Muse: edición de medios y código sin confusiones

Qué incluye realmente Muse

Lo primero es separar tres productos diferentes; de lo contrario, el nombre Muse se vuelve confuso muy rápido. Muse Image trabaja con imágenes, Muse Video con vídeo y Muse Code está pensado para tareas de programación y grandes bases de código.

El anuncio oficial de Meta sobre Muse Image y Muse Video pone el foco en la generación y la edición. Muse Image puede crear una composición a partir de varias referencias, combinando personas, objetos, ropa, estilos y entornos. Meta también informa de posiciones destacadas en los rankings Arena de preferencias humanas para generación y edición de imágenes.

Muse Video se describe como un modelo de generación de vídeo a partir de texto que también recibió una valoración alta en Arena. Sin embargo, a fecha del 3 de septiembre de 2026, la descripción oficial no confirma un modo específico para eliminar objetos o limpiar fotogramas, comparable a los borradores de vídeo especializados.

Eliminar elementos visuales no deseados parece un caso de uso plausible de la edición multimodal. Pero por ahora es una hipótesis de ingeniería, no una función anunciada con límites claros. Conviene observar la estabilidad del fondo, la conservación de la geometría y el parpadeo entre fotogramas: ahí es donde estos flujos de trabajo suelen mostrar sus límites.

Con Muse Code la situación es distinta. Resúmenes de terceros sobre materiales de Meta citan resultados de 82,9 en Terminal-Bench 2.1 y 59,3 en DeepSWE 1.1. Sin embargo, esas cifras parecen estar vinculadas al entorno de evaluación propio de Meta y no a registros verificados de forma independiente en tablas públicas, por lo que aún es pronto para compararlas directamente con la competencia.

Dónde Muse puede cambiar realmente el flujo de trabajo

El caso más interesante para Muse Code no es generar un proyecto desde cero, sino actuar como una segunda revisión del código ya escrito. El modelo puede ayudar a simplificar soluciones demasiado complejas, detectar abstracciones innecesarias y preparar un parche más compacto.

No lo evaluaría por una demostración llamativa, sino por la calidad del diff en un repositorio real: ¿siguen pasando las pruebas, se mantiene el comportamiento y baja de verdad la complejidad? En grandes bases de código también son cruciales los límites reales de contexto, el coste de las sesiones largas y la estabilidad del agente, aunque no haya cifras oficiales precisas disponibles.

Por ahora, Muse parece menos un modelo universal que una marca común para distintas herramientas. La pregunta abierta principal no son los puntos obtenidos, sino si Muse puede eliminar lo superfluo de forma consistente sin añadir una nueva capa de magia sobre la anterior.

También analizamos Seedance 2.0 en ChatCut: el modelo muestra cómo las herramientas generativas resuelven el movimiento y la física dentro de una escena. Esta experiencia ayuda a evaluar la calidad del procesamiento de fondos y los artefactos en Muse.