Metas neue Image- und Videomodelle schlagen Nano Banana

Spitzenplätze in den Arena-Benchmarks

Die neuen Modelle steigen direkt auf den vorderen Plätzen der LM-Arena-Ranglisten ein. Im Bereich der Bildbearbeitung (Image Edit Arena) belegt Muse Image mit 1405 Punkten den zweiten Platz knapp hinter OpenAIs Spitzenreiter gpt-image-2, das 1466 Punkte erreicht. Damit platziert sich das Modell vor sämtlichen Varianten von Googles Nano-Banana-Reihe. Die Versionen nano-banana-pro und nano-banana-2 erreichen dort lediglich 1388 beziehungsweise 1387 Punkte.

Im Text-zu-Bild-Vergleich sichert sich Muse Image mit 1280 Punkten ebenfalls den zweiten Platz hinter gpt-image-2, welches mit 1385 Punkten führt. Das Modell von Meta liegt damit vor Konkurrenten wie reve-2.0 mit 1271 Punkten sowie der Websuche-Variante von nano-banana-2 mit 1270 Punkten.

Die zeitgleich als Vorschau präsentierte Videovariante Muse Video belegt in der Video-Arena mit 1459 Punkten den dritten Platz. Einzig das überragende Seedance 2 und das neue Gemini Omni Flash liegen noch davor.

Integrierte Websuche und Code-Prüfung

Muse Image bindet während des Generierungsprozesses externe Datenquellen und Programmiercode ein. Das Modell nutzt eine Websuche, um die historische und faktische Genauigkeit von Bildinhalten zu erhöhen. Ohne diese Suche sinkt die Korrektheit bei komplexen Details erheblich.

Herstellereigene Daten zeigen, dass die Suche die korrekte Darstellung von Identitäten auf 70,2 Prozent verbessert, während ohne Websuche nur 29,8 Prozent erreicht werden. Bei bekannten Marken liegt die Genauigkeit mit Suche bei 67,9 Prozent, bei Sehenswürdigkeiten bei 67,3 Prozent und bei allgemeinen Fakten bei 56,6 Prozent. In der Praxis sucht das Modell nach aktuellen Modetrends, scannt Produktkataloge nach passenden Kleidungsstücken und fügt Links zu realen Produkten ein.

Muse Image kann außerdem Programmiercode autonom ausführen, um Zwischenergebnisse zu überprüfen. Bei der Erstellung eines Konferenzplakats für die ICML 2025 generierte das Modell einen funktionierenden QR-Code für die Adresse meta.ai. Vor der finalen Bildausgabe prüfte das Modell eigenständig per Code-Ausführung, ob der QR-Code fehlerfrei codiert ist und verlässlich auf die Ziel-Website leitet.

Komplexe Kompositionen aus mehreren Vorlagen

Das Modell verarbeitet komplexe Prompts, die auf mehreren Bildreferenzen gleichzeitig basieren. In einem Anwendungsbeispiel kombinierte Muse Image die Porträtfotos von vier Personen, das Bild eines bestimmten Fahrrads, die Vorlage eines Anzugs und eine Vogelzeichnung als Stilvorgabe zu einer homogenen Aquarellzeichnung. All diese Komponenten wurden präzise nach den strukturellen Vorgaben im Ausgabebild zusammengeführt.

Anwender können bestehende Aufnahmen modifizieren oder reparieren. Ein Beispiel zeigt die Umgestaltung eines Wohnzimmers, bei dem die Raumstruktur vollständig erhalten bleibt, die Einrichtung jedoch exakt in den minimalistischen »Japandi«-Stil übersetzt wird.

Das Modell eignet sich ebenso für die Restaurierung alter Fotografien. Es entfernt Farbverschiebungen, Unschärfen und Verblasstheit, während der ursprüngliche Bildaufbau und die historische Bildstimmung unangetastet bleiben.

Muse Video mit nativer Tonspur

Meta gewährt zeitgleich eine erste Vorschau auf Muse Video. Das Modell nutzt dieselbe Trainingsbasis wie Muse Image. Diese gemeinsame technische Grundlage liefert laut Meta eine besonders hohe visuelle Qualität bei den erzeugten Clips.

Abgesehen von der nativen Audiounterstützung fehlen sonst aber noch viele Details. Das Modell soll aber ebenfalls bald erscheinen in Meta AI.

Unsichtbare Kennzeichnung durch Content Seal

Meta integriert das unsichtbare Wasserzeichensystem Content Seal, um die Identifikation von KI-generierten Inhalten zu erleichtern. Dieses bettet ein verstecktes Herkunftssignal in die Bilddaten ein, das auch nach dem Zuschneiden, Komprimieren, Verändern der Größe oder dem Erstellen von Screenshots intakt bleibt.

Das Unternehmen stellt ein Erkennungs-Tool bereit, mit dem Nutzer Bilder auf das Vorhandensein dieses Signals überprüfen können. Eine Ausweitung dieser Schutzmaßnahme auf Videodateien befindet sich in der Vorbereitung.

Die Funktion wird schrittweise in ausgewählten Ländern innerhalb der Meta-AI-Anwendung, auf der eigenen Website sowie in den Storys von Instagram und bei WhatsApp eingeführt.