继今年4月发布Muse Spark之后，MSL迎来了成立以来第二次模型更新：
由余家辉带队打造的图像模型Muse Image正式发布，视频模型Muse Video同步开启预览。
从榜单表现上看，Muse Image包揽Arena文生图、单图编辑、多图编辑三项第二，压过谷歌Nano Banana，卡在OpenAI GPT Image 2身后。
Muse Video则来到文生视频排行榜第三，排在谷歌Gemini Omni Flash、字节Seedance 2.0之后，挤进第 一梯队。
对于已经沉寂了一段时间的Meta生成式AI来说，这算得上一次相当高调的回归。
Muse Image走的路子和市面上常规文生图工具不太一样。
收到你的需求后，它不会急着直接出图，而是会先拆解梳理完整创作思路。
碰到单靠模型脑补说不准的内容，会主动调用配套工具辅助，比如让它画「今天纽约时代广场的样子」，它是真的会上网调取最新素材。
遇到图表、公式这类需要精准数值呈现的画面，还能自主写代码运算。
甚至画出来的二维码都是真实可用的。
整张图画完之后，它会完整复盘一遍画面细节，发现不协调、有漏洞的地方就迭代修改，直到画面逻辑、细节都过关才交付成品。
Meta把这套流程叫做Agentic Image Generation。
意思是这可不只是一个图像生成工具，Muse Image就是Agent。
Meta团队在测试里还发现一个规律：
留给模型的推理思考时间越充足，最终画面质感越好。 图片质量会沿着一条接近log-linear的曲线持续上升。
几个月前上线的Muse Spark大语言模型，也能和Muse Image深度联动，共享整套工具链路协同完成复杂创作。
比如制作小型互动游戏，两套模型可以分工协作，一边编写网页交互代码，一边生成配套视觉素材，最终输出带动态GIF、内嵌图片的完整网页，创作边界跳出单纯出一张静态图片。
日常使用上，Muse Image支持多参考图像合成。
你可以上传一张自己的照片、一张喜欢的风景照、一张参考穿搭，让它把你放进风景里穿着那套衣服。
最神奇的是，提示词可以图文混着来，比如：
画一张「这个人.jpg」穿着「这个衣服.jpg」坐在「这里.jpg」的图片。
编辑功能也在线，多轮修改不会越改越离谱。
还有最狠的一招，可以@你的Instagram好友。
你可以在提示词里@一位Instagram公开账号的好友，Muse Image会拉取对方公开发布的照片。
或者@小商品商家，快速出同风格营销图。
还内置专属个性化创作模板，无需跳转，可直接在Instagram端一键调用，适配日常社交配图。
Meta管这叫Native Social Context，把社交图谱长进了图像模型里。
当然，隐私问题绕不过去。Meta的方案是：任何Instagram用户可以在设置里opt-out，禁止别人用自己的公开照片做AI二创。
而且所有AI生成的图片都带Content Seal隐形水印，裁剪、压缩、截图都去不掉。
Muse Video方面，官方给的信息还不多。
跟Muse Image同底座训练，高视觉保真度、原生支持音频、提示词理解和时间一致性有竞争力。
还需要改进的是音画同步和高速运动场景的物理准确性，将在未来几个月推出。
MSL视觉团队也有不少华人面孔。
比如MSL首席科学家、Muse全系列底层总负责人赵晟佳，清华本科、斯坦福博士。
2022年毕业后直接加入OpenAI，全程参与了从初代ChatGPT到o3的预训练。
2025年6月加入Meta，7月，扎克伯格正式宣布其出任MSL首席科学家，现掌管Muse全系列底层基座技术路线。
Meta MSL的多模态负责人余家辉，中科大少年班出身，UIUC博士。
他在谷歌时就是Gemini多模态视觉联合负责人，2023年10月加入OpenAI后担任感知团队负责人（Perception team lead），参与了从GPT-4o到o4-mini，以及“基于图像的思考”研究成果。
2025年6月与赵晟佳一起加入Meta，这次发布的Muse Image和Muse Video，正是由他负责的团队推进研发。
