Meta 发布 Muse Image：生图会自己查资料、自己纠错，评分排全球第二

AI 画图，原来可以边查资料、边写代码、边画

过去的生图模型，是把你的一句话直接映射成一张图，中间没有核对环节。Muse Image 把生图做成了一个 agentic（会自己调用工具、分步骤把任务做完）的过程：它会先调用搜索和代码工具，边查、边算、边核对，再把图拼出来。

一个例子：给会议海报画一个真能扫的二维码

原文给的场景是：韩式漫画风格，一个年轻女性站在 ICML 2025 的海报前，扫描一个指向 meta.ai 的二维码。模型是这样一步步做的：

左：初版，人物盯着二维码看；右：模型自己微调后，人物改为低头看手机屏幕，画风、海报、二维码细节都保持不变。来源：Meta AI Blog。

开搜索前后，差在哪

更多 agentic 案例（点开看）

• 分形海报：先写 Python 算出 Julia 集和 Sierpinski 三角，合成一张干净底图，再套一套中世纪瑞士网格排版。
• 格斗翻页动画：一帧帧生成出拳、闪避的画面，背景光线、人物造型全程保持一致。
• 宠物养成小游戏：生成猫的幼年、少年、老年等六张图，转成 base64 直接嵌进 HTML，交付一个不依赖外部文件、打开就能玩的网页。
• 2026 夏季穿搭：先搜时尚趋势和商品目录，再出可以直接下单的搭配图。
• 月球形成信息图：先搜大碰撞假说的科学示意图和事实，再画一张六格竖排的信息图。
• 用二手家具重新布置房间：按你上传的房间照片和所在城市，去 Facebook Marketplace 搜合适的旧家具，再出效果图。

分形海报案例：代码算出分形，再套瑞士网格排版。来源：Meta AI Blog。

这个"自己纠错"的习惯，是 AI 在训练里自己悟出来的

Muse Image 会在自己的思考链模型在给出结果前，一步步写下来的推理过程，像草稿纸上的思路。（chain of thought）里回看、改进自己的作品。这种自我修正会有三种形态：

一个例子：杂志排版里，它自己发现公式写错了

模型在拼一张精致的杂志页面，把一段数学证明、大标题和人像排进版面之后，回头检查时发现求和公式漏了一道除号，于是把它更正为：

左：初稿，标题下方的公式写成 "S = n(n + 1) 2"，漏了除号读不通；右：模型自己回看发现问题，改成 "S = n(n + 1) / 2"，顺带把排版细节也重新核对了一遍。来源：Meta AI Blog。

开自我修正前后，差在哪

AI 想得越久，画得越准，但收益会慢慢见顶

和语言模型一样，Muse Image 在出图时想得越多，画得越好。给它更多测试时算力模型在真正出结果之前，多花的这部分计算：多推理、多调工具、多改几次草稿。（test-time compute），它就推理更多、调更多次工具、做更多次自我修正。

Meta 观察到：把推理强度调高，人类偏好 Elo 分数随之上升，两者近似成对数线性关系。有意思的是，这份算力横跨了两种很不一样的活，推理用的是文字 token，生成用的是图像 token，但最终质量取决于两者合起来的总算力。

怎么花这份算力也很关键。Best-of-N（一次生成很多张，再挑最好的一张），提升来得快，但很快就见顶。把同样的算力花在深思熟虑的推理上，能一直往上走；推理再加上工具，效果还会叠加，因为工具能让模型够到自己本来不知道的东西，比如去搜缺的参考、写代码把细节做准。

改图这件事，现在可以指哪改哪

Muse Image 改图时只动你点名要改的地方，其他保持不变。原文给了一组指令，每条都很具体：

连招牌上的字都能精准替换

其中一条指令是把招牌改成 "$3.00 ALL DAY"，把 "no free parking" 改成 "FREE PARKING ON WEEKENDS"，电话号码改成 555-5555。改的是文字，其余版面不动：

示意：按原文给出的招牌文字编辑指令还原，说明"指哪改哪"的精确替换。

连着改好几轮，前后还能对得上

Muse Image 支持一轮轮往下改，中间不会走样。原文有一条从头改到尾的对话，每一步都建立在上一张图之上：

同一套猫、狗、咖啡馆的元素，跨五轮编辑始终对得上。

原文还有一组类似的多轮例子："把客厅改成 Japandi 风 → 但用回第一张图里的台灯和柜子 → 最后做一张前后对比图"，每一步都建立在上一步的输出之上：

三轮编辑后自动生成的前后对比图：左边是原客厅，右边是改成 Japandi 风格、但保留了原台灯和柜子的版本。来源：Meta AI Blog。

一句话里塞好几张参考图，AI 也能拼对

Muse Image 能把好几张参考图里的元素，人、物体、衣服、风格、场景，各取一部分，拼成一张新图。提示词里还能把文字和图片交错着写。比如：把[这个人]放上[这辆自行车]，穿上[这件衣服]，经过[公园长椅]，整体做成[某张图]的画风。

提示词是"把这个人放上这辆自行车，穿上这件衣服，经过公园长椅，整体做成某张图的画风"，这是五张参考图（人、自行车、衣服、场景、画风）拼成的实际输出。来源：Meta AI Blog。

人类评委给它打了几分

这份排名来自 Arena。它通过大量真人两两对比投票"这张图、这段视频哪个更好"，算出一个排行榜分数（Elo），分数越高说明多数人更认可它的结果，算法和竞技游戏的段位分类似。截至2026年7月5日，Muse 系列的位置是这样：

Meta 官方给出的完整榜单（前 10 名）：图片三项第一都是 OpenAI 的 GPT Image 2（1280~1466 分），Muse Image 紧随其后拿第二；视频类第一是 Google 的 Gemini Omni Flash（1527 分），第二是字节跳动的 Seedance 2.0，Muse Video 排第三（1459 分）。分数越高代表人类评委越认可。来源：Arena AI Leaderboard，截至 2026 年 7 月 5 日。

Muse Video 目前还是预览版。Meta 说它在提示词遵循、画面保真、时间连贯性上有竞争力，并点名了两处仍在补的短板：音画同步、快速运动的物理准确度。

现在谁能用，怎么证明一张图是 AI 做的

Muse Image 今天已经上线 Meta AI App、meta.ai、美国的 Instagram Stories、部分国家的 WhatsApp，Facebook 即将支持。Muse Video 即将开放给创作者，也会进 Meta AI，原生支持音频生成。

怎么查一张图是不是 AI 做的：Content Seal

为了让人能判断一张图是不是 AI 生成的，Muse Image 内置了 Content Seal，一套隐形水印系统。在 Meta AI App 和 meta.ai 上用 Muse Image 生成的图，都会带一个看不见的来源标记，被裁剪、压缩、缩放、截图之后，这个标记依然在。Meta 还预览了一个检测工具，让你查一张图是不是带 Content Seal。视频版的水印也计划很快跟上。

接进 Meta 自家产品后，能干嘛

Muse Image 和 Meta 的社交生态连在一起，落地场景已经有几类：

小商家 @averyandme 用 Muse Image 直接生成的营销广告素材。来源：Meta AI Blog。