fal ha reso disponibile per sviluppatori e clienti enterprise Muse Image, il modello agentico di generazione e modifica delle immagini sviluppato da Meta Superintelligence Labs, distribuendolo attraverso Meta Model API sulla propria piattaforma. L’accesso è stato aperto il 1° settembre 2026 e il modello viene proposto con un prezzo di 0,01 dollari per immagine. Muse Image rappresenta il primo modello di generazione di immagini sviluppato da Meta Superintelligence Labs e si distingue dai sistemi che trasformano direttamente un prompt in pixel attraverso un singolo passaggio, perché utilizza un processo agentico nel quale pianifica la richiesta, richiama strumenti esterni, produce il contenuto, ne verifica il risultato e può correggerlo prima di restituirlo all’utente.
L’architettura combina un componente di pianificazione con un modello diffusivo e integra chiamate a strumenti e meccanismi di self-refinement all’interno dello stesso processo di inferenza. Muse Image può effettuare ricerche sul web per recuperare riferimenti reali e migliorare l’accuratezza di richieste che richiedono conoscenze specifiche, come la riproduzione corretta di loghi, luoghi reali, grafici o codici QR funzionanti. Può inoltre scrivere ed eseguire codice per generare elementi visivi che richiedono maggiore precisione e controllare autonomamente il risultato prima della consegna, intervenendo quando individua errori o incongruenze in richieste composte da più elementi.
Meta aveva descritto questa impostazione tecnica il 7 luglio 2026, spiegando che Muse Image utilizza strumenti di ricerca e coding per aumentare l’accuratezza, può perfezionare autonomamente le immagini generate e migliora aumentando il test-time compute. Durante l’addestramento tramite reinforcement learning, il modello ha imparato a scrivere ed eseguire codice per produrre grafici e QR code accurati e a utilizzare le figure renderizzate come ulteriore condizionamento durante la generazione. Il processo di self-refinement può assumere forme differenti: il modello può effettuare una modifica locale quando l’errore riguarda un dettaglio limitato, generare nuovamente l’immagine quando il problema interessa parti più ampie della composizione oppure richiamare strumenti esterni quando è necessario ottenere informazioni più precise.
Secondo Meta, questo comportamento non è stato introdotto attraverso una procedura progettata specificamente per imporre al modello di correggersi. Durante il reinforcement learning, le generazioni sottoposte a self-refinement hanno ottenuto ricompense maggiori quando producevano risultati migliori, portando progressivamente il modello ad apprendere autonomamente questa strategia. I test hanno inoltre mostrato che Muse Image migliora aumentando il tempo e le risorse dedicate al ragionamento durante l’inferenza: con una quantità maggiore di test-time compute, il sistema produce più passaggi di ragionamento, utilizza più strumenti e applica più cicli di correzione. Meta ha rilevato un aumento dei punteggi Elo basati sulle preferenze umane con una relazione approssimativamente log-lineare rispetto all’incremento delle risorse computazionali utilizzate.
Il test-time compute impiegato dal modello comprende sia i token testuali utilizzati per il ragionamento sia i token visivi necessari per la generazione. Meta ha confrontato questa strategia con il best-of-N sampling, nel quale vengono prodotte più immagini e successivamente selezionata quella migliore. Il best-of-N determina inizialmente un miglioramento della qualità ma tende rapidamente a raggiungere un punto di saturazione, mentre utilizzare la stessa quantità di calcolo per un processo di ragionamento più deliberato, accompagnato da chiamate a strumenti e self-refinement, continua a produrre miglioramenti più consistenti.
Muse Image riunisce in un unico modello tre flussi di lavoro che normalmente richiedono strumenti differenti. Il primo riguarda la generazione accompagnata da editing preciso: dopo aver creato un’immagine, l’utente può chiedere di modificare un singolo elemento mantenendo invariato il resto della composizione. Il secondo consiste nel perfezionamento conversazionale multi-turno, che consente di costruire e modificare progressivamente lo stesso asset attraverso una sequenza di richieste senza una degradazione significativa della qualità. Il terzo è la composizione basata su riferimenti, attraverso la quale un’organizzazione può fornire al modello brand kit, immagini campione o altri asset e produrre nuovi contenuti che mantengano caratteristiche coerenti in termini di stile, soggetti, prodotti e ambientazioni.
Muse Image condivide inoltre strumenti e piani con Muse Spark, il modello assistente di Meta. Questa integrazione consente a una singola richiesta di produrre non soltanto immagini statiche, ma anche output più articolati come GIF animate, siti che incorporano immagini e contenuti visivi interattivi. L’impostazione estende quindi l’utilizzo del modello oltre la semplice generazione di un file grafico, permettendo di inserirlo in flussi nei quali il contenuto visivo costituisce una parte di un risultato più complesso.
Sul piano delle valutazioni, fal indica Muse Image tra i primi cinque modelli su Arena nelle categorie text-to-image, editing di una singola immagine ed editing di più immagini. Al momento della presentazione iniziale del modello, Meta aveva dichiarato che al 5 luglio 2026 Muse Image occupava la seconda posizione nelle tre categorie secondo i ranking Elo basati sulle preferenze umane. Muse Video, modello complementare costruito sulla stessa base di pretraining, risultava invece al terzo posto nel text-to-video nella stessa data.
Muse Image è ora disponibile su fal.ai sia attraverso un playground interattivo sia tramite API. fal mette a disposizione due endpoint, meta/muse-image/text-to-image e meta/muse-image/edit, entrambi abilitati per l’utilizzo commerciale e con un costo di 0,01 dollari per immagine. Il primo è orientato alla generazione e punta in particolare sulla capacità di seguire fedelmente le istruzioni e rappresentare elementi complessi come testo, grafici e codici QR. Il secondo è destinato all’editing e permette di modificare solo gli elementi richiesti, mantenere la coerenza attraverso più turni e realizzare composizioni utilizzando più immagini di riferimento.
Il modello era già arrivato agli utenti consumer il 7 luglio 2026 attraverso l’app Meta AI e meta.ai, Instagram Stories negli Stati Uniti e WhatsApp in un numero limitato di Paesi. Le immagini generate attraverso Muse Image nell’app Meta AI e su meta.ai utilizzano Content Seal, il sistema di watermarking invisibile di Meta progettato per rimanere rilevabile anche dopo operazioni come ritaglio, compressione, ridimensionamento e acquisizione tramite screenshot. Meta sta inoltre sperimentando uno strumento di rilevamento capace di verificare se un’immagine contiene questo watermark.
fal si presenta come una piattaforma dedicata ai media generativi che permette di utilizzare modelli per immagini, video e audio attraverso un’API unificata, con infrastruttura basata su GPU serverless on demand e cluster di calcolo dedicati. Secondo la società, la piattaforma viene utilizzata da oltre 2,5 milioni di sviluppatori. L’arrivo di Muse Image amplia quindi il catalogo disponibile attraverso fal con un modello orientato non soltanto alla generazione visiva, ma anche a flussi agentici nei quali ricerca, codice, verifica e correzione dell’output vengono gestiti all’interno dello stesso processo.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)