一句话看懂：Meta 旗下的 Superintelligence Labs 正式发布了 Muse Image 和 Muse Video 两款媒体生成模型。这不仅是 Meta 迄今为止最强的图像生成工具，还首次将 Agentic 工具调用、社交上下文理解整合进图像生成流程，并推出自带原生音频的视频生成产品。
事件核心：发生了什么
Meta 于 2026 年 7 月 7 日通过官方账号公布了 Muse Image 与 Muse Video。Muse Image 被定位为 Meta 当前最先进的图像生成模型，不仅能够严格遵循指令、进行精准编辑、从多张参考图片中进行组合创作，还可以从 Instagram 获取社交上下文信息。同时，它引入了 Agentic 工具调用能力，并支持与 Muse Spark 协同工作。Muse Video 基于与 Muse Image 相同的预训练基础构建，在输出高画质的同时，原生支持音频同步生成。目前 Muse Image 已在 Meta AI 应用、网页版、Instagram Stories 和 WhatsApp 中上线，先从部分国家开始，后续会扩展至更多地区。
为什么重要
这一发布对 AI 图像和视频生成领域的竞争格局构成实质性影响。首先，Muse Image 的“社交上下文理解”能力意味着它能够结合用户在 Instagram 上的公开数据和交互习惯来优化生成结果，这在主流图像生成模型中尚属首次。其次，Agentic 工具调用的集成让模型不再是简单的“输入-输出”工具，而能主动调用其他服务或工具以完成任务，这体现了从“内容生成”向“任务执行”的能力跃迁。最后，Muse Video 原生支持音频，避免了过去视频模型常见的“后期配音”流程，直接降低了内容创作门槛。结合 Meta 庞大的社交平台用户基础，Muse 系列的商业化规模潜力巨大。
对用户/开发者/创作者的影响
对普通用户而言，在 WhatsApp 和 Instagram 等常用应用内直接使用 Muse Image 生成或编辑图片，省去了切换工具的步骤，社交感知能力还能让生成内容更贴合用户习惯。对开发者和创作者来说，Muse Image 的 Agentic 工具调用能力意味着可以通过 API 或集成调用它来执行更复杂的创作流程，例如自动生成并调整多版本视觉素材。Muse Video 的原生音频支持大幅降低短视频或动态内容的制作成本，尤其适合营销、广告和社交内容创作者。不过，目前公开信息显示上线区域有限，海外用户需要留意地区限制。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
第一，Muse Image 和 Muse Video 是否会开放 API 或 SDK 给第三方开发者，将是判断其生态化程度的关键信号。第二，Meta 尚未公布该模型的训练数据规模和算力成本，后续是否会推出开源版本，会直接影响社区采用和竞品反应。第三，多模态模型在社交场景下的隐私与合规风险值得关注，尤其是在利用 Instagram 社交上下文进行生成时，监管机构是否会介入仍需观察。
