Muse: редактирование медиа и код без путаницы

Что на самом деле входит в Muse

Я бы здесь первым делом развёл три разных продукта, иначе название Muse быстро превращается в кашу. Muse Image работает с изображениями, Muse Video с видео, а Muse Code предназначен для задач программирования и больших кодовых баз.

В официальном анонсе Meta о Muse Image и Muse Video основной акцент сделан на генерации и редактировании. Muse Image умеет собирать композицию из нескольких референсов, комбинируя людей, объекты, одежду, стили и окружение. Meta также сообщает о высоких позициях модели в рейтингах человеческих предпочтений Arena для генерации и редактирования изображений.

Muse Video описывается как модель генерации видео по тексту, которая также получила высокую оценку в Arena. При этом к 3 сентября 2026 года в официальном описании нет подтверждения отдельного режима удаления объектов или очистки кадров, сопоставимого со специализированными видеоластиками.

Практический сценарий с уборкой визуального мусора выглядит правдоподобно как частный случай мультимодального редактирования. Но это пока именно инженерная гипотеза, а не заявленная функция с понятными ограничениями. Я бы отдельно смотрел на стабильность фона, сохранение геометрии и мерцание между кадрами: именно там такие пайплайны обычно показывают характер.

С Muse Code ситуация другая. Сторонние пересказы материалов Meta приводят результаты 82,9 на Terminal-Bench 2.1 и 59,3 на DeepSWE 1.1. Однако эти числа связывают с собственным оценочным контуром Meta, а не с независимо подтверждёнными записями в публичных таблицах, поэтому сравнивать их напрямую с конкурентами рано.

Где Muse действительно меняет рабочий процесс

Самый интересный сценарий для Muse Code не генерация проекта с нуля, а роль второго прохода по уже написанному коду. Модель может оказаться полезной для упрощения переусложнённых решений, поиска лишних абстракций и подготовки более компактного патча.

Я бы оценивал её не по эффектному демо, а по качеству диффа на реальном репозитории: сохраняются ли тесты, не меняется ли поведение и действительно ли падает сложность. Для больших кодовых баз также критичны фактические пределы контекста, стоимость длинных сессий и устойчивость агента, хотя точных официальных значений в доступных материалах здесь нет.

Пока Muse выглядит не одной универсальной моделью, а общей вывеской над разными инструментами. И главный открытый вопрос не в баллах, а в том, умеет ли Muse последовательно убирать лишнее, не создавая новый слой магии поверх старого.

Мы также разбирали Seedance 2.0 в ChatCut: модель показывает, как генеративные инструменты справляются с динамикой и физикой в кадре. Этот опыт полезен при оценке качества обработки фона и артефактов в Muse.