Meta lanzó Muse Image y anticipó Muse Video, dos nuevos modelos desarrollados por Meta Superintelligence Labs que incorporan capacidades de razonamiento, uso de herramientas y generación multimodal para crear imágenes y videos con mayor precisión.
Meta dio un nuevo paso en la carrera por la inteligencia artificial generativa con el lanzamiento de Muse Image y la presentación anticipada de Muse Video, los primeros modelos multimedia desarrollados por Meta Superintelligence Labs. La compañía asegura que se trata de su sistema más avanzado hasta la fecha para la generación de imágenes y que introduce un cambio de paradigma: en lugar de limitarse a transformar instrucciones en contenido visual, el modelo actúa como un agente capaz de razonar, utilizar herramientas externas y corregir su propio trabajo.
El anuncio posiciona a Meta en la competencia directa con plataformas como OpenAI, Google y Anthropic, que también aceleran el desarrollo de modelos multimodales capaces de producir imágenes, videos y otros contenidos a partir de instrucciones en lenguaje natural.
Un modelo que «piensa» antes de generar imágenes
Según explicó Meta, Muse Image fue diseñado para seguir instrucciones complejas con mayor fidelidad, realizar ediciones precisas sobre imágenes existentes y combinar múltiples referencias dentro de una misma creación.
La principal diferencia respecto de generaciones anteriores es que el modelo funciona como un agente inteligente. Antes de generar una imagen puede utilizar herramientas externas, buscar información, escribir código y revisar sus propios resultados para mejorar la calidad final.
Entre sus nuevas capacidades figura la generación de gráficos, diagramas, códigos QR funcionales y otros elementos visuales que requieren precisión matemática. Durante su entrenamiento, Muse Image aprendió a escribir y ejecutar código para producir este tipo de contenidos y luego incorporarlos correctamente dentro de la imagen final.
Además, el modelo se integra con Muse Spark, otro sistema de Meta orientado a la planificación de tareas complejas. Ambos modelos pueden compartir herramientas y coordinar acciones para producir contenido multimedia más elaborado, como sitios web con imágenes integradas, GIF animados o pequeños juegos interactivos.
Búsquedas en Internet para mejorar la precisión
Otra de las novedades es la incorporación de búsquedas web durante el proceso de generación.
Cuando una consulta requiere información actualizada o referencias visuales específicas, Muse Image puede consultar Internet para mejorar la exactitud del resultado. Según Meta, esta capacidad incrementa especialmente la calidad en consultas relacionadas con hechos reales, acontecimientos recientes y conocimiento especializado.
La empresa sostiene que esta combinación entre razonamiento, uso de herramientas y acceso a información externa permite reducir errores frecuentes en los modelos tradicionales de generación de imágenes.
Capacidad para autocorregirse
Meta también destacó un comportamiento que emergió durante el entrenamiento del sistema: la capacidad de revisar y corregir sus propias respuestas.
Si detecta que una imagen contiene un error menor, Muse Image puede editar únicamente esa parte. Cuando considera que el problema afecta la composición completa, genera una nueva versión desde cero. Incluso puede decidir utilizar herramientas adicionales si entiende que necesita información más precisa antes de producir el resultado final.
Según la compañía, esta capacidad de autorrefinamiento no fue programada explícitamente, sino que apareció durante el entrenamiento mediante aprendizaje por refuerzo porque producía mejores resultados.
Meta también afirma que el modelo mejora cuanto mayor es el tiempo de razonamiento disponible antes de responder. En lugar de generar varias imágenes y seleccionar la mejor, la empresa asegura que dedicar más recursos al proceso de razonamiento produce mejoras de calidad más consistentes.
Edición avanzada y composición de múltiples imágenes
Muse Image incorpora además nuevas funciones de edición capaces de modificar únicamente los elementos solicitados por el usuario sin alterar el resto de la composición.
Entre los ejemplos presentados por Meta aparecen restauraciones de fotografías, eliminación de niebla en paisajes, cambios de objetos específicos, reemplazo de textos dentro de carteles y rediseño completo de ambientes interiores.
El sistema también admite combinar múltiples imágenes de referencia en una sola composición. Puede utilizar simultáneamente fotografías de personas, objetos, prendas de vestir, estilos artísticos y escenarios para construir una nueva imagen coherente.
Muse Video apunta a la generación audiovisual
Junto con Muse Image, Meta presentó un anticipo de Muse Video, un modelo basado sobre la misma arquitectura de entrenamiento.
La compañía afirma que ofrece un alto nivel de fidelidad visual, buena consistencia temporal entre cuadros y soporte nativo para audio sincronizado. Entre las demostraciones difundidas aparecen comerciales publicitarios, escenas cinematográficas, videos hiperrealistas de animales y secuencias generadas a partir de instrucciones detalladas.
Meta reconoce que todavía trabaja para mejorar aspectos como la sincronización entre audio y video y la representación de movimientos rápidos físicamente precisos.
Muse Video llegará inicialmente a creadores de contenido y posteriormente será incorporado dentro de Meta AI.
Integración con todo el ecosistema de Meta
Muse Image ya se encuentra disponible en la aplicación Meta AI, en meta.ai, en Instagram Stories para usuarios de Estados Unidos y en WhatsApp en un grupo limitado de países. Próximamente también llegará a Facebook.
Para identificar el contenido generado mediante inteligencia artificial, Meta incorporó Content Seal, un sistema de marca de agua invisible que permanece incluso cuando la imagen es recortada, comprimida, redimensionada o capturada mediante una captura de pantalla. La empresa anticipó que esta tecnología también será incorporada a los videos generados por Muse Video.
Con estos lanzamientos, Meta busca fortalecer su posición en uno de los segmentos más competitivos de la inteligencia artificial, donde la calidad de los modelos multimodales y su integración con herramientas externas se perfilan como uno de los principales diferenciales frente a la competencia.