Metas agentiske Muse Image-modell lanseres på Fal for utviklere

fal 1. september 2026 lanserte utvikler- og bedriftsadgang til Muse Image, den agentiske bildeskapings- og redigeringsmodellen fra Meta Superintelligence Labs, levert gjennom Meta Model API på fal sin plattform. fal oppga at modellen planlegger hver forespørsel, kaller verktøy, og gjennomgår eget output før den returneres, og fal sin modellside viser forespørsler til $0.01 per bilde.

Muse Image er den første bildeskapingsmodellen fra Meta Superintelligence Labs. De fleste bildemodeller kartlegger en prompt direkte til piksler i ett enkelt pass; fal sa at denne tilnærmingen fungerer for enkle prompts, men kan svikte ved komplekse oppdrag, noe som tvinger produksjonsteam til å sette sammen flere modeller og kjøre flere runder med manuell opprydding. fal sa også at grenseprisene har gjort de høyest volumetriske arbeidsbelastningene, inkludert generering av annonsevarianter, katalogbilder og personalisering per bruker, økonomisk uholdbare i den skalaen der de er mest kritiske.

Verktøybruk og selvrefinering

Ifølge fal sin kunngjøring bruker Muse Image en planner‑plus‑diffuser‑arkitektur med verktøykall og raffinering innen en enkelt tankekjede. Modellen søker på nettet etter ekte referanser, noe fal sa merkbart forbedrer faktuell nøyaktighet på kunnskapsintensive prompts: nøyaktige logoer, ekte steder, fungerende diagrammer og skannbare QR‑koder. Den skriver og kjører kode for presise visuelle elementer, og den sjekker og korrigerer output før den returneres, et verifiseringstrinn som fal sa forbedrer nøyaktigheten på flerdelte oppdrag.

Metas tekniske innlegg 7. juli 2026 beskriver den samme agentiske designen fra labbens perspektiv: modellen bruker søke‑ og kodeverktøy for å forbedre nøyaktigheten, selvrefinerer sine egne genereringer, og forbedres gjennom skalering av beregningstid. Under forsterkningslæring lærte Muse Image å skrive og utføre kode som produserer nøyaktige diagrammer og QR‑koder og å forholde seg til renderte figurer. Dens selvrefinering kan forekomme som en lokal redigering når en liten detalj er feil, en ny generering når større deler er feil, eller et verktøykall for mer faktabasert forankring. Meta sa at denne atferden oppsto under trening fordi selvrefinering ga bedre bilder og dermed høyere belønning, uten at den var bevisst designet.

Meta rapporterte også at Muse Image blir bedre jo lenger den resonnerer under inferens: med mer beregningstid under testing resonnerer modellen mer, bruker flere verktøykall, og anvender flere selvrefineringssteg, med menneskelig preferanse‑Elo‑score som stiger i et omtrent log‑lineært forhold. Denne beregningen omfatter tekst‑tokens for resonnering og visuelle tokens for generering, med kvalitet som en funksjon av den samlede totalen. Meta fant at best‑of‑N‑sampling, hvor modellen genererer flere bilder og beholder det beste, forbedrer kvalitet tidlig men mettes raskt, mens å bruke samme beregning på bevisst resonnering skalerer betydelig bedre.

Generering, redigering og sammensetning

fal sa at én Muse Image-modell dekker tre arbeidsflyter som produksjonsteam vanligvis henter fra separate leverandører. Den første kombinerer generering med presis redigering: en bruker genererer et design, og endrer deretter ett element mens resten av bildet forblir uendret, i ett enkelt kall. Den andre er samtalebasert fler‑trinns raffinering, der man bygger ett aktivum gjennom mange trinn uten kvalitetstap. Den tredje er referanse‑drevet sammensetning, hvor et team mater inn en merkevarepakke og eksempel‑aktiva og genererer nytt merkevare‑tilpasset arbeid som matcher stil og tema på tvers av personer, produkter og miljøer.

Muse Image deler også verktøy og planer med Muse Spark, Metas assistentmodell, slik at en enkelt forespørsel kan returnere animerte GIF‑er, nettsteder med innebygde bilder og interaktivt visuelt output i stedet for en flat fil, ifølge fal.

Arena‑rangeringer og tilgjengelighet

fal oppga at Muse Image ligger blant de fem beste på Arena innen tekst‑til‑bilde, enkel‑bilde‑redigering og fler‑bilde‑redigering. Da Meta introduserte modellen, rapporterte de at Muse Image hadde nr. 2‑plassen på Arena i alle tre kategorier under menneskelig‑preferanse‑Elo‑rangeringer per 5. juli 2026. Meta sa også at Muse Video, en tilhørende modell bygget på samme forhåndstreningsgrunnlag, rangert nr. 3 i menneskelig‑preferanse‑Elo for tekst‑til‑video på den datoen.

Modellen er tilgjengelig på fal.ai via en interaktiv lekeplass og API‑et. fal lister to endepunkter, meta/muse-image/text-to-image og meta/muse-image/edit, begge merket for kommersiell bruk og priset til $0.01 per bilde. Tekst‑til‑bilde‑siden fremhever trofast instruksjonsfølgning og nøyaktig gjengivelse av detaljer som tekst, diagrammer og QR‑koder; redigeringssiden beskriver presise endringer som kun påvirker det brukeren ber om, opprettholder sammenheng over flere trinn, og komponerer fra flere referansebilder.

Muse Image nådde først forbrukere 7. juli 2026 via Meta AI‑appen og meta.ai, Instagram Stories i USA, og WhatsApp i begrensede land. Bilder laget av Muse Image i Meta AI‑appen og på meta.ai bærer Content Seal, Metas usynlige vannmerkingssystem, som Meta sa forblir intakt gjennom beskjæring, komprimering, endring av størrelse og skjermbilder; Meta forhåndsviser et deteksjonsverktøy som sjekker om et bilde inneholder vannmerket.

fal beskriver seg selv som en generativ medieplattform som tilbyr bilde-, video‑ og lydmodeller gjennom et samlet API, med etterspørsels‑baserte serverløse GPU‑er og dedikerte beregningsklynger, og oppgir at mer enn 2,5 millioner utviklere bruker den.