Meta ha presentato Muse Image, che l’azienda definisce il modello di generazione immagini più avanzato mai realizzato finora, insieme all’anteprima di Muse Video. Sono i primi modelli di generazione multimediale sviluppati da Meta Superintelligence Labs, due sistemi costruiti sulla stessa base di pre-training, pensati per generare rispettivamente immagini e video con un approccio agentico, distinto dai tradizionali modelli text-to-image basati su un mapping diretto tra prompt e output.
Muse Image è già disponibile nell’app Meta AI e su meta.ai, nelle Stories di Instagram negli Stati Uniti e su WhatsApp in alcuni paesi selezionati, con un arrivo previsto a breve anche su Facebook. Muse Video, invece, è ancora in fase di anteprima e sarà reso disponibile a creator e utenti di Meta AI nei prossimi mesi.
Un modello che “ragiona” prima di generare
La caratteristica distintiva di Muse Image è il suo funzionamento come agente piuttosto che come semplice generatore di immagini. Il modello invoca strumenti di ricerca e di coding per migliorare l’accuratezza dei risultati, si autocorregge nel corso della generazione e migliora le proprie prestazioni aumentando il tempo di calcolo dedicato all’inferenza. Muse Image si integra inoltre con Muse Spark, condividendo strumenti e pianificazione per una generazione multimediale più sofisticata.
Sul fronte degli strumenti a disposizione del modello, Meta ne evidenzia due in particolare. Il primo è il coding: durante l’addestramento tramite reinforcement learning, Muse Image ha imparato a scrivere ed eseguire codice per produrre grafici e QR code accurati, e a condizionare le proprie generazioni sulla base di figure renderizzate per aumentarne la precisione. In combinazione con Muse Spark, questa capacità consente di creare GIF animate, siti web con immagini integrate e giochi visivi interattivi.
Il secondo strumento è la ricerca web, che il modello utilizza per ancorare le immagini generate a informazioni fattuali e riferimenti visivi aggiornati. Secondo Meta, questa funzione migliora sensibilmente l’accuratezza fattuale nei prompt che richiedono conoscenza di eventi attuali o fatti reali.
Autocorrezione emergente e scaling del calcolo
Un aspetto che Meta sottolinea come non progettato a tavolino è la capacità di autocorrezione del modello: durante la catena di ragionamento, Muse Image riflette sul proprio lavoro e lo perfeziona, scegliendo di volta in volta tra una modifica locale del bozzetto, una nuova generazione da zero se ampie porzioni dell’immagine risultano errate, oppure il ricorso a strumenti esterni per una maggiore accuratezza fattuale. Meta spiega che questo comportamento è emerso spontaneamente durante l’addestramento tramite reinforcement learning, semplicemente perché l’autocorrezione produceva immagini migliori e quindi un punteggio di ricompensa più alto.
Meta illustra il funzionamento di questa autocorrezione con un caso concreto: generando la pagina di una rivista patinata contenente una dimostrazione matematica, il modello si accorge autonomamente di un errore nella formula riportata — manca un segno di divisione — e la corregge da sé, per poi passare a rifinire l’impaginazione tipografica, controllando spaziature e coerenza visiva del layout prima di considerare il lavoro concluso.
Come già osservato nei modelli linguistici, anche Muse Image migliora aumentando il calcolo dedicato al momento dell’inferenza: più ragionamento, più chiamate a strumenti esterni e più cicli di autocorrezione si traducono in punteggi di preferenza umana (Elo) più alti, con una relazione di scaling approssimativamente log-lineare. Meta precisa che questo calcolo aggiuntivo comprende sia token testuali per il ragionamento sia token visivi per la generazione, e che la qualità finale dipende dal totale combinato dei due.
Sulla strategia di allocazione del budget di calcolo, l’azienda segnala una differenza rilevante tra due approcci: generare più immagini e selezionare la migliore (tecnica nota come best-of-N) produce miglioramenti rapidi ma che si saturano presto, mentre investire lo stesso calcolo in un ragionamento più approfondito scala molto meglio. Ragionamento e uso di strumenti, inoltre, si potenziano a vicenda: gli strumenti permettono al modello di superare i limiti della propria conoscenza, colmando lacune che il solo ragionamento non riuscirebbe a risolvere.
Editing preciso e composizione multi-riferimento
Muse Image è progettato per modificare le immagini seguendo fedelmente le istruzioni date, cambiando esclusivamente ciò che viene richiesto e mantenendo la coerenza tra i vari passaggi di modifica, così da supportare un editing iterativo e un lavoro di brainstorming aperto verso un risultato finale. Il modello è inoltre in grado di comporre elementi provenienti da più immagini di riferimento inserite nel prompt — persone, oggetti, abbigliamento, stili, ambientazioni — supportando l’interleaving di testo e immagini per composizioni complesse.
Sul fronte dei benchmark, Meta dichiara che Muse Image occupa la seconda posizione su Arena nelle categorie text-to-image, single-image editing e multi-image editing, secondo le classifiche Elo basate su preferenze umane rilevate al 5 luglio 2026. Muse Video, ancora in anteprima, si posiziona invece al terzo posto su Arena per la categoria text-to-video. Meta segnala che il modello video offre prestazioni competitive per aderenza al prompt, fedeltà visiva e coerenza temporale, ma ammette gap di prestazioni ancora da colmare su sincronizzazione audio-video e accuratezza fisica nei movimenti rapidi.
Watermarking e integrazione con l’ecosistema Meta
Per garantire la tracciabilità dei contenuti generati, Muse Image integra Content Seal, il sistema di watermarking invisibile di Meta. Le immagini create con Muse Image nell’app Meta AI e su meta.ai includono un segnale di provenienza nascosto che resta rilevabile anche dopo ritaglio, compressione, ridimensionamento o screenshot. Meta ha inoltre reso disponibile in anteprima uno strumento di rilevamento che consente di verificare se un’immagine porta il watermark di Content Seal, e prevede di estendere il sistema anche ai contenuti video.
Muse Image si integra infine in profondità con l’ecosistema Meta: gli strumenti social di Meta AI permettono agli utenti di creare immagini coinvolgendo gli amici e di reinterpretare le proprie foto di Instagram, mentre su Instagram sono già disponibili preset personalizzati generati dal modello. Meta cita inoltre casi d’uso per le piccole imprese, con la generazione di materiali di marketing a partire da account Instagram pubblici. Meta precisa che gli investimenti in corso su generazione di immagini e video permetteranno a creator e aziende di produrre contenuti dinamici in modo capillare su tutti i prodotti Meta — un livello di integrazione nativa nell’ecosistema social che nessun altro concorrente può replicare.
