배경 및 맥락
이미지·영상 생성 시장은 한 번의 프롬프트로 결과를 내는 모델 품질 경쟁을 넘어, 참조 자료를 찾고 도구를 사용하며 산출물을 반복 수정하는 작업형 생성 시스템으로 이동하고 있다. 특히 제품·마케팅·디자인 업무에서는 사실성, 텍스트·도표 정확도, 여러 레퍼런스의 일관된 합성이 결과의 실용성을 좌우한다.
Meta Superintelligence Labs는 2026년 7월 7일 Muse Image를 출시하고 Muse Video를 프리뷰했다. 이는 Meta AI, meta.ai, 미국 Instagram Stories, 일부 국가의 WhatsApp에 우선 적용되며, Video는 크리에이터와 Meta AI에 순차 제공될 예정이다.
핵심 내용
Muse Image는 생성 중 search와 code 실행 도구를 호출할 수 있다. 검색은 최신 사실·시각 자료에 grounding을 제공하고, 코드는 QR 코드나 그래프처럼 정확한 구조가 필요한 이미지를 생성한 뒤 렌더 결과를 조건으로 다시 개선하는 데 쓰인다. 모델은 작은 오류면 로컬 편집, 큰 오류면 재생성, 사실성 문제면 도구 사용으로 전략을 바꾸는 self-refinement을 수행한다.
Meta는 test-time compute를 늘릴수록 더 많은 추론·도구 호출·수정 단계를 거치며 내부 human-preference Elo가 대략 log-linear하게 개선된다고 설명했다. Muse Image는 공개 시점 Arena에서 text-to-image 및 single/multi-image editing 인간 선호 Elo 2위, Muse Video는 text-to-video 3위라고 제시했다. Muse Video는 native audio를 지원하지만 audio-video sync와 빠른 물리 움직임은 추가 개선 영역으로 명시했다.
경쟁 구도 / 비교
일반적인 diffusion 또는 autoregressive 미디어 모델이 입력 조건에서 한 번의 출력을 최적화하는 데 비해, Muse Image는 검색·코드·재생성을 포함한 agent loop를 모델의 추론 시간에 넣는다. 따라서 단순한 이미지 품질 비교만으로는 실제 운영 비용과 지연 시간을 판단할 수 없다. 더 긴 reasoning budget이 더 나은 결과를 낼 수 있지만, 도구 호출과 재시도로 요청당 비용·관찰해야 할 실패 지점도 늘어난다.
Meta는 생성물에 crop·compression·resize·screenshot 뒤에도 남는 invisible watermark인 Content Seal을 적용하고 검출 도구를 프리뷰했다. 이는 생성 품질뿐 아니라 provenance를 제품 기능에 포함하려는 접근으로, 공개형 생성 도구의 신뢰·검증 계층에서 차별점이 될 수 있다.
의미
멀티모달 생성의 다음 병목은 모델의 1회 추론 성능보다, 외부 정보 접근과 자기검토를 안전하게 오케스트레이션하는 runtime이 될 가능성이 높다. 팀은 이미지 기능의 품질 평가에 prompt adherence뿐 아니라 search 오염, code execution 격리, tool-call 예산, 수정 이력, provenance 보존을 포함해야 한다.
제품 조직은 Creator UX에서 “생성” 버튼을 끝점으로 보지 말고, 레퍼런스 수집→초안→검토→수정→출처 확인의 workflow로 설계할 필요가 있다. 이때 watermark 검출 결과와 편집 후 신호 보존 여부는 콘텐츠 배포 정책의 일부가 된다.