Meta Superintelligence Labsは2026年7月6日(現地時間)、初のメディア生成モデルであるミューズ・イメージ (Muse Image) と、ミューズ・ビデオ (Muse Video) のプレビューを発表した。Muse Imageはエージェント機能とInstagramでのソーシャルコンテキスト活用が特徴で、Meta AIアプリやmeta.ai、Instagram Stories（米国）、WhatsApp（一部国）で提供が開始された。Muse Videoは視覚的忠実度とネイティブオーディオ対応を特徴とする。
Muse Imageは、プロンプトを直接画像にマッピングするのではなく、エージェントとして動作する。精度向上を目的として検索ツールやコーディングツールを呼び出し、生成内容を自己リファインし、テスト時計算のスケーリングを通じて改善する。Muse Sparkとの統合により、ツール共有と共同計画が可能となり、強力なエージェント型メディア生成を実現する。
エージェント機能の一環として、Muse Imageはコーディングを通じて正確なプロットやQRコードを生成し、レンダリングされた図形に基づいて生成画像の精度を向上させる。また、ウェブ検索によって生成画像を事実に基づいたリアルタイム情報や視覚的参照に結び付け、知識集約型プロンプトにおける事実の正確性を高める。さらに、思考の連鎖内で自身の作業を反省・改善する自己リファイン機能も備わっている。
言語モデルと同様に、Muse Imageは推論時により多くの「思考」を行うことで改善する。テスト時計算を増やすことで、モデルはより多くの推論を行い、ツール呼び出しや自己リファインのステップが増加し、生成品質が向上する。この推論強度と計算量の増加は、人間が好むEloスコアと約対数線形の関係を示す。Muse Imageは高い精度で画像を編集し、複数の参照画像からの要素合成も可能である。
人間による好みのEloランキングに基づくと、Muse Imageは執筆時点でアリーナ (Arena) のテキスト-画像変換、単一画像編集、複数画像編集の各カテゴリで2位にランクされている。Muse Videoは、プロンプト順守、視覚的忠実度、時間的一貫性において競争力のある性能を提供しており、テキスト-動画変換のArena Eloで3位にランクインしている。
AI生成画像を識別するために、Muse Imageにはコンテンツ・シール (Content Seal)と呼ばれる不可視の電子透かしシステムが組み込まれている。Meta AIアプリやmeta.aiで作成された画像には、切り抜き、圧縮、サイズ変更、スクリーンショット後も保持される隠れた来歴シグナルが付与される。Meta Superintelligence Labsは、画像がContent Sealの透かしを持つかをチェックできる検出ツールをプレビュー提供している。
参考: ai.meta.com — 2026年7月7日 09:00 (JST)
原文ハイライト"Muse Image is available today across the Meta AI app and on meta.ai"