Meta ha appena sganciato Muse Image e dato un’anteprima di Muse Video, i primi modelli di generazione sviluppati dai Meta Superintelligence Labs. E no, non è l’ennesimo generatore di immagini che prende un prompt e sputa fuori pixel.
Muse Image funziona come un agente. Cosa significa? Che non mappa direttamente testo in immagine. Prima ragiona, poi usa strumenti esterni — cerca su Google, scrive codice, si autocritica e riprova. Un po’ come fareste voi se doveste disegnare qualcosa di preciso: prima vi documentate, poi abbozzate, poi correggete.
Gli strumenti che Muse Image ha imparato a usare
Durante il reinforcement learning, il modello ha imparato a scrivere ed eseguire codice per generare grafici accurati, QR code funzionanti, e persino a condizionare le immagini su figure renderizzate. Vuoi un grafico con dati precisi? Muse scrive il codice, lo esegue, e poi integra il risultato nell’immagine finale.
Ma c’è di più. Muse Image cerca sul web per ancorare le generazioni a informazioni fattuali e in tempo reale. Eventi recenti, fatti verificabili, riferimenti visivi — tutto passa da ricerche attive. Secondo i test interni di Meta, abilitare la ricerca migliora significativamente l’accuratezza su prompt che richiedono conoscenza specifica.
Auto-critica emergente
Questa è la parte interessante. Muse Image riflette sul proprio lavoro dentro la sua ‘catena di pensiero’. Vede un dettaglio sbagliato? Fa un edit locale. Qualcosa di strutturale non torna? Rigenera da zero. Serve più precisione fattuale? Usa gli strumenti.
Meta non ha programmato questo comportamento. È emerso spontaneamente durante il training RL, semplicemente perché l’auto-rifinitura produceva immagini migliori e quindi reward più alti. Il modello ha capito da solo che riflettere migliora il risultato.
Più tempo di calcolo = risultati migliori
Come per i language model, Muse Image migliora quanto più ‘pensa’ durante l’inferenza. Più compute a test-time, più ragionamento, più chiamate a strumenti, più step di raffinamento. E la relazione è circa log-lineare: raddoppi il compute, migliori in modo prevedibile.
Interessante notare che questo compute copre due tipi di lavoro molto diversi — token testuali per il ragionamento, token visuali per la generazione — eppure la qualità è funzione del totale combinato.
Meta ha scoperto che usare il budget di token con giudizio conta tanto quanto averne di più. Il classico Best-of-N (genera N immagini, tieni la migliore) funziona all’inizio ma satura rapidamente. Spendere lo stesso compute in ragionamento deliberato scala molto meglio. E quando combini ragionamento e strumenti, l’effetto si moltiplica.
Editing di precisione e composizione multi-riferimento
Muse Image edita con precisione chirurgica, cambiando esattamente ciò che chiedi. Mantiene coerenza attraverso editing iterativi, supportando brainstorming aperto verso un risultato finale.
Può comporre elementi da molteplici immagini di riferimento — persone, oggetti, vestiti, stili, ambienti — con testo e immagini mescolati inline nei prompt. Vuoi combinare lo stile di una foto, il soggetto di un’altra e l’ambiente di una terza? Fatto.
I numeri
Su Arena, Muse Image è secondo posto per text-to-image, editing singola immagine, e editing multi-immagine secondo i ranking Elo basati su preferenze umane (dati al 5 luglio 2026 — sì, il comunicato parla dal futuro, ma prendiamo i numeri per buoni).
Muse Video: l’anteprima
Insieme a Muse Image, Meta mostra un’anteprima di Muse Video. Stesso base di pretraining, performance competitiva in aderenza al prompt, fedeltà visiva e consistenza temporale. Con supporto audio native, cosa non scontata.
Meta ammette gap attuali: sincronizzazione audio-video e movimenti rapidi fisicamente accurati sono aree su cui stanno investendo. Onestà apprezzata. Su Arena, Muse Video è terzo per text-to-video al momento della scrittura.
Content Seal: il watermark invisibile
Ogni immagine generata da Muse Image nell’app Meta AI e su meta.ai porta Content Seal, il sistema di watermarking invisibile di Meta. Il segnale di provenienza resta intatto anche dopo crop, compressione, resize o screenshot.
Meta sta preparando uno strumento di detection per verificare se un’immagine porta il watermark Content Seal. Un primo passo per capire se ciò che vedi è stato fatto con Meta AI. Il sistema si estenderà presto anche ai video.
Integrazione nell’ecosistema Meta
Muse Image è disponibile oggi nell’app Meta AI, su meta.ai, nelle Instagram Stories negli USA e su WhatsApp in paesi limitati. Arriverà presto su Facebook. Muse Video arriverà a creator e Meta AI.
L’integrazione è profonda: asset di marketing per piccole imprese, immagini generate in Meta AI con mention di account Instagram pubblici, preset personalizzati direttamente in Instagram. La combo Muse Image + Muse Spark permette di creare GIF animate, siti web con immagini embedded e giochi visivi interattivi usando codice e generazione media insieme.
Insomma, non è solo ‘scrivi prompt, ottieni immagine’. È un sistema agente che ragiona, cerca, codifica, si critica e migliora. E scala con il compute a test-time in modo prevedibile. Due cose interessanti da tenere d’occhio: quanto questo approccio agente diventerà standard, e quanto Content Seal reggerà nella pratica contro gli sforzi di rimozione. Vedremo.
