Meta が Muse Image を発表：画像生成が自分で資料を調べ、自分で誤りを直す、評価スコアは世界2位

AI が絵を描く——資料を調べ、コードを書きながら描けるようになった

従来の画像生成モデルは、一言の指示をそのまま1枚の画像に変換するだけで、途中に検証のプロセスはなかった。Muse Image は画像生成を agentic（自らツールを呼び出し、段階的にタスクをこなしていく）なプロセスに変えた：まず検索ツールとコードツールを呼び出し、調べながら、計算しながら、確認しながら、最終的に画像を組み立てる。

一例：会議ポスターに、本当にスキャンできる QR コードを描く

原文で挙げられたシナリオはこうだ：韓国風漫画スタイルで、若い女性が ICML 2025 のポスターの前に立ち、meta.ai を指す QR コードをスキャンしている。モデルは以下のように段階的に作業を進めた：

左：初版、人物が QR コードを見つめている；右：モデルが自分で微調整した後、人物はスマホの画面を見下ろす姿に変更、画風・ポスター・QR コードの細部は変わらず維持された。出典：Meta AI Blog。

検索をオンにする前後で、何が違うか

その他の agentic 事例（クリックして表示）

• フラクタルポスター：まず Python で Julia 集合と Sierpinski の三角形を計算し、すっきりしたベース画像を合成、その上に中世スイス風グリッドレイアウトを重ねる。
• 格闘ぱらぱら漫画アニメーション：パンチやかわしの動作を1コマずつ生成、背景の光やキャラクターの造形は全編通して一貫性を保つ。
• ペット育成ミニゲーム：子猫・少年期・老年期など6枚の猫の画像を生成し、base64 に変換して HTML に直接埋め込み、外部ファイルに依存せず開けばすぐ遊べるウェブページを納品。
• 2026年夏のコーディネート：まずファッショントレンドと商品カタログを検索し、そのまま注文できるコーディネート画像を出力。
• 月の形成インフォグラフィック：まず巨大衝突説の科学的な図解と事実を検索し、6コマ縦並びのインフォグラフィックを描く。
• 中古家具で部屋を模様替え：アップロードされた部屋の写真と所在都市に基づき、Facebook Marketplace で適した中古家具を検索し、完成イメージを出力。

フラクタルポスターの事例：コードでフラクタルを計算し、スイス風グリッドレイアウトを重ねる。出典：Meta AI Blog。

この「自分で誤りを直す」習慣は、AI が訓練中に自ら会得したものだ

Muse Image は自らの思考の連鎖モデルが結果を出す前に、一歩ずつ書き記す推論プロセス。下書き用紙に書く思考の流れのようなもの。（chain of thought）の中で自分の作品を見直し、改善する。この自己修正には3つの形がある：

一例：雑誌レイアウトの中で、自分で数式の誤りに気づいた

モデルが精巧な雑誌ページを組み立てていて、数学的な証明の一段落、大見出し、人物写真をレイアウトに配置した後、見直した際に総和の公式で割り算記号が抜けていることに気づき、以下のように修正した：

左：初稿、見出し下の公式が "S = n(n + 1) 2" と書かれており、割り算記号が抜けていて意味が通らない；右：モデルが自ら見直して問題に気づき、"S = n(n + 1) / 2" に修正、ついでにレイアウトの細部も改めて確認した。出典：Meta AI Blog。

自己修正をオンにする前後で、何が違うか

AI が考える時間が長いほど、絵は正確になる——ただし収益は徐々に頭打ちになる

言語モデルと同様に、Muse Image も画像生成時に長く考えるほど、出来が良くなる。より多くのテスト時計算量モデルが実際に結果を出す前に追加で費やす計算：より多くの推論、より多くのツール呼び出し、より多くの下書き修正。（test-time compute）を与えると、より多く推論し、より多くツールを呼び出し、より多く自己修正を行う。

Meta の観察によると：推論の強度を上げると、人間選好の Elo スコアもそれに伴って上昇し、両者はほぼ対数線形の関係になる。興味深いのは、この計算量は2つのまったく異なる作業にまたがっている点だ——推論に使われるのはテキストトークン、生成に使われるのは画像トークンだが、最終的な品質は両者を合わせた総計算量によって決まる。

この計算量をどう使うかも重要だ。Best-of-N（一度にたくさん生成して、その中から最良の1枚を選ぶ）は、伸びが速いが、すぐに頭打ちになる。同じ計算量をじっくりした推論に費やせば、ずっと上昇し続けられる；推論にツールを加えると、効果はさらに重なる。ツールがあれば、モデルは本来知らなかった情報にも手を伸ばせるからだ。たとえば足りない参考情報を検索したり、コードを書いて細部を正確にしたりできる。

画像の編集は、今や「指定した箇所だけ」直せる

Muse Image は画像を編集する際、指定された箇所だけを変更し、それ以外はそのまま保つ。原文には具体的な指示の一群が挙げられている：

看板の文字まで正確に置き換えられる

ある指示では、看板を「$3.00 ALL DAY」に変更し、「no free parking」を「FREE PARKING ON WEEKENDS」に、電話番号を 555-5555 に変更した。変わるのは文字だけで、その他のレイアウトは変わらない：

イメージ図：原文で示された看板文字の編集指示を再現したもの、「指定箇所だけ変更する」精密な置換を示している。

何度も連続で編集しても、前後の整合性が保たれる

Muse Image は何ラウンドも続けて編集することに対応しており、途中でブレることがない。原文には最初から最後まで続く一連の対話があり、各ステップは前のステップの画像の上に成り立っている：

同じ猫、犬、カフェの要素が、5ラウンドの編集を通して一貫して噛み合っている。

原文にはこれと似た複数ラウンドの例もある：「リビングを Japandi 風に変えて → でも最初の画像にあったランプと棚は元に戻して → 最後にビフォーアフター比較画像を作って」、各ステップが前のステップの出力の上に成り立っている：

3ラウンドの編集を経て自動生成されたビフォーアフター比較画像：左は元のリビング、右は Japandi 風に変えつつ元のランプと棚を残したバージョン。出典：Meta AI Blog。

1つのプロンプトに複数の参照画像を詰め込んでも、AI はちゃんと組み合わせられる

Muse Image は複数の参照画像から要素——人物、物体、服、スタイル、シーン——をそれぞれ取り出し、1枚の新しい画像に組み合わせることができる。プロンプトの中でテキストと画像を交互に書くこともできる。たとえば：[この人]を[この自転車]に乗せて、[この服]を着せて、[公園のベンチ]の横を通らせて、全体を[ある画像]の画風にする。

プロンプトは「この人をこの自転車に乗せて、この服を着せて、公園のベンチの横を通らせて、全体をある画像の画風にする」というもので、これは5枚の参照画像（人物、自転車、服、シーン、画風）を組み合わせた実際の出力。出典：Meta AI Blog。

人間の審査員はどれくらいの点数をつけたか

このランキングは Arena によるものだ。大量の実際の人間による一対一の投票——「この画像、この動画、どちらが良いか」——を通じてランキングスコア（Elo）を算出する。スコアが高いほど、多くの人がその結果を高く評価していることを意味し、算出方法は競技ゲームのランク分けと似ている。2026年7月5日時点で、Muse シリーズの立ち位置は以下の通り：

Meta 公式が示した完全ランキング（トップ10）：画像系3項目とも1位は OpenAI の GPT Image 2（1280〜1466点）、Muse Image はそのすぐ後ろで2位につけている；動画系1位は Google の Gemini Omni Flash（1527点）、2位は ByteDance の Seedance 2.0、Muse Video は3位（1459点）。スコアが高いほど人間審査員からの評価が高いことを示す。出典：Arena AI Leaderboard、2026年7月5日時点。

Muse Video は現時点ではまだプレビュー版だ。Meta によれば、プロンプトの忠実度、画面の再現度、時間的一貫性で競争力があるとしつつ、まだ補強中の弱点として2点を挙げている：音声と映像の同期、速い動きの物理的な正確さ。

今誰が使えるのか、1枚の画像が AI 製だとどう証明するのか

Muse Image は今日から Meta AI App、meta.ai、米国の Instagram Stories、一部国の WhatsApp で利用可能になり、Facebook も近日対応予定。Muse Video はまもなくクリエイターに開放され、Meta AI にも組み込まれる予定で、ネイティブの音声生成にも対応する。

1枚の画像が AI 製かどうかを見分ける方法：Content Seal

ある画像が AI 生成かどうかを人が判断できるように、Muse Image には Content Seal という見えない透かしシステムが組み込まれている。Meta AI App と meta.ai 上で Muse Image を使って生成された画像には、目に見えない出所マークが付与され、トリミング・圧縮・拡大縮小・スクリーンショットを経てもこのマークは残り続ける。Meta は、ある画像に Content Seal が付いているかを調べる検出ツールもプレビュー公開している。動画版の透かしも近日中に追加予定だ。

Meta 自社プロダクトに組み込まれると、何ができるか

Muse Image は Meta のソーシャルエコシステムとつながっており、実際の活用場面はすでにいくつか存在する：

小規模事業者 @averyandme が Muse Image で直接生成したマーケティング広告素材。出典：Meta AI Blog。