Meta ha lanciato Muse Image e dato un’anteprima di Muse Video, i primi modelli di generazione media sviluppati dai Meta Superintelligence Labs. E no, non è l’ennesimo generatore di immagini che sputa fuori quello che gli pare.
Muse Image funziona in modo diverso. Invece di mappare direttamente un prompt su un’immagine, opera come un agente: può cercare sul web, scrivere codice, riflettere sulle proprie generazioni e migliorarle autonomamente. Diciamo che pensa prima di disegnare.
Tool use: quando l’AI sa usare gli strumenti
Meta ha dato a Muse Image accesso a strumenti esterni. Durante il reinforcement learning — quel processo per cui l’AI impara cosa funziona e cosa no — il modello ha imparato a scrivere ed eseguire codice per generare grafici accurati, QR code funzionanti, e condizionare le immagini su figure renderizzate.
Ma non finisce qui. Muse Image può cercare sul web per ancorare le immagini generate a informazioni fattuali e riferimenti visivi in tempo reale. Il che significa: se gli chiedi un’immagine di un evento recente o un fatto del mondo reale, va a verificare. La precisione fattuale migliora parecchio, soprattutto su prompt che richiedono conoscenze specifiche.
E c’è integrazione con Muse Spark, che permette ai due modelli di condividere strumenti e pianificare insieme. Il risultato? GIF animate, siti web con immagini embedded, giochi visivi interattivi. Roba che va oltre la semplice generazione statica.
Self-refinement: l’AI che si autocorregge
Qui diventa interessante. Muse Image riflette sul proprio lavoro e lo migliora autonomamente, dentro la sua catena di pensiero. Può fare un edit locale quando un dettaglio non torna, rigenerare da zero quando qualcosa è proprio sbagliato, o cambiare tattica e usare strumenti per essere più preciso.
La parte affascinante? Meta non ha progettato questo comportamento. È emerso spontaneamente durante il training RL, semplicemente perché l’auto-raffinamento produceva immagini migliori e quindi ricompense più alte.
Pensateci: il modello ha capito da solo che valeva la pena fermarsi, controllare, e rifare.
Test-time compute scaling: più pensa, meglio genera
Come i modelli linguistici, Muse Image migliora più ragiona al momento dell’inferenza. Con più compute a disposizione durante il test, il modello ragiona di più, usa più chiamate agli strumenti, si auto-raffina di più. E il punteggio Elo delle preferenze umane sale con una relazione approssimativamente log-lineare.
Meta ha scoperto che usare il budget di token con giudizio conta tanto quanto averne di più. Il Best-of-N — dove generi N immagini e tieni la migliore — migliora la qualità all’inizio ma satura in fretta. Spendere lo stesso compute in ragionamento deliberato scala molto meglio. Ragionamento e tool use si potenziano a vicenda: gli strumenti permettono al modello di andare oltre quello che sa già, cercando riferimenti che gli mancano o scrivendo codice per dettagli precisi.
Editing di precisione e composizione multi-riferimento
Muse Image edita immagini con precisione, cambiando esattamente quello che l’utente chiede. Supporta editing iterativo attraverso più turni, mantenendo coerenza — utile per brainstorming aperti verso un risultato target.
E può comporre elementi da molte immagini di riferimento nel prompt: persone, oggetti, vestiti, stili, ambienti. Supporta l’interleaving di testo e immagini inline nei prompt per composizioni complesse. Non è una feature banale: significa che puoi dargli tre foto diverse e dirgli ‘prendi il vestito da questa, lo sfondo da quella, lo stile da quest’altra’.
I numeri: secondo posto su Arena
Secondo le classifiche Elo di Arena al 5 luglio 2026 — sì, sono dati freschi — Muse Image tiene il secondo posto per text-to-image, single-image editing e multi-image editing basati su preferenze umane. Non male per un lancio.
Muse Video: anteprima con audio nativo
Accanto a Muse Image, Meta ha mostrato un’anteprima di Muse Video. Costruito sulla stessa base di pretraining, offre performance competitive in aderenza al prompt, fedeltà visiva e consistenza temporale. Con supporto audio nativo, cosa non scontata.
Meta sta investendo nelle aree dove ci sono gap prestazionali: sincronizzazione audio-video e movimenti rapidi fisicamente accurati. Su Arena, Muse Video è terzo nella classifica Elo per text-to-video al momento della scrittura. In arrivo presto per creator e in Meta AI.
Content Seal: watermarking invisibile
Per aiutare le persone a verificare se un’immagine è generata da AI, Muse Image include Content Seal, il sistema di watermarking invisibile di Meta. Le immagini create portano un segnale di provenienza nascosto che resta intatto anche quando croppate, compresse, ridimensionate o screenshottate.
Meta sta preparando uno strumento di detection che ti permette di controllare se un’immagine porta il watermark Content Seal. Un primo passo per capire se quello che vedi è fatto con Meta AI. Content Seal arriverà anche per video presto.
Integrazione nell’ecosistema Meta
Muse Image è disponibile oggi nell’app Meta AI e su meta.ai, nelle Instagram Stories negli Stati Uniti e su WhatsApp in paesi limitati. Arriverà presto su Facebook. Si connette profondamente con l’ecosistema Meta: combinato con gli strumenti social in Meta AI, gli utenti possono creare immagini con amici e reimmaginare le loro foto Instagram.
Per i creator e i business: asset marketing per piccole imprese, immagini generate in Meta AI con @-mention di account Instagram pubblici, preset personalizzati direttamente in Instagram. Gli investimenti continui di Meta in generazione immagini e video puntano a permettere a creator e aziende di generare contenuti dinamici attraverso tutti i prodotti Meta.
Muse Video arriverà presto per i creator e in Meta AI. Resta da vedere come la sincronizzazione audio-video e il movimento rapido evolveranno, ma la direzione è chiara: generazione media che ragiona, si autocorregge, e usa strumenti. Non solo pixel casuali.
