Muse: Medienbearbeitung und Code ohne Verwirrung

Was tatsächlich zu Muse gehört

Zunächst sollte man drei verschiedene Produkte voneinander trennen, sonst wird der Name Muse schnell unübersichtlich. Muse Image arbeitet mit Bildern, Muse Video mit Video, und Muse Code ist für Programmieraufgaben und große Codebasen gedacht.

In Metas offizieller Ankündigung zu Muse Image und Muse Video liegt der Schwerpunkt auf Generierung und Bearbeitung. Muse Image kann aus mehreren Referenzen eine Komposition erstellen und dabei Personen, Objekte, Kleidung, Stile und Umgebungen kombinieren. Meta berichtet außerdem von starken Platzierungen in den Arena-Rankings menschlicher Präferenzen für Bildgenerierung und Bildbearbeitung.

Muse Video wird als Text-zu-Video-Modell beschrieben, das ebenfalls eine hohe Arena-Bewertung erhalten hat. Stand 3. September 2026 bestätigt die offizielle Beschreibung jedoch keinen eigenen Modus zur Objektentfernung oder Frame-Bereinigung, der mit spezialisierten Video-Radierern vergleichbar wäre.

Das Entfernen visueller Störelemente wirkt als Anwendungsfall multimodaler Bearbeitung plausibel. Derzeit ist es aber eine technische Hypothese und keine angekündigte Funktion mit klaren Grenzen. Ich würde besonders auf Hintergrundstabilität, den Erhalt der Geometrie und Flimmern zwischen den Frames achten: Genau dort zeigen solche Pipelines meist ihren Charakter.

Bei Muse Code ist die Lage anders. Zusammenfassungen von Meta-Materialien durch Dritte nennen Ergebnisse von 82,9 auf Terminal-Bench 2.1 und 59,3 auf DeepSWE 1.1. Diese Werte scheinen jedoch mit Metas eigener Evaluierungsumgebung verbunden zu sein und nicht mit unabhängig bestätigten Einträgen in öffentlichen Bestenlisten. Für einen direkten Vergleich mit Wettbewerbern ist es daher noch zu früh.

Wo Muse den Arbeitsablauf wirklich verändern kann

Das interessanteste Szenario für Muse Code ist nicht, ein Projekt von Grund auf zu erzeugen, sondern einen zweiten Durchgang über bereits geschriebenen Code zu machen. Das Modell könnte helfen, überkomplizierte Lösungen zu vereinfachen, unnötige Abstraktionen zu finden und einen kompakteren Patch vorzubereiten.

Ich würde es nicht nach einer eindrucksvollen Demo bewerten, sondern nach der Qualität des Diffs in einem realen Repository: Bleiben die Tests grün, ändert sich das Verhalten nicht, und sinkt die Komplexität tatsächlich? Bei großen Codebasen sind zudem die realen Kontextgrenzen, die Kosten langer Sitzungen und die Stabilität des Agenten entscheidend, auch wenn dazu in den verfügbaren Materialien keine genauen offiziellen Angaben vorliegen.

Vorerst wirkt Muse weniger wie ein universelles Modell als wie ein gemeinsames Dach für unterschiedliche Werkzeuge. Die wichtigste offene Frage betrifft nicht die Punktzahlen, sondern ob Muse Überflüssiges zuverlässig entfernen kann, ohne eine neue Schicht Magie über die alte zu legen.

Wir haben auch Seedance 2.0 in ChatCut analysiert: Das Modell zeigt, wie generative Werkzeuge Dynamik und Physik innerhalb einer Szene bewältigen. Diese Erfahrung hilft bei der Bewertung von Hintergrundbearbeitung und Artefakten in Muse.