Meta lansira Muse Image i Muse Video: agentski AI koji sam ispravlja vlastite greške

Meta Superintelligence Labs (MSL), istraživačka jedinica Meta Platformsa, danas je predstavila dva nova modela generativne AI: Muse Image za generiranje i precizno uređivanje slika te Muse Video za video sadržaj. Muse Image dostupan je javnosti odmah, dok Muse Video ulazi u preview fazu za odabrane kreatore. Oba modela donose tehničku novost koja ih razlikuje od konvencionalnih generativnih alata — agentsku arhitekturu kojom model interno ispravlja vlastite greške bez korisničke intervencije.

Rang na Arena ljestvici

Arena ljestvica referentni je sustav za usporedbu AI modela temeljen na direktnom glasovanju korisnika koji pri evaluaciji ne znaju koji model stoji iza kojeg outputa. Na dan 5. srpnja 2026., Muse Image zauzeo je #2 poziciju u trima kategorijama istovremeno: text-to-image (generiranje slike iz teksta), single-image editing (precizno uređivanje jedne slike) i multi-image editing (uređivanje i kombiniranje više slika). Muse Video istovremeno drži #3 poziciju na Arena ljestvici za kategoriju text-to-video.

Postizanje visokih plasmana u trima distinktnim kategorijama evalucije ujedno rijedak je rezultat. Dok su mnogi modeli optimizirani za specifičan zadatak, Muse Image pokazuje visoku kompetentnost i u čistom generiranju iz teksta i u preciznom uređivanju — zadacima koji tehnički zahtijevaju različite unutarnje sposobnosti.

Što agentska arhitektura znači za krajnjeg korisnika?

Ključna razlika Muse Image nije samo vizualna kvaliteta outputa, nego arhitektura kojom se do njega dolazi. Model funkcionira kao agent koji interno, bez eksplicitnih uputa korisnika, poziva vanjske alate:

Alat za kod — Muse Image piše i izvršava programski kod kada je to preciznije od direktne vizualne generacije. Konkretni primjeri: vizualizacije podataka, QR kodovi i animirani GIF-ovi. Umjesto da „halucinira” izgled grafičkih elemenata, model ih generira algoritmički kroz stvarno izvršavanje koda.

Alat za pretraživanje weba — kada korisnik traži generaciju koja zahtijeva aktualne ili faktografski točne vizualne informacije, model pretražuje web i utemeljuje output na stvarnim podacima umjesto na treniranim pretpostavkama.

Posebno je vrijedno naglasiti da je sposobnost samo-ispravljanja emergirala spontano tijekom treniranja — MSL je nije eksplicitno programirao niti tražio. Model sam identificira anomalije u vlastitoj generaciji i korigira ih kroz internu iterativnu petlju, što rezultira konzistentno višim prosječnim kvalitetom bez potrebe za povratnim uputama korisnika.

Meta je dokumentirala i logaritamsko-linearni odnos između računalne snage pri inferenci i kvalitete outputa — tzv. test-time compute scaling. Ulaganje više compute resursa u trenutku generiranja, bez ponovnog treniranja modela, izravno poboljšava vizualni rezultat. Ovu karakteristiku dijele i vodeći jezični modeli, ali Muse Image primjenjuje je na zadatke vizualne generacije i uređivanja.

Multi-reference kompozicija i integracija s Muse Sparkom

Muse Image podržava multi-reference kompoziciju: korisnik pruža više ulaznih slika kao vizualne reference, a model ih inteligentno kombinira u novu generaciju. Za korisnike Instagrama, sustav može koristiti vizualne reference s javnih Instagram profila — estetiku, stil ili osobu — i integrirati ih u novu sliku. Platforma nudi i personalizirane presets koji korisnicima omogućuju brzu primjenu omiljenih stilova.

Model je integriran s Muse Spark — Metinim sustavom za zajedničko agentsko planiranje. Kombinacija Muse Spark (planiranje) i Muse Image (izvršavanje) otvara mogućnost automatizacije višekoračnih vizualnih radnih tokova. Meta posebno ističe primjenu za generiranje marketinških materijala za male poduzetnike koji nemaju grafičke dizajnere.

Content Seal: robusni vodeni žig za AI-generirana vizuala

Svaka slika generirana Muse Imageom automatski nosi Content Seal — nevidljivi vodeni žig ugrađen direktno u piksele slike, ne u metapodatke. Ključna prednost: Content Seal preživljava obrezivanje, kompresiju i screenshotove, za razliku od EXIF oznaka koje se lako brišu standardnim alatima za obradu slika.

Meta nudi i javno dostupan alat za verifikaciju Content Seala koji može potvrditi je li slika generirana Muse Imageom. Ovo izravno adresira regulatorne zahtjeve za označavanje AI-generiranog sadržaja koji dolaze iz EU regulatornog okvira i globalnih inicijativa za transparentnost digitalnih medija.

Muse Video: nativni audio i preview faza

Muse Video trenutno je u preview fazi i dolazi uskoro na Creators platformu i Meta AI aplikaciju. Ključna tehnička odlika jest nativna podrška za audio — zvuk se generira paralelno s videom, ne naknadno dodaje u post-produkciji. Model već zauzima #3 poziciju na Arena ljestvici za text-to-video.

Meta je transparentna oko aktualnih ograničenja: sinkronizacija audija i videa te točnost prikaza brzih pokreta su područja u aktivnom razvoju i poboljšanju.

Platforme i dostupnost od danas

Muse Image dostupan je od danas:

• Meta AI aplikacija i meta.ai — globalno
• Instagram Stories — korisnici u SAD-u
• WhatsApp — ograničeni broj tržišta
• Facebook — integracija u pripremi

Meta Superintelligence Labs ovim lansiranjem ulazi u direktnu konkurenciju s vodećim modelima vizualne generacije, kombinirajući visoke Arena rangove s agentskom arhitekturom i robusnim vodenim žigom koji ispunjava nadolazeće regulatorne zahtjeve. Integracija kroz Meta platforme s više od tri milijarde aktivnih korisnika daje Muse Image potencijal dosega bez presedana u segmentu vizualne generativne AI.