meta近日正式发布了两款创新型AI模型——Muse Image和Muse Video，标志着该公司在多模态生成技术领域迈出了重要一步。Muse Image作为首款具备智能体（Agent）能力的图像生成模型，不仅突破了传统AI绘图工具的局限，更通过自主搜索、代码调用和结果优化等功能，重新定义了图像生成的可能性。
与传统AI绘图工具不同，Muse Image不再局限于“输入提示词—输出图片”的单轮模式。它能够像人类一样进行“思考”，在生成图像前主动调用搜索工具获取实时信息，或通过代码工具生成复杂图表、二维码等精确元素。例如，当用户需要一张包含特定数据图表的图片时，Muse Image可以自动编写并运行程序生成图表，再将其无缝融入最终图像中。这种能力使其在处理知识密集型任务时，能够显著减少错误并提升准确性。
Muse Image的自我优化能力同样引人注目。在生成图像后，模型会主动检查输出结果，并根据问题类型采取不同策略：若局部细节存在误差，可直接修改当前图片；若整体方向不符合要求，则重新生成；若因事实信息缺失导致错误，则会进一步调用搜索工具补充信息。这种能力并非人工设计，而是在强化学习训练过程中自然形成的——优化结果越精准，模型获得的奖励越高。
除了独立运行，Muse Image还能与meta的大语言模型Muse Spark协同工作。通过结合代码生成和媒体生成能力，二者可共同完成GIF动画、网页甚至交互式视觉内容的制作。在Instagram等社交平台上，Muse Image已支持30种新的AI Stories特效，用户可通过AI滤镜改变照片风格，或利用提示词生成全新视觉内容。例如，用户上传家具图片后，模型可模拟其在家中的摆放效果，帮助用户提前预览空间呈现。
与此同时，meta还推出了视频生成模型Muse Video，并展示了其生成的人物活动视频片段。尽管目前两款模型仍处于测试阶段，但meta已将其接入meta AI应用、Instagram Stories和WhatsApp，并计划未来登陆Facebook及其聊天工具Messenger。
然而，Muse Image的上线也引发了关于隐私和肖像权的争议。该模型允许用户在Instagram提示词中@其他公开账号，并利用相关账号的公开照片生成新的AI图片。尽管meta表示用户可通过设置控制自己的内容是否被用于AI生成，但被使用照片的用户不会收到通知，且已生成的AI图像不会被删除。这一设计引发了部分用户的担忧，他们认为未经明确授权使用真实用户形象可能带来身份滥用、肖像权侵犯及深度伪造风险。
在功能测试方面，用户对Muse Image的评价呈现两极分化。一些用户认为其在图像编辑领域表现强大，例如无需额外调试即可生成黏土动画与拆解工程分析图的复合图像；但也有用户指出其绘图功能存在局限性，如生成的医学解剖图不够精准。有用户通过对比Gemini、Grok和meta AI三款模型的图像生成效果，发现Muse Image在复杂场景处理上更具优势，但在特定领域仍需改进。
meta此次推出的Muse Image和Muse Video，不仅拓展了AI在图像、视频及社交内容生产场景的应用边界，更展示了一种新的技术发展方向：未来的AI模型可能不再被动等待用户指令，而是能够主动理解目标、调用工具并完成复杂任务。然而，随着AI开始处理真实用户身份和社交内容，数据边界、用户授权和内容安全等问题也将成为技术竞争的关键议题。
