Meta acaba de presentar Muse Image y Muse Video, los primeros modelos de generación de contenido visual desarrollados por sus recién estrenados Meta Superintelligence Labs. Según la compañía, Muse Image ya está disponible desde el 7 de julio de 2026 en la app de Meta AI, en meta.ai, en Instagram Stories para usuarios de Estados Unidos y en WhatsApp en países seleccionados. Facebook recibirá la integración próximamente. Muse Video, por su parte, se ha presentado en modo preview y llegará pronto a creadores y a Meta AI.
Muse Image no es solo un generador de imágenes, es un agente
Lo que diferencia a Muse Image de otros modelos de generación de imágenes es su enfoque agéntico. De acuerdo con Meta, el modelo no se limita a convertir un texto en imagen de forma directa, sino que funciona como un agente: busca información en la web, ejecuta código, se autocorrige y mejora sus resultados iterativamente antes de entregar el resultado final.
Según los datos facilitados por la compañía, este comportamiento de autorefinamiento emergió de forma espontánea durante el entrenamiento por refuerzo, sin que fuera diseñado explícitamente. El modelo aprendió a corregirse porque hacerlo producía imágenes mejores y, por tanto, mayores recompensas. Esto puede traducirse en pequeñas ediciones locales, regeneraciones completas o incluso en recurrir a herramientas externas cuando el razonamiento interno no es suficiente.
Las herramientas que usa Muse Image para mejorar sus generaciones
Según Meta, Muse Image tiene acceso a dos herramientas principales que potencian sus capacidades agénticas:
- Código: el modelo aprende a escribir y ejecutar código para generar gráficos precisos, códigos QR o elementos visuales complejos. También puede integrarse con Muse Spark para crear GIFs animados, webs con imágenes embebidas y juegos visuales interactivos.
- Búsqueda web: Muse Image puede consultar internet para basar sus generaciones en información real y actualizada. Según la compañía, esto mejora especialmente la precisión en prompts sobre eventos actuales o datos del mundo real.
Esta combinación de razonamiento, código y búsqueda es lo que, según Meta, distingue a Muse Image de los generadores de imágenes convencionales. El modelo también se integra con Muse Spark, otro modelo del ecosistema, permitiendo que ambos compartan herramientas y planifiquen tareas conjuntamente.
Cuanto más tiempo piensa, mejor resultado produce
Uno de los aspectos técnicos más llamativos que describe Meta es el comportamiento del modelo ante el test-time compute scaling. Según la compañía, Muse Image mejora su calidad de forma aproximadamente logarítmica cuanto más cómputo se le asigna en el momento de la inferencia: más razonamiento, más llamadas a herramientas y más pasos de autorefinamiento.
Meta también señala que no basta con generar varias imágenes y quedarse con la mejor (técnica conocida como Best-of-N). Esa estrategia mejora los resultados al principio pero se satura rápidamente. En cambio, invertir ese mismo cómputo en razonamiento deliberado escala de forma considerablemente mejor, según los datos internos de la compañía.
Edición de imágenes y composición a partir de múltiples referencias
Muse Image también incorpora capacidades avanzadas de edición. Según Meta, el modelo edita con precisión, modificando exactamente lo que el usuario solicita sin alterar el resto de la imagen. Además, mantiene coherencia entre varias rondas de edición, lo que permite refinar una imagen de forma iterativa hacia un resultado final deseado.
Otra función destacada es la composición a partir de múltiples imágenes de referencia: el usuario puede combinar en un mismo prompt personas, objetos, ropa, estilos y entornos procedentes de imágenes distintas, mezclando texto e imágenes de forma intercalada. Según la compañía, esto abre posibilidades interesantes para creativos y negocios que necesiten generar contenido visual personalizado a partir de activos existentes.
¿Cómo se sitúa Muse Image frente a la competencia?
Según los datos facilitados por Meta, Muse Image ocupa el segundo puesto en el ranking de Arena para generación de imágenes a partir de texto, edición de una sola imagen y edición con múltiples imágenes, medido por puntuación Elo de preferencia humana a fecha del 5 de julio de 2026. Se trata de un benchmark relevante en el sector, aunque siempre conviene tener en cuenta que los rankings de este tipo pueden variar con rapidez.
La compañía no especifica quién ocupa el primer puesto, pero posicionarse en el top 2 de estas categorías supone un salto significativo para Meta en un campo donde modelos como Midjourney, DALL-E o Imagen de Google llevan años compitiendo. El lanzamiento de Meta Superintelligence Labs como unidad diferenciada es, en ese sentido, una declaración de intenciones clara.
Muse Video: vídeo con audio nativo ya en preview
Junto a Muse Image, Meta ha presentado una preview anticipada de Muse Video, construido sobre la misma base de preentrenamiento. Según la compañía, el modelo ofrece rendimiento competitivo en adherencia al prompt, fidelidad visual y consistencia temporal, con la particularidad de que incluye soporte nativo de audio, algo que no es habitual en los generadores de vídeo actuales.
Meta reconoce que aún hay áreas de mejora en desarrollo, como la sincronización audio-vídeo y el movimiento rápido físicamente preciso. En Arena, Muse Video ocupa el tercer puesto en Elo de preferencia humana para generación de vídeo a partir de texto, según los datos de la propia compañía a fecha del 5 de julio de 2026. Su disponibilidad general está prevista próximamente para creadores y en Meta AI.
Content Seal: la marca de agua invisible para saber si una imagen es de IA
Meta ha incorporado a Muse Image un sistema de marca de agua invisible llamado Content Seal. Según la compañía, todas las imágenes generadas por Muse Image en la app de Meta AI y en meta.ai llevan una señal de procedencia oculta que se mantiene intacta incluso si la imagen se recorta, comprime, redimensiona o hace una captura de pantalla.
La compañía también anuncia una herramienta de detección en preview que permitirá a cualquier usuario comprobar si una imagen lleva la marca de Content Seal, como forma de verificar si fue creada con Meta AI. Según Meta, el sistema se extenderá próximamente también al vídeo. En un contexto de creciente preocupación por la desinformación visual, esta funcionalidad puede resultar especialmente relevante.
Integración dentro del ecosistema Meta
Muse Image no es una herramienta aislada: está profundamente integrada en el ecosistema de productos de Meta. Según la compañía, los usuarios pueden crear imágenes junto a amigos desde Meta AI o reimaginar sus propias fotos de Instagram. También es posible mencionar cuentas públicas de Instagram con @ para basar generaciones en referencias visuales de esas cuentas.
Para pequeñas empresas, Meta destaca la posibilidad de generar materiales de marketing personalizados directamente desde las herramientas de la plataforma. La compañía también menciona presets personalizados directamente en Instagram como parte de la integración. Con Muse Image y Muse Video, Meta da un paso decidido hacia convertir la generación de contenido visual con IA en algo cotidiano dentro de sus aplicaciones más usadas en todo el mundo.
Fuente: https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/