生图变得像发朋友圈一样触手可及，离用户最近的平台将占据优势。只是，「@一个陌生人就能用其照片生图」这条边界，Muse Image 尚未给出明确答案。