Metas første bildemodell er en agent, rangert nummer to bak GPT Image 2

Muse Image er den første bildemodellen fra Metas Superintelligence Labs, ifølge The Decoder, og den kartlegger ikke ledeteksten direkte til et bilde. I stedet kaller den verktøy underveis: den kjører kode for å lage QR-koder, diagrammer og GIF-er, og bruker websøk for å forankre bildene i faktiske referanser. Modellen retter også sine egne mellomresultater gjennom lokale redigeringer eller full regenerering.

«Selvkorrigeringen oppsto av seg selv under forsterkningslæring, fordi den ga bedre bilder og høyere belønning.» — Meta

På evalueringsplattformen Image Arena rangeres Muse Image nummer to i menneskelige preferansescorer for både tekst-til-bilde og bilderedigering. Den slår modeller som Nano Banana og Grok Imagine, men taper mot OpenAIs GPT Image 2 i alle kategorier. Videomodellen Muse Video, vist som forhåndsvisning, havner på tredjeplass for tekst-til-video.

Den samme lanseringen bærer med seg en omstridt funksjon Pulsen har omtalt tidligere: du kan @-nevne en offentlig Instagram-konto i ledeteksten, og Meta AI henter offentlige bilder derfra og genererer nye bilder av personen uten samtykke. Det nye nå er det regulatoriske presset. Personvernmyndigheter i Europa ventes å granske funksjonen under GDPR, med spørsmål om vern av biometriske data, og EU AI Act stiller egne krav om merking av KI-generert innhold som ligner virkelige personer. Meta har ikke varslet noen GDPR-tilpasninger for lanseringen.

For deg som bygger med bildemodeller er poenget at agent-tilnærmingen, altså verktøykall og selvkorrigering ved inferens, nå gir målbart bedre resultater enn å generere mange bilder og plukke det beste.