Meta Muse Image: Das Modell, die API und das Bild zum Pauschalpreis von 0,01 $

Wenn du nach dem disambiguierten Namen gesucht hast und hier gelandet bist, lautet die kurze Antwort: Meta Muse Image ist Metas agentisches Bildgenerierungs- und -bearbeitungsmodell, es ist proprietär statt offener Gewichte, und du rufst es über Metas eigene Model API unter der Kennung muse-image-1.0 auf, zu einem Pauschalpreis von 0,01 $ pro generiertem Bild, wobei die Suchbasierung in diesem Preis enthalten ist. Das ist die vollständige Antwort auf die Frage, die die Suche stellt, und alles Folgende ist die Referenz dafür – was das Modell tut, wie man es erreicht, was die Abrechnungseinheit tatsächlich ist, was Meta über Provenienz dokumentiert und wo die Dokumentation endet.

Zwei Dinge zur Daseinsberechtigung dieser Seite sollte man klar benennen, denn diese Modellfamilie wurde bereits mehr als einmal angekündigt, und ein zweiter Ankündigungsartikel wäre eine Dopplung einer Berichterstattung, die wir bereits fahren. Dies hier ist die kanonische Referenzseite zum Namen: das Ziel, das ein Leser nach der Suche nach ihm erreicht. Ihre Daseinsberechtigung ist eine dauerhafte Nachfrage, die wir am 29. September 2026 aus erster Hand gemessen haben – Leserinnen und Leser tippen die disambiguierte Form dieses Namens in drei Schreibweisen ein, in Hunderten von Impressionen, auf einer Position, die wir eher dem Zufall anderer Seiten verdanken als dem Umstand, dass wir eine Seite geschrieben hätten, die wie diese hier geformt ist, und sie konvertiert nahezu gar nicht, weil nichts, was wir veröffentlichen, wie eine Referenz geformt ist. Diese Messung ist eine Tatsache darüber, was Menschen eintippen, und sonst nichts; über die Qualität oder Beliebtheit des Modells in der Welt sagt sie nichts. Und der datierbare Anker dient hier als Tatsache zur Datierung des Modells, nicht als Ereignis, über das berichtet wird: Metas Launch-Post zu Muse Image und Muse Video trägt eine Datumszeile vom 7. Juli 2026 und beschreibt das Modell als an diesem Datum „ab heute verfügbar" über Metas Verbraucher-Oberflächen hinweg, sodass der 7. Juli 2026 das Startdatum ist, von dem diese Seite ausgeht. Jede Zahl im Folgenden wurde am 29. September 2026 aus Metas eigenen Seiten abgelesen, sofern der Satz nichts anderes sagt.

Was Muse Image eigentlich ist

Metas eigene Einzeiler-Beschreibung ist der richtige Ausgangspunkt, denn sie leistet echte Arbeit und ist kein Marketing: Muse Image ist „eine agentische Bildgenerierung, durch Suche fundiert und für Produktionsvolumina zu 0,01 $/Bild bepreist“. Auf Metas Modellseite ist die Funktionsfläche in vier Arbeitsmodi unterteilt – Bildgenerierung, präzise Bearbeitung, verankerte Komposition und mehrstufige Verfeinerung –, und die Entwicklerdokumentation komprimiert dasselbe zu einem Satz: „Muse Image generiert und bearbeitet Bilder aus einer Konversation.“

Die entscheidende Behauptung, in Metas Worten, ist, dass Muse Image „ein Bildmodell ist, das überlegt, bevor es rendert.“ Metas Launch-Post macht das konkret statt nur theoretisch: „Anstatt Prompts direkt auf Bilder abzubilden, agiert Muse Image als Agent: Es ruft Such- und Coding-Tools auf, um die Genauigkeit zu verbessern, verfeinert seine eigenen Generierungen selbst und verbessert sich durch Skalierung der Rechenleistung zur Testzeit.“ In der Praxis bedeutet das, dass das Modell plant, bevor es zeichnet, Live-Referenzen aus dem Web heranzieht, wenn ein Prompt reale Fakten berührt, und Code schreibt und ausführt, wenn es auf Präzision ankommt – der Weg, den Meta für präzise Diagramme und QR-Codes beschreibt – und dann das Ergebnis prüft, bevor es dieses zurückgibt.

Die drei Fähigkeiten, die Meta zuerst nennt, sind die, anhand derer man es bewerten sollte, und sie stehen in Metas eigenem Satz: Muse Image „folgt Anweisungen zuverlässig, bearbeitet präzise und komponiert aus mehreren Referenzen“. Die Behauptung zur Bearbeitung ist die schärfste der drei, denn sie ist eine Behauptung über Zurückhaltung statt über Output: Metas Modellseite sagt, das Modell sei „darauf ausgelegt, genau das zu ändern, was man angibt, und alles andere unangetastet zu lassen“, und unterstütze iterative Verfeinerung über mehrere Turns hinweg statt One-Shot-Bearbeitungen. Die Komposition ist der Bereich, in dem der Modus „anchored composition“ liegt – er verankert „eine ganze Serie von Generierungen an einem kleinen Set von Referenzbildern, damit Charakter, Stil und Setting von einem Bild zum nächsten konsistent bleiben“, und genau diese Fähigkeit zählt, wenn man einen Katalog oder ein Anzeigenset statt eines einzelnen Bildes erstellt. Zusammengenommen sind das die Behauptungen, die ein Bildmodell, mit dem man generiert, von einem unterscheiden, auf dem man eine Pipeline aufbaut, und es sind Herstellerbehauptungen: Meta veröffentlicht für dieses Modell keinen unabhängigen Benchmark für Instruction-Following oder Edit-Treue.

Beim agentischen Framing geht es nicht nur um Tools. Meta dokumentiert Muse Image als Paarung mit Muse Spark, seinem Reasoning-Modell, sodass „die beiden Modelle Tools gemeinsam nutzen und gemeinsam für leistungsstarke agentische Mediengenerierung planen“ – das dokumentierte Beispiel sind mehrteilige Ausgaben wie animierte GIFs, Seiten mit eingebetteten Bildern und kleine interaktive Spiele. Wenn Sie etwas bauen, das generierte Bilder mit generiertem Text oder Code mischt, ist diese Paarung der Teil des Designs, den es zu verstehen lohnt, und sie ist der Grund, warum das Modell über dieselbe API und dieselbe Authentifizierung wie Muse Spark bereitgestellt wird statt über einen separaten Bild-Endpunkt mit eigenen Zugangsdaten.

Wie man es nennt: die API-Oberfläche

Muse Image is reached through Meta's Model API, and the developer documentation is specific about the shape of that call. The model identifier is muse-image-1.0, passed as the model field on every request. Requests go to the base URL https://api.meta.ai/v1 with a bearer token — the documentation notes that it uses the same base URL and auth as Muse Spark — and there are two image endpoints plus a conversational one:

• Generieren — POST /v1/images/generations, Text-Prompt rein, Bild raus.

• Bearbeiten — POST /v1/images/edits, Prompt plus Eingabebilder für Image-to-Image-Arbeit.

• Über mehrere Turns hinweg verfeinern — POST /v1/responses, die Responses API, über die der dokumentierte Multi-Turn-Ablauf funktioniert.

Bei den Images-Endpunkten gibt es nur wenige dokumentierte Parameter, und es lohnt sich, sie sich einzuprägen, denn sie bestimmen die Kosten und das Ausgabeformat. n akzeptiert 1 bis 10 und hat den Standardwert 1. size akzeptiert eine Zeichenkette im Format "WxH" wie z. B. 1792x1024, und die Dokumentation stellt ausdrücklich klar, dass es auf diesen Endpunkten "nur das Seitenverhältnis festlegt, nicht exakte Pixel" – verstehen Sie es nicht als Auflösungsgarantie. response_format ist b64_json standardmäßig oder url, und output_format ist webp standardmäßig, wobei png und jpeg verfügbar sind. Das agentische Verhalten ist umschaltbar: Die Images-Endpunkte nehmen eine tool_enablement-Erweiterung, die enable_image_search, enable_web_search und enable_shell abdeckt, und eine reasoning_strength von high (Standard) oder low. Das Herabsetzen des Reasonings ist der Hebel für Kosten und Latenz, und es ist das Erste, was man an den eigenen Prompts A/B-testen sollte, statt es einfach zu glauben.

Bei der Responses-API befinden sich dieselben Steuerelemente in einem image_generation-Tool-Objekt in tools, wobei Bildsuche, Websuche und Shell standardmäßig alle aktiviert sind und das Ausgabearray in einer festen Reihenfolge zurückkommt: ein Reasoning-Element, das zusammenfasst, was das Modell geplant und nachgeschlagen hat, ein Nachrichten-Element, dann ein image_generation_call-Element pro Bild. Das Bild selbst befindet sich im result-Feld dieses Elements als Base64, und seine id ist als signierter Handle dokumentiert, den man zurückgibt, um dasselbe Bild in einem späteren Turn weiter zu bearbeiten. Dieser Handle ist der Mechanismus hinter der Multi-Turn-Verfeinerung — er ist der Weg, um ein erneutes Hochladen eines Bildes zu vermeiden, nur um ein Detail daran zu ändern. Beide Bilder-Endpunkte akzeptieren außerdem stream: true, wobei image_generation.completed für die Generierung und image_edit.completed für Bearbeitungen ausgegeben werden. Die Model API ist als drop-in-kompatibel mit dem OpenAI SDK, dem Anthropic SDK und OpenAI-kompatiblen Agent-CLIs dokumentiert, sodass ein bestehender Bildaufruf eher eine Änderung des Modell-Strings als eine Neufassung ist.

Eine Warnung, die in die Referenz gehört und nicht in eine Fußnote: Meta hat für Muse Image keine Rate Limits veröffentlicht, die wir hätten lesen können. Die Seite mit den Rate Limits auf Metas eigener Entwickler-Website lieferte nur eine Hülle ohne Zahlen darauf – genau wie die Preisseite. Wenn der Durchsatz für Ihr Design eine Rolle spielt, ist das eine Unbekannte, die Sie aus der API und nicht aus der Dokumentation erfahren werden.

Der Preis und die Einheit, in der er angegeben wird

Ein Cent pro Bild. Diese Zahl stammt von Metas eigener Modellseite für Muse Image, die das Modell in einer Preistabelle aufführt, in der sowohl Search Grounding als auch Reasoning als enthalten markiert sind und der Preis als $0.01/image angegeben wird; die Entwicklerdokumentation wiederholt dies mit den Worten: „Muse Image wird mit einem Pauschalpreis von 0,01 $ pro generiertem Bild abgerechnet." Die Einheit ist das Bild, nicht das Token — die Dokumentation sagt dies direkt („Muse Image wird nicht pro Token abgerechnet") — und das ist wichtig, weil Bild-APIs, die ihre Nutzung in Token melden, üblicherweise in Token abgerechnet werden. Muse Image gibt einen Usage-Block mit Eingabe- und Ausgabe-Tokenanzahl zurück, und diese Angaben sind lediglich informativ.

Aus der Einheit ergeben sich drei Abrechnungsdetails. Erstens, n ist ein Multiplikator: Eine Anfrage, die zehn Bilder zurückgibt, wird für zehn Bilder abgerechnet, sodass der 1–10 Parameter sowohl eine Ausgabenkontrolle als auch ein Komfortmerkmal ist. Zweitens wird ein Fehlschlag nicht abgerechnet – Bilder, die nicht generiert werden können oder die durch Sicherheitsfilter entfernt werden, bevor sie zurückgegeben werden, werden nicht gezählt. Drittens ist die Suchverankerung im Preis pro Bild enthalten und nicht als separater Posten; Metas Dokumentation gibt an, dass sie "Teil des Preises pro Bild ist, sodass keine separate Gebühr für die Suchverankerung anfällt." Dieser letzte Punkt ist derjenige, der den Preis für agentische Arbeit bedeutsam macht: Ein Modell, das vor dem Rendering das Web durchsucht, kann mehrere Tool-Aufrufe hinter einer einzigen Ausgabe generieren, und Meta stellt klar, dass die Tool-Aufrufe nicht separat vom Bild abgerechnet werden.

Wir konnten die Zahl nicht anhand einer Preisliste bestätigen, und das sollte man erwähnen, statt es zu übergehen. Jede Preis-URL unter Metas Entwickler-Domain, die wir abgerufen haben, lieferte eine Seitenhülle ohne Dollarbeträge zurück, sodass die Modellseite und die Dokumentation zur Bildgenerierung die beiden Orte sind, an denen diese Zahl als lesbare Angabe existiert. Wenn Sie für die Beschaffung eine zweite Quelle benötigen: Auf Metas Website gibt es heute keine.

Was ein Cent in der Praxis bewirkt, ist keine Ermäßigung, sondern eine veränderte Entscheidung. Metas eigene Formulierung auf der Modellseite lautet, dass das Modell „es Ihnen ermöglicht, Workloads auszuführen, die durch Frontier-Preise zuvor unerreichbar waren“ – Generierung von Anzeigenvarianten, Katalogbilder und Personalisierung pro Nutzer – und bei diesem Preis kosten hunderttausend Bilder rund 1.000 $. Wenn Sie diesen Preis gegen die Premium-Bildmodelle abwägen, für die Sie möglicherweise bereits bezahlen, ist der sinnvolle Schritt, beide mit Ihren eigenen Prompts und Ihrer eigenen Evaluierung laufen zu lassen; und ein Cent pro Bild macht diesen Vergleich günstig genug, um ihn tatsächlich durchzuführen.

Provenienz: Was Content Seal klärt und was nicht

Meta liefert mit diesem Modell ein unsichtbares Wasserzeichensystem aus und dokumentiert es präzise genug, dass es sich zu zitieren lohnt: „Muse Image enthält Content Seal, unser unsichtbares Wasserzeichensystem. Bilder, die von Muse Image in der Meta AI-App und auf meta.ai erstellt wurden, tragen ein verborgenes Provenienzsignal, das intakt bleibt – selbst wenn sie zugeschnitten, komprimiert, in der Größe geändert oder per Screenshot erfasst werden.“ Meta sagt, es plane, Content Seal auf Video auszuweiten, und gibt einen Ausblick auf ein Erkennungstool, mit dem man prüfen kann, ob ein Bild die Markierung trägt.

Lesen Sie den Geltungsbereich dieses Satzes sorgfältig, denn er ist enger gefasst, als es zunächst den Anschein hat. Das Provenienzsignal wird als von Bildern getragen beschrieben, die in der Meta AI App und auf meta.ai erstellt wurden – den Consumer-Oberflächen –, und Metas Modellseite und API-Dokumentation sagen nichts darüber aus, ob Bilder, die über die Model API generiert werden, dieselbe Kennzeichnung tragen. Wir konnten keine Aussage in die eine oder andere Richtung finden, also behandeln Sie Content Seal als Provenienzfunktion für Consumer-Oberflächen und gehen Sie nicht davon aus, dass sie bei einer API-generierten Datei mitgeführt wird, bis Sie die Ausgabe aus Ihrem eigenen Konto getestet haben. Unabhängig davon stammte der eine Test des Detektors, über den wir berichtet haben, von Reuters; dort stellte man fest, dass er nach dem Zuschneiden die Mehrheit der mit Wasserzeichen versehenen Bilder nicht verifizieren konnte. Dieser Befund und die dazugehörige Abbildung werden in unserem Erklärartikel zu diesem Modell behandelt, der die Seite ist, die Sie für das Argument zur Provenienz lesen sollten, und nicht diese hier.

Wo es läuft

Metas eigene Verfügbarkeitserklärung aus dem Launch-Beitrag: Muse Image „ist ab heute in der Meta AI App und auf meta.ai, in Instagram Stories in den USA sowie in WhatsApp in einer begrenzten Anzahl von Ländern verfügbar und wird in Kürze auf Facebook verfügbar sein.“ Das sind Metas Worte, und die Oberflächen sind Metas eigene Produkte – es gibt keine Warteliste, keinen Einladungscode und keine separate Anmeldung für irgendeine dieser Oberflächen. Auf der Entwicklerseite wird das Modell über die Model API bereitgestellt, wofür die oben genannte Kennung und die oben genannten Endpunkte stehen. Metas Modellseite listet außerdem Inferenzplattformen von Drittanbietern als eine der Möglichkeiten auf, das Modell zu betreiben; wir nennen sie hier nicht, und nichts auf dieser Seite sollte als Aussage über Bedingungen oder Tarife auf irgendeiner anderen Oberfläche als Metas eigener API gelesen werden.

Meta hat kein Datum dafür veröffentlicht, wann Muse Image auf der Model API verfügbar wurde, und in Metas Entwicklerdokumentation steht kein solches Datum. Das einzige Datum, von dem diese Seite ausgeht, ist das Veröffentlichungsdatum des Modells selbst, der 7. Juli 2026, ermittelt aus der Datumszeile von Metas eigener Ankündigung. Wenn du die API-Oberfläche statt des Modells datierst, sag, was Meta sagt, nämlich nichts.

Offene Gewichte oder proprietär? Proprietär — und die Familie hat beides

Das ist die Frage, bei der Leser in dieser Familie am häufigsten danebenliegen, deshalb lohnt es sich, sie direkt zu beantworten. Muse Image ist proprietär.Metas Entwicklerdokumentation zieht die Grenze ausdrücklich: Die Modelle, die man über die Model API aufruft – Muse Spark, Muse Image, Muse Voice Transcribe und SAM – werden bereitgestellt, und „Muse Glimmer geht einen anderen Weg: Man lädt die offenen Gewichte herunter und betreibt es auf eigener Hardware, statt es über die Model API aufzurufen“, und zwar unter einer permissiven Apache-2.0-Lizenz. Muse Glimmer ist der Open-Weight-Pfad in dieser Familie, und es ist ein anderes Modell: ein multimodales Modell, das aus Muse Spark destilliert wurde, keine offene Veröffentlichung von Muse Image. Auf Metas Seite für Muse Image wird keine Lizenz genannt und es werden keine Gewichte angeboten, weil es keine anzubieten gibt. Wenn Self-Hosting eine harte Anforderung ist, ist Muse Glimmer das Modell, das man prüfen sollte; wenn man das hier beschriebene Bildmodell möchte, ruft man Metas API auf und zahlt pro Bild.

Was Meta zu ranken behauptet, gekennzeichnet als Metas Behauptung

Metas Launch-Post besagt: „Muse Image belegt zum Zeitpunkt der Erstellung Platz 2 auf Arena für Text-zu-Bild, Einzelbildbearbeitung und Mehrbildbearbeitung, gemessen an Elo-Rankings nach menschlicher Präferenz.“ Zwei Dinge an diesem Satz sind wichtig, und beide stammen aus Metas eigener Formulierung. Es ist ein vom Anbieter gemeldetes Ranking, kein unabhängiger Wert, und es ist ein Human-Preference-Elo-Rang statt eines Benchmark-Ergebnisses auf einem festen Prüfstand – ein Unterschied, der dann wirklich etwas ausmacht, wenn der Abstand zwischen den beiden obersten Positionen kleiner ist als die Fehlermarge einer Elo-Bewertung, die auf einer begrenzten Anzahl von Stimmen beruht. Die Diagramme, die Meta zusammen mit der Behauptung veröffentlicht, sind mit „Stand 5. Juli 2026“ datiert, und die Behauptung selbst ist mit „zum Zeitpunkt der Erstellung“ eingeschränkt, sodass es sich um eine Momentaufnahme eines Live-Leaderboards handelt, das von einer Partei mit Eigeninteresse zitiert wird, nicht um einen gefestigten Rang.

Derselbe Beitrag enthält eine Skalierungsgrafik, die Meta für Sie kennzeichnet: Das Diagramm, das zeigt, wie die Qualität mit Reasoning steigt, trägt die Bildunterschrift „Elo aus interner Ablation“. Das ist eine anbieterinterne Messung und nicht mit einem Drittanbieter-Board vergleichbar. Metas Argument ist, dass sich die Qualität mit Test-Time-Compute in einem annähernd log-linearen Zusammenhang verbessert und dass sich Reasoning und Tool-Nutzung in Kombination gegenseitig verstärken — eine interne Ablation, die als solche deklariert wird.

Unabhängige Positionen für dieses Modell existieren, auf Boards, die nicht zu Meta gehören, und wir haben darüber berichtet: Unser Erklärartikel enthält die Image-Boards von Artificial Analysis und die Arena-Positionen mit ihren Zahlen, und die beiden Matchup-Seiten stellen diese Zahlen neben namentlich genannte Rivalen. Wenn Sie das unabhängige Bild und nicht das des Anbieters möchten, lesen Sie es dort. Diese Seite gibt diese Zahlen nicht erneut wieder, und eine davon muss ohnehin sorgfältig gelesen werden, weil Artificial Analysis nur Bildmodelle bewertet, die mit einer aufrufbaren API ausgeliefert werden — eine unabhängige Position zu Muse Image ist also eine Aussage über Model API, nicht über die Meta AI app.

Was die Dokumentation nicht beantwortet

Eine Referenzseite ist nur dann nützlich, wenn sie sagt, wo der Datensatz endet – hier also, was wir am 29. September 2026 nicht von Meta in Erfahrung bringen konnten. Für Muse Image gibt es kein veröffentlichtes Rate Limit. Es gibt kein veröffentlichtes Latenzprofil, keine Erfolgsquote und keine unabhängige Bewertung der agentischen Schleife unter Produktionslast – der Preis pro Bild ist dokumentiert, der Betriebsrahmen jedoch nicht. Es gibt keinen Benchmark zur Instruktionsbefolgung oder zur Bearbeitungstreue von unabhängiger Seite, und Meta veröffentlicht selbst keine entsprechende Zahl; die Benchmark-Grafik auf Metas Modellseite enthält keine lesbaren Zahlen. Es gibt keine Lizenzangabe, denn das Modell ist nicht zum Download lizenziert. Und das Datum, an dem Muse Image über die Model API aufrufbar wurde, wird nirgends in Metas Dokumentation genannt. Keine dieser Lücken ist ein Grund, das Modell zu meiden – ein Bild für einen Cent inklusive Such-Grounding ist allein deshalb einen Test wert –, aber jede Einzelne ist ein Grund zu messen, statt anzunehmen, bevor eine Pipeline davon abhängt.

Das Urteil für einen Entwickler

Meta Muse Image ist eine Bewertung wert, wenn Ihr Problem Volumen ist: Katalogbilder, Werbevarianten, nutzerspezifische Personalisierung, alles, wo der Frontier-Preis pro Bild das war, was das Projekt gekillt hat. Der Stückpreis ist dokumentiert, die Einheit ist eindeutig, Fehlschläge werden nicht berechnet, und Such-Grounding ist im Preis enthalten statt separat berechnet zu werden, was in diesem Markt ungewöhnlich genug ist, um die Schlagzeile zu sein. Es ist nicht wert, blind übernommen zu werden, denn alles jenseits des Preises — Durchsatz, Latenz, wie zuverlässig die agentische Schleife bei Ihren Prompts zum Abschluss kommt, ob Herkunftssignale mit der API-Ausgabe übertragen werden — ist undokumentiert, und die Ranking-Behauptung des Anbieters ist eine Human-Preference-Position, die zu einem Zeitpunkt zitiert wird, statt ein gemessenes Ergebnis zu sein. Die ehrliche Form einer Entscheidung hier ist ein Ein-Cent-Experiment gegen das Bildmodell, das Sie bereits ausliefern, mit Ihren eigenen Prompts, mit dem günstigen Fehlermodus und einem bewährten Fallback dahinter. Für das, was dieses Modell ist, wie es aufgerufen wird und was es kostet, ist diese Seite die Referenz; für die Frage, ob es in Ihren Stack gehört, zählen nur die Zahlen, die Sie selbst generieren.