Meta 超智能實驗室推出 Muse Image 與 Muse Video，圖像生成排名全球第二

Meta 超智能實驗室（Meta Superintelligence Labs）正式發布首款媒體生成模型 Muse Image，並同步預覽 Muse Video。以 2026 年 7 月 5 日的 Arena 人類偏好 Elo 排行來看，Muse Image 在文字生成圖像、單圖編輯、多圖編輯三個類別均拿下第二名，Muse Video 在文字生成影片同樣排第三。這不是測試版，Muse Image 當天就已上線 Meta AI 應用程式、meta.ai 網站、美國 Instagram Stories，以及部分國家的 WhatsApp。

Muse Image 最關鍵的技術主張是「把圖像生成做成 agent」——不是拿 prompt 直接算圖，而是讓模型自己呼叫工具、搜尋網頁、寫程式、然後對自己的輸出做修改，整個過程在 chain of thought 裡完成。自我修正這個行為是從強化學習裡自然冒出來的，Meta 沒有手工設計它：模型在訓練裡發現修正能得更高 reward，就學會了。更重要的是，測試時計算量（test-time compute）的投入方式也很有意思——同樣的算力花在「讓模型多推理、多用工具」，比花在「多生幾張取最好」要有效得多，而且文字 token 與視覺 token 的總計算量合在一起呈現近似對數線性的品質提升。這意味著 Muse Image 的架構邏輯已經更接近語言模型，而不只是傳統的擴散模型。

Muse Video 目前仍是預覽階段，主打視覺保真度與原生音訊支援，但 Meta 自己承認音畫同步和快速動作的物理準確性還有缺口，算是罕見的公開承認不足。Muse Image 與 Muse Video 共用同一個預訓練底座，這個架構選擇日後能怎麼互相遷移訓練成果，值得持續觀察。

對亞太地區的決策者來說，真正需要看的不是排行榜數字，而是 Meta 把這個模型直接接進 Instagram Stories 和 WhatsApp 的動作。這代表圖像生成不再是獨立工具，而是嵌入十億級用戶日常行為的基礎功能。小型企業用戶在 Meta AI 裡直接生成行銷素材、在 Instagram 裡 @mention 公開帳號來引用視覺風格——這些功能一旦在東南亞、台灣、日本鋪開，對現有圖像生成訂閱服務的替代壓力是真實的。Muse Image 同時導入不可見浮水印系統 Content Seal，宣稱即使經過裁切、壓縮、截圖仍能留存，並附上偵測工具——這在平台管理 AI 生成內容的監管討論裡會是一個有份量的技術主張，但真實世界的耐用性還需要外部驗證。競爭格局上，排名第一的位子目前還不屬於 Meta，這件事本身也說明了：市場並沒有決出勝負，接下來的比拼會持續在算力投入、生態系整合、以及 creator 工具三條線上同時進行。