Meta ने Muse Image पेश किया है, यह पहला छवि निर्माण मॉडल है जिसे उसने अपने भीतर ही बनाया है, और उसने इसे चुपचाप बाहर नहीं निकाला। यह मॉडल तुरंत Meta AI ऐप के भीतर और meta.ai पर, अमेरिका में Instagram Stories में, और कुछ सीमित देशों में WhatsApp में उपलब्ध है, जबकि Facebook जल्द ही आने वाला है और विज्ञापनदाताओं को Advantage+ प्लेटफ़ॉर्म के जरिए पहुँच मिलेगी। इसके साथ ही, Meta ने Muse Video नामक एक वीडियो निर्माण मॉडल का पूर्वावलोकन भी दिखाया। जनरेटिव मीडिया में पिछड़ेपन को पाटने के लिए भारी खर्च कर चुकी एक कंपनी के लिए, इस पैमाने पर अपना खुद का छवि मॉडल जारी करना अपने आप में एक मील का पत्थर है, लेकिन ज्यादा दिलचस्प कहानी इसका डिज़ाइन है।
अधिकांश छवि जनरेटर एक टेक्स्ट प्रॉम्प्ट को कमोबेश सीधे एक ही चरण में एक छवि में बदलकर काम करते हैं। इसके बजाय Muse Image एक एजेंट की तरह व्यवहार करता है। केवल चित्र बनाने के बजाय, यह सर्च और कोडिंग टूल्स को बुला सकता है, अपनी खुद की जनरेशन को निखार सकता है, और जनरेशन के समय अधिक कंप्यूट खर्च करके बेहतर हो सकता है, जिसे यह क्षेत्र टेस्ट टाइम कंप्यूट को स्केल करना कहता है। व्यवहार में इसका मतलब है कि यह किसी छवि को तथ्यात्मक और रीयल टाइम जानकारी पर आधारित करने के लिए वेब पर सर्च कर सकता है, जिससे Meta के अनुसार मौजूदा घटनाओं और वास्तविक दुनिया के तथ्यों से जुड़े ज्ञान से भरपूर प्रॉम्प्ट पर सटीकता बेहतर होती है, और यह ऐसी चीज़ें बनाने के लिए कोड लिख और चला सकता है जिन्हें बिल्कुल सही होना ज़रूरी है, जैसे पढ़ने योग्य चार्ट और काम करने वाले QR कोड, बजाय इसके कि उन्हें वैसे अनुमानित करे जैसे एक शुद्ध डिफ्यूजन मॉडल आम तौर पर करता है।
टूल्स का उपयोग करने वाला यह तरीका Muse Image को Meta के बाकी मॉडल परिवार से जुड़ने की भी सुविधा देता है। यह Muse Spark के साथ एकीकृत होता है, जो Meta का पहले का मॉडल है, ताकि कोड निर्माण और मीडिया निर्माण एक साथ काम करें, और कंपनी दिखाती है कि यह संयोजन एनिमेटेड GIF, ऐसी सरल वेबसाइटें जिनमें छवियाँ अंतर्निहित हों, और छोटे इंटरैक्टिव विज़ुअल गेम बना सकता है। मूल बात यह है कि यह मॉडल केवल एक तस्वीर नहीं लौटा रहा, बल्कि जिस काम के लिए जो भी टूल्स चाहिए उनका उपयोग करके एक परिणाम तैयार कर रहा है, जो एक छवि जनरेटर किसलिए है, इस बारे में सोचने का एक सार्थक रूप से अलग तरीका है।
यह साफ नज़र से देखना ज़रूरी है कि कच्ची गुणवत्ता के मामले में यह कहाँ ठहरता है, क्योंकि आँकड़े बताने वाली खुद Meta ही है। कंपनी का कहना है कि Muse Image कई छवि निर्माण और संपादन बेंचमार्क पर Google के Nano Banana 2 को मात देता है, जबकि समग्र गुणवत्ता में OpenAI के नवीनतम छवि टूल से अब भी पीछे है। सीधे शब्दों में, यह एक मज़बूत लेकिन शीर्ष पर न पहुँचने वाला नतीजा है, एक नए अग्रणी के बजाय एक प्रतिस्पर्धी मॉडल, और इसके साथ वही सामान्य चेतावनी जुड़ी है कि विक्रेता द्वारा कराए गए बेंचमार्क विक्रेता के पक्ष में झुकते हैं। इसका वीडियो समकक्ष Muse Video, एक तैयार उत्पाद के बजाय एक पूर्वावलोकन है, इसलिए इसे एक तैयार टूल नहीं बल्कि दिशा के संकेत के रूप में देखा जाना चाहिए।
इस लॉन्च के मायने रखने की वजह लीडरबोर्ड से कम और तरीके से ज्यादा जुड़ी है। वह एजेंटिक पैटर्न जो टेक्स्ट और कोडिंग मॉडल को नया रूप देता आ रहा है, जिसमें सिस्टम टूल्स का उपयोग करता है, आधार के लिए सर्च करता है, कोड लिखता है, और अपने खुद के काम की जाँच करता है, अब छवि निर्माण पर लागू किया जा रहा है, और यह ठीक उन्हीं खामियों को निशाना बनाता है जिनकी वजह से गंभीर उपयोग के लिए छवि मॉडल निराशाजनक रहे हैं, ऐसा टेक्स्ट जो बेतुका निकलता है, तथ्य जो गलत होते हैं, और ग्राफिक्स जो केवल दूर से सही दिखते हैं। Muse Image किसी दिए गए बेंचमार्क पर सबसे अच्छा मॉडल हो या न हो, एक बड़ी लैब का छवि निर्माण को एक टूल का उपयोग करने वाले एजेंट के रूप में फिर से परिभाषित करना, और इसे लॉन्च के दिन ही अरबों उपयोगकर्ता तक पहुँचाना, यही वह हिस्सा है जिस पर ध्यान देने लायक है।