Wat Meta echt heeft uitgebracht
Meta Superintelligence Labs bracht op 7 juli 2026 zijn eerste eigen mediamodellen uit: Muse Image en Muse Video, twee dagen later gevolgd door een verbeterd redeneermodel, Muse Spark 1.1. Meta noemt Muse Image zijn meest geavanceerde beeldmodel, gebouwd om instructies trouw te volgen, met precisie te bewerken en een scène uit meerdere referentiebeelden tegelijk samen te stellen.
Muse Video rust op dezelfde voortrainingsbasis en voegt native audio toe, met toegang binnenkort voor makers en Meta AI. Muse Image is vandaag beschikbaar in de Meta AI-app en op meta.ai, in Instagram Stories in de VS en in WhatsApp in een beperkt aantal landen, met Facebook aangeduid als binnenkort. Voor iedereen in de EU telt die beschikbaarheidskaart: bij de lancering is het bereik Amerikaans en beperkt, dus de meeste Europese teams treffen het model later dan de koppen doen vermoeden.
Waarom een agentisch beeldmodel anders is
De echte verschuiving is dat Muse Image zich gedraagt als een agent en niet als een generator die zonder meer van prompt naar pixel gaat. In plaats van te raden hoe een grafiek of QR-code eruit zou moeten zien, schrijft en voert het code uit om het echte ding te maken, zoekt het op het web om een beeld te verankeren in feitelijke en actuele referenties, en verfijnt het zichzelf door meer rekenkracht in te zetten op het moment van genereren tot de uitvoer standhoudt. Het houdt samenhang over meerdere bewerkingsbeurten, en omdat het integreert met Muse Spark, delen het beeld- en het redeneermodel dezelfde tools en plannen ze de taak samen.
Dat koopt echte nauwkeurigheid, correcte logo's, werkende QR-codes, grafieken die daadwerkelijk kloppen, maar het vervaagt ook waar de pixels vandaan komen. Een beeld dat deels uit een live webzoekactie en deels uit trainingsdata is samengesteld, is moeilijker te traceren dan een beeld uit een enkele prompt. De nuttige vraag is niet langer ziet het er goed uit maar wat heeft het gelezen om dit te maken, want die twee zijn niet langer hetzelfde.
Wat het betekent voor een merk dat het gebruikt
Voordat u merkmateriaal door zo'n model haalt, is de vraag niet is het beeld goed maar welke data heeft het aangeraakt en wie kan het zien. Op de lanceerdag protesteerden gebruikers tegen het gebruik van hun eigen foto's door Meta, een zorg over trainingsdata en toestemming die TechCrunch op 7 juli meldde, en die reactie maakt het abstracte punt vanaf dag een concreet. Onder de AVG weegt dezelfde toestemmingsvraag zwaarder, dus een Europees team heeft meer reden, niet minder, om hier nauwkeurig in te zijn.
Voor een bedrijf is de praktische zet om merkbeelden, logo's en klantmateriaal te behandelen als invoer met een papieren spoor, niet als gratis brandstof voor een generator. Vraag waar een referentie vandaan kwam, of het model die kan bewaren en wie verderop het resultaat kan zien voordat het een openbaar bezit wordt. De uitvoer kan werkelijk feitelijker zijn dan oudere tools, en juist daarom verdient de herkomst van de invoer dezelfde toetsing als de kwaliteit van het beeld.
Lees hierna: Meta's advertentie-AI lanceert rondom Europa | Een miljard dollar waard, en geen enkele camera
