MetaがMuse ImageとMuse Videoを発表――自ら誤りを修正するエージェント型AI

Meta Platforms傘下の研究部門、Meta Superintelligence Labs（MSL）は本日、生成AIの新モデルを2本同時に発表した。画像の生成・精密編集を担うMuse Imageと、動画コンテンツ向けのMuse Videoだ。Muse Imageは即日一般公開され、Muse Videoは選ばれたクリエイター向けのプレビュー段階に入る。両モデルは従来の生成ツールと一線を画す技術的な新機軸を持つ――ユーザーの介入なしにモデルが内部で自らの誤りを修正するエージェント型アーキテクチャだ。

Arenaランキングの順位

Arenaランキングは、どのモデルが出力を生成しているか知らない状態でユーザーが直接投票するAIモデル比較システムだ。2026年7月5日時点で、Muse Imageは3つのカテゴリで同時に2位を獲得した。text-to-image（テキストからの画像生成）、single-image editing（単一画像の精密編集）、multi-image editing（複数画像の編集・合成）の3部門だ。Muse Videoは同時点でtext-to-videoカテゴリのArenaランキング3位を保持している。

3つの異なる評価カテゴリで高順位を同時に達成するのは、それ自体が珍しい結果だ。多くのモデルが特定タスクに最適化されているのに対し、Muse Imageはテキストからの純粋な生成と精密編集の両方で高い能力を示している。技術的に異なる内部能力を必要とする両タスクで優秀な成績を収めた。

エージェント型アーキテクチャがユーザーにもたらすもの

Muse Imageの核心は出力の視覚品質だけではなく、そこに至るアーキテクチャにある。モデルはエージェントとして機能し、ユーザーの明示的な指示なしに外部ツールを内部で呼び出す。

コードツール ―― Muse Imageは、直接的な視覚生成よりも正確な場合にプログラムコードを記述・実行する。具体的な例として、データビジュアライゼーション、QRコード、アニメーションGIFが挙げられる。グラフィック要素の外観を「ハルシネーション」する代わりに、実際のコード実行によってアルゴリズム的に生成する。

ウェブ検索ツール ―― 現在の情報や事実として正確な視覚情報を必要とする生成をユーザーが求めた場合、モデルはウェブを検索し、学習済みの仮定ではなく実際のデータに基づいて出力を生成する。

特筆すべきは、自己修正能力がトレーニング中に自発的に発現したという点だ。MSLが明示的にプログラムしたり要求したりしたわけではない。モデル自身が自らの生成における異常を識別し、内部の反復ループによって修正する。その結果、ユーザーからのフィードバックなしに一貫して高い平均品質が実現される。

Metaはまた、推論時の計算量と出力品質の間に対数線形関係があることも記録している。いわゆるtest-time compute scalingだ。モデルを再トレーニングすることなく、生成時により多くのコンピューティングリソースを投入するだけで視覚的な結果が直接改善される。この特性は先端言語モデルとも共通するが、Muse Imageは視覚生成・編集タスクに適用している。

マルチリファレンス合成とMuse Sparkとの統合

Muse Imageはマルチリファレンス合成をサポートしており、ユーザーが複数の入力画像を視覚的なリファレンスとして提供すると、モデルがそれらをインテリジェントに組み合わせて新しい画像を生成する。Instagramユーザーに対しては、公開Instagramプロフィールの美学・スタイル・人物を視覚的リファレンスとして使用し、新しい画像に統合することができる。プラットフォームはお気に入りのスタイルを素早く適用できるパーソナライズドプリセットも提供している。

本モデルはMetaのエージェント共同プランニングシステムMuse Sparkとも統合されている。Muse Spark（計画）とMuse Image（実行）の組み合わせにより、多段階の視覚的ワークフローの自動化が可能になる。Metaはグラフィックデザイナーを持たない中小企業のマーケティング資材生成への応用を特に強調している。

Content Seal：AI生成ビジュアルのための堅牢なウォーターマーク

Muse Imageで生成されたすべての画像には、Content Seal――画像のピクセルに直接埋め込まれた不可視のウォーターマーク（メタデータではない）――が自動的に付与される。重要な利点は、Content Sealがトリミング・圧縮・スクリーンショットにも耐える点だ。標準的な画像処理ツールで容易に削除できるEXIFタグとは異なる。

Metaは、画像がMuse Imageで生成されたかどうかを確認できるContent Seal公開検証ツールも提供している。これはEUの規制フレームワークや世界的なデジタルメディア透明性イニシアチブから生じるAI生成コンテンツのラベリングに関する規制要件に直接対応するものだ。

Muse Video：ネイティブ音声とプレビュー段階

Muse Videoは現在プレビュー段階にあり、まもなくCreatorsプラットフォームとMeta AIアプリに登場する。主な技術的特徴はネイティブ音声サポートだ――音声は動画と並行して生成され、ポストプロダクションで後から追加されるわけではない。同モデルはすでにtext-to-videoのArenaランキングで3位を保持している。

Metaは現在の制限についても透明性を持って公開している。音声と映像の同期、および高速な動きの正確な表現は現在も積極的に開発・改善中の領域だ。

本日から利用可能なプラットフォームと提供状況

Muse Imageは本日から提供開始：

• Meta AIアプリおよびmeta.ai ―― グローバル
• Instagram Stories ―― 米国ユーザー
• WhatsApp ―― 限定的な市場
• Facebook ―― 統合準備中

Meta Superintelligence Labsは今回の発表により、高いArenaランキング、エージェント型アーキテクチャ、そして来る規制要件を満たす堅牢なウォーターマークを組み合わせて、視覚生成の主要モデルとの直接競合に踏み込んだ。30億人以上のアクティブユーザーを抱えるMetaプラットフォームへの統合により、Muse Imageは視覚生成AIセグメントで前例のないリーチの可能性を手にしている。