【Resumen】Primero el aguacate, ahora el mango. El contraataque de IA de Zuckerberg ha comenzado.
Zuckerberg acaba de actuar.
El Meta Super Intelligence Lab (MSL) lanzó su primer modelo de generación de imágenes, Muse Image, con nombre en código "Mango".
Este es nuestro modelo de generación de imágenes más avanzado hasta la fecha.
Presentado junto a Muse Image, está el modelo de video Muse Video, que por ahora sigue siendo una versión preliminar.
En el ranking de generación de texto a imagen de la arena de terceros Arena, Muse Image se posicionó en el segundo lugar, persiguiendo de cerca a GPT Image 2 de OpenAI.
Ranking Elo de las tres listas de imágenes de Arena, al 5 de julio de 2026, Muse Image ocupa el segundo lugar en las tres categorías, solo por detrás de GPT Image 2. La generación de texto a imagen es 1280 frente a 1385, con una diferencia de 105 puntos. (Fuente: Arena AI Leaderboard)
Aunque esta vez no logró ser el primero en calidad de imagen, el mango hizo algo aún más impactante: cambió la forma de crear imágenes.
Hay otra habilidad que da escalofríos: si tu cuenta de Instagram es pública, cualquiera puede mencionar tu nombre de usuario para usar tus fotos públicas y generar imágenes.
En Meta AI, si mencionas una cuenta pública de Instagram, el mango puede tomar la apariencia de esa persona a partir de sus fotos públicas e integrarla directamente en la imagen que quieres generar.
Para hacer una invitación para un evento o crear un concepto gráfico creativo, solo menciona el nombre de usuario.
Aunque no lidera en calidad de imagen, Meta tiene en sus manos la red social de miles de millones de personas, que es su baza principal.
Ya no genera directamente, primero piensa y luego dibuja
Muse Image funciona como un agente inteligente.
Hace cosas que los modelos tradicionales de generación de imágenes no harían.
Por ejemplo, ante indicaciones densas en conocimiento o que involucran hechos reales, primero busca información real en la web para anclar la imagen en hechos;
Para dibujar códigos QR o gráficos, escribe código en el momento, lo ejecuta, lo calcula con precisión y luego dibuja, e incluso puede usar el resultado renderizado para calibrar la imagen;
El aspecto más contrario a la intuición es la autocorrección: si, después de dibujar, encuentra un error, reflexiona, corrige pequeños detalles, redibuja completamente si la dirección es incorrecta, y si no está seguro, busca información.
Meta afirma que este comportamiento no fue diseñado por ellos, sino que surgió por sí mismo durante el aprendizaje por refuerzo.
Como corregir obtenía mayor recompensa, el modelo aprendió a corregir. Una acción que no se le enseñó explícitamente, emergió por sí sola durante el entrenamiento.
Esta "emergencia" significa que los modelos de imagen también están comenzando a desarrollar una capacidad subyacente similar a la de los modelos de lenguaje: "cuanto más practican, más encuentran sus propias soluciones".
Comparación de la tasa de victoria antes y después de activar la autocorrección (experimento interno de ablación). Generación de texto a imagen 57.1%, edición de imagen única 56.3%, edición de múltiples imágenes 56.6%, las tres superan el 50%, lo que indica que la autocorrección hace que el mango dibuje de manera más consistente y mejor. (Fuente: Blog oficial de Meta AI)
Además, Muse Image sigue un camino similar al de los modelos de lenguaje: cuanto más piensa, mejor dibuja.
En las pruebas, cuantos más recursos de cálculo se le dan, más busca y corrige, y la puntuación Elo de preferencia humana sube, siguiendo aproximadamente una curva logarítmica lineal.
Meta también descubrió que, en lugar de generar varias imágenes de una vez y luego seleccionar la mejor, es mejor invertir la misma potencia de cálculo en razonar cuidadosamente: el primer método deja de mejorar rápidamente, mientras que el segundo continúa avanzando.
Un desarrollador en X resumió con precisión en una frase: los modelos de imagen están comenzando a pensar claramente antes de terminar de dibujar.
Por supuesto, esta no es una dirección exclusiva de Meta.
GPT Image 2 de OpenAI ya lanzó el modo "Thinking" en abril de este año: primero razona y planifica la composición, busca referencias en la web, genera candidatos y luego se autocomprueba, dos meses y medio antes que el mango.
Yendo más atrás, la academia propuso en 2025 el paradigma de "pensar antes de generar".
La carrera de la generación de imágenes está pasando de "competir en calidad" a "competir en capacidad de razonar".
Mango combinado con aguacate, sirviendo ambos a la vez
El mango no lucha solo: está interconectado con Muse Spark ("aguacate"): ambos modelos comparten herramientas y planifican juntos.
El modelo de lenguaje se encarga de pensar y el modelo de imagen de dibujar. Combinados, pueden hacer más que simplemente "crear una imagen".
En la demo oficial, el mango creó un conjunto de materiales de "crianza" para un gato persa de color crema: generó imágenes del gatito, del gato joven y del gato anciano, y luego las empaquetó en un juego web 2048 que se puede jugar directamente.
Mango y Muse Spark trabajaron juntos para generar las seis etapas de Mochi el gato persa, desde gatito hasta anciano, y empaquetarlas en un juego web de síntesis estilo 2048 que se puede jugar. (Fuente: Blog oficial de Meta AI)
Para Meta, desarrollar su propio modelo de generación de imágenes ya es significativo.
Anteriormente, sus funciones de imagen y video dependían de modelos de terceros como Midjourney y Black Forest Labs.
Ahora, con el lanzamiento del mango, una capacidad que se invoca miles de millones de veces al día se convierte en "propia".
En cuanto al modelo de video, Muse Video comparte la misma base de entrenamiento previo con el mango, y se centra en el audio nativo: genera imagen y sonido juntos.
Muse Video actualmente solo está en "vista previa" y aún no se ha abierto oficialmente, pero ya está en Arena realizando pruebas a ciegas, ocupando el tercer lugar en generación de texto a video.
Ranking Elo de la lista de generación de texto a video de Arena, al 5 de julio de 2026. Muse Video en vista previa ocupa el puesto 3 (1459), precedido por Google Gemini Omni Flash (1527) y ByteDance Seedance 2.0 (1482). (Fuente: Arena AI Leaderboard)
Meta tampoco oculta sus puntos débiles, admitiendo directamente que aún hay brechas en la sincronización de audio e imagen y la precisión física de movimientos rápidos.
Mencionar para dibujar tus relaciones sociales en la imagen
Los usos convencionales del mango incluyen:
Fusionar múltiples imágenes de referencia en una, dibujar y anotar directamente sobre una imagen para que la modifique, renderizar claramente caracteres chinos en imágenes sin desenfoque, tomar una foto de una habitación y hacer que la redecore usando productos reales de Facebook Marketplace...
Toma una foto de una habitación, el mango busca muebles de segunda mano reales en venta en Facebook Marketplace y genera una imagen de efecto de remodelación completa. (Fuente: Blog oficial de Meta AI)
En Instagram Stories, trae más de 30 nuevos efectos de IA: transformar fotos al instante al estilo de cámaras desechables, agregar flash nocturno, e incluso ingresar una indicación para crear efectos propios. Por ahora, se lanza primero en EE. UU.
Lo verdaderamente único es esa función de mencionar, una capacidad que ni OpenAI ni Google pueden ofrecer. Pero el problema también está ahí: esta función está activada por defecto.
Si tu Instagram es una cuenta pública, cualquiera puede mencionarte para usar tus fotos y generar imágenes, y tú no recibirás ninguna notificación.
Para desactivarla, debes adentrarte en la configuración, encontrar la sección "Compartir y reutilizar" y desactivarla manualmente. Las imágenes ya generadas no se eliminan al desactivarla.
Wired calificó directamente esta configuración por defecto como un riesgo para la privacidad.
Esta preocupación no es infundada.
En el caso de "Cambridge Analytica", los datos de 87 millones de usuarios se utilizaron sin su consentimiento por parte de una empresa de consultoría política.
Meta recibió por ello una multa de 5000 millones de dólares de la FTC en 2019, la más grande impuesta por el gobierno estadounidense por violaciones de privacidad en ese momento.
En 2021, desactivó voluntariamente todo su sistema de reconocimiento facial, eliminando las plantillas de reconocimiento facial de más de mil millones de personas.
Esta vez, el mango ofrece una funcionalidad que otros no pueden, pero también trae un problema que otros no han tocado.
La baza de Meta no es el modelo
Aunque el mango no lidera en calidad de imagen, su verdadera baza es la distribución.
Esta vez, el mango se integra directamente en Meta AI, Instagram, WhatsApp, y próximamente estará en Facebook y Messenger; los anunciantes también podrán invocarlo a través de Advantage+.
Juntas, estas aplicaciones suman casi 4 mil millones de usuarios activos mensuales, formando la red social más grande del mundo.
Mientras Midjourney y ChatGPT apuestan por "quién dibuja mejor", Meta apuesta por otra cosa: cuando la generación de imágenes por IA se convierta en una acción diaria tan sencilla como publicar en redes sociales, quien esté más cerca del usuario, gana.
Por supuesto, cuanto más amplia sea la distribución de imágenes, más importante es indicar su origen.
Cada imagen generada por el mango lleva una marca de agua invisible llamada Content Seal, que no se puede eliminar recortando, comprimiendo o escalando, específicamente para indicar "esto lo dibujó una IA".
Meta también lanzó una herramienta pública de detección (meta.ai/identification), cualquiera puede subir una imagen para verificar si fue generada por Meta AI.
Esta vez, Meta no solo sigue la tendencia de los "modelos de generación de imágenes que razonan", sino que también posee la red social más grande del mundo.
Solo que, cuando mencionar a un extraño permite usar sus fotos para generar imágenes, dónde están los límites de esto, el mango aún no ha dado una respuesta.
Referencias:
https://ai.meta.com/blog/introducing-muse-image-muse-video-msl/
https://about.fb.com/news/2026/07/introducing-muse-image-meta-ai/
https://x.com/AIatMeta/status/2074587884665901143
Este artículo proviene de la cuenta oficial de WeChat "新智元", autor: ASI启示录; editor: 元宇
