Meta Muse Image: el modelo, la API y la imagen a $0.01 fijo

Si buscaste el nombre desambiguado y llegaste aquí, la respuesta breve es esta: Meta Muse Image es el modelo agéntico de generación y edición de imágenes de Meta, es propietario en lugar de pesos abiertos, y se invoca a través de la propia Model API de Meta bajo el identificador muse-image-1.0 a un precio fijo de $0.01 por imagen generada, con la fundamentación de búsqueda incluida en ese precio. Esa es toda la respuesta a la pregunta que plantea la búsqueda, y todo lo que aparece a continuación es la referencia al respecto: qué hace el modelo, cómo acceder a él, cuál es realmente la unidad de facturación, qué documenta Meta sobre la procedencia y dónde termina la documentación.

Dos cosas sobre la justificación de esta página merecen decirse sin rodeos, porque esta familia ya se ha anunciado más de una vez y una segunda pieza de anuncio sería un duplicado de la cobertura que ya publicamos. Esta es la página de referencia canónica para el nombre: el destino al que llega un lector después de buscarlo. Su justificación es una demanda sostenida que medimos con datos propios el 29 de septiembre de 2026 —los lectores escriben la forma desambiguada de este nombre en tres grafías, en cientos de impresiones, en una posición que ocupamos por casualidad debido a otras páginas, y no por haber escrito una página con la forma de esta, y su conversión es casi nula porque nada de lo que publicamos tiene la forma de una referencia. Esa medición es un hecho sobre lo que la gente escribe y nada más; no dice nada sobre la calidad o la popularidad del modelo en el mundo. Y el ancla fechable se usa aquí como un hecho para fechar el modelo, no como un acontecimiento que reportar: la publicación de lanzamiento de Meta para Muse Image y Muse Video lleva fecha del 7 de julio de 2026 y describe el modelo como «disponible hoy» en las superficies de consumo de Meta en esa fecha, así que el 7 de julio de 2026 es la fecha de lanzamiento con la que trabaja esta página. Todas las cifras a continuación se leyeron de las propias páginas de Meta el 29 de septiembre de 2026, salvo que la frase indique lo contrario.

Qué es en realidad Muse Image

La propia descripción de una línea de Meta es el punto de partida, porque hace un trabajo real en lugar de marketing: Muse Image es "una generación de imágenes agéntica, fundamentada en búsqueda y con un precio para volúmenes de producción de $0.01/imagen". En la página del modelo de Meta, la superficie de capacidades se divide en cuatro modos de trabajo —generación de imágenes, edición precisa, composición anclada y refinamiento multiturno—, y la documentación para desarrolladores condensa lo mismo en una frase: "Muse Image genera y edita imágenes a partir de una conversación".

La afirmación distintiva, en palabras de Meta, es que Muse Image "es un modelo de imagen que razona antes de renderizar". La publicación de lanzamiento de Meta lo hace concreto en lugar de teórico: "En lugar de asignar directamente las indicaciones a las imágenes, Muse Image funciona como un agente: invoca herramientas de búsqueda y codificación para mejorar la precisión, auto-refina sus propias generaciones y mejora mediante el escalado del cómputo en tiempo de prueba". En la práctica, eso significa que el modelo planifica antes de dibujar, extrae referencias en vivo de la web cuando una indicación toca hechos del mundo real, y escribe y ejecuta código cuando la precisión importa —el camino que Meta describe para gráficos precisos y códigos QR— y luego verifica el resultado antes de devolverlo.

Las tres capacidades que Meta menciona primero son aquellas por las que hay que evaluarlo, y se enuncian en la propia frase de Meta: Muse Image «sigue las instrucciones con fidelidad, edita con precisión y compone a partir de múltiples referencias». La afirmación sobre la edición es la más contundente de las tres, porque es una afirmación sobre la contención más que sobre el resultado: la página del modelo de Meta dice que el modelo «está diseñado para cambiar exactamente lo que especifiques y dejar todo lo demás intacto», y admite refinamiento iterativo a lo largo de varios turnos en lugar de ediciones de una sola pasada. La composición es donde reside el modo «composición anclada» —anclar «toda una serie de generaciones en un pequeño conjunto de imágenes de referencia para que el personaje, el estilo y el entorno se mantengan consistentes de una imagen a la siguiente»—, que es la capacidad que importa si produces un catálogo o un conjunto de anuncios en lugar de una sola imagen. En conjunto, estas son las afirmaciones que separan un modelo de imágenes con el que generas de uno sobre el que construyes un pipeline, y son afirmaciones del proveedor: Meta no publica ninguna evaluación comparativa independiente del seguimiento de instrucciones ni de la fidelidad de edición para este modelo.

El enfoque agéntico no solo tiene que ver con herramientas. Meta documenta Muse Image como emparejado con Muse Spark, su modelo de razonamiento, de modo que "los dos modelos compartan herramientas y planifiquen conjuntamente para una potente generación de medios agéntica" — el ejemplo documentado es la salida de varias partes, como GIF animados, páginas con imágenes incrustadas y pequeños juegos interactivos. Si estás creando algo que mezcla imágenes generadas con texto o código generados, ese emparejamiento es la parte del diseño que vale la pena entender, y es la razón por la que el modelo se sirve en la misma API y la misma autenticación que Muse Spark en lugar de en un endpoint de imágenes separado con sus propias credenciales.

Cómo lo llamas: la superficie de la API

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:

• Generar — POST /v1/images/generations, entrada de prompt de texto, salida de imagen.

• Editar — POST /v1/images/edits, prompt más imágenes de entrada, para trabajo de imagen a imagen.

• Refina a lo largo de los turnos — POST /v1/responses, la API Responses, que es como funciona el flujo multiturno documentado.

En los endpoints de imágenes los parámetros documentados son pocos y vale la pena memorizarlos, porque son donde se deciden el coste y el formato de salida. n toma valores de 1 a 10 y su valor predeterminado es 1. size toma una cadena "WxH" como 1792x1024, y la documentación es explícita en que en estos endpoints "solo establece la relación de aspecto, no los píxeles exactos"; no lo interpretes como una garantía de resolución. response_format es b64_json de forma predeterminada o url, y output_format es webp de forma predeterminada, con png y jpeg disponibles. El comportamiento agéntico es conmutable: los endpoints de imágenes aceptan una extensión tool_enablement que abarca enable_image_search, enable_web_search y enable_shell, y un reasoning_strength de high (el valor predeterminado) o low. Reducir el razonamiento es la palanca para el coste y la latencia, y es lo primero que conviene probar con A/B testing sobre tus propios prompts en lugar de darlo por sentado.

En la API de Responses, los mismos controles se encuentran dentro de un image_generation objeto de herramienta en tools, con la búsqueda de imágenes, la búsqueda web y el shell habilitados de forma predeterminada, y el arreglo de salida se devuelve en un orden fijo: un elemento de razonamiento que resume lo que el modelo planificó y consultó, un elemento de mensaje y, luego, un elemento image_generation_call por imagen. La imagen en sí está en el campo result de ese elemento como base64, y su id se documenta como un identificador firmado que se devuelve para seguir editando la misma imagen en un turno posterior. Ese identificador es el mecanismo detrás del refinamiento multiturno: es la forma de evitar volver a subir una imagen para cambiar un solo detalle de ella. Ambos endpoints de imágenes también aceptan stream: true, y emiten image_generation.completed para la generación y image_edit.completed para las ediciones. Model API está documentado como compatible de forma directa con el SDK de OpenAI, el SDK de Anthropic y las CLI de agentes compatibles con OpenAI, por lo que una llamada de imagen existente es un cambio de cadena de modelo en lugar de una reescritura.

Una advertencia que corresponde a la referencia y no a una nota al pie: Meta no ha publicado límites de velocidad para Muse Image que hayamos podido consultar. La página de límites de velocidad en el propio sitio para desarrolladores de Meta devolvió un cascarón sin ninguna cifra, igual que la página de precios. Si el rendimiento es importante para tu diseño, se trata de una incógnita que descubrirás desde la API y no desde la documentación.

El precio y la unidad en la que se expresa

Un centavo por imagen. Esa cifra se toma de la propia página del modelo Muse Image de Meta, que incluye el modelo en una tabla de precios donde tanto la fundamentación con búsqueda como el razonamiento figuran como incluidos, y el precio se indica como $0.01/imagen; la documentación para desarrolladores lo reitera: "Muse Image se factura a una tarifa plana de $0.01 por imagen generada". La unidad es la imagen, no el token —la documentación lo dice directamente ("Muse Image no se cobra por token")— y eso importa porque las API de imágenes que informan el uso en tokens suelen facturarse por tokens. Muse Image devuelve un bloque de uso con recuentos de tokens de entrada y de salida, y esos recuentos son solo informativos.

Del precio unitario se derivan tres detalles de facturación. Primero, n es un multiplicador: una solicitud que devuelve diez imágenes se factura por diez imágenes, por lo que el parámetro 1–10 es tanto un control de gasto como una comodidad. En segundo lugar, los fallos no se facturan: las imágenes que no se generan o que se eliminan mediante el filtrado de seguridad antes de devolverlas no se cuentan. En tercer lugar, la fundamentación de búsqueda está incluida en el precio por imagen en lugar de ser una partida separada; la documentación de Meta afirma que es "parte del precio por imagen, por lo que no conlleva ningún cargo separado por fundamentación de búsqueda". Ese último punto es el que hace que la tarifa sea relevante para el trabajo con agentes: un modelo que busca en la web antes de renderizar puede generar varias llamadas a herramientas a partir de una única salida, y Meta afirma que las llamadas a herramientas no se facturan por separado de la imagen.

No pudimos corroborar la cifra a partir de una lista de tarifas, y vale la pena decirlo en lugar de omitirlo. Todas las URL de precios bajo el dominio de desarrolladores de Meta que recuperamos devolvieron una estructura de página sin cifras en dólares, por lo que la página del modelo y la documentación de generación de imágenes son los dos lugares donde esta cifra existe como una declaración legible. Si necesitas una segunda fuente para adquisiciones, hoy no hay ninguna en el sitio de Meta.

Lo que un centavo te compra en la práctica es un cambio de decisión, más que un descuento. El propio planteamiento de Meta en la página del modelo es que este «te permite ejecutar cargas de trabajo que los precios de frontera antes ponían fuera de alcance» —generación de variantes de anuncios, imágenes de catálogo y personalización por usuario—, y a esta tarifa, cien mil imágenes se cotizan en aproximadamente $1,000. Si estás sopesando esa tarifa frente a los modelos de imagen premium que quizá ya pagas, lo útil es probar ambos con tus propios prompts y tu propia evaluación, y un centavo por imagen es lo que hace que esa comparación sea lo bastante barata como para hacerla de verdad.

Procedencia: qué resuelve Content Seal y qué no

Meta incluye un sistema de marca de agua invisible con este modelo, y lo documenta con la suficiente precisión como para citarlo textualmente: «Muse Image incluye Content Seal, nuestro sistema de marca de agua invisible. Las imágenes creadas por Muse Image en la aplicación Meta AI y en meta.ai llevan una señal de procedencia oculta que permanece intacta — incluso cuando se recortan, se comprimen, se cambian de tamaño o se les toma una captura de pantalla». Meta dice que planea extender Content Seal al vídeo, y presenta un avance de una herramienta de detección que te permite comprobar si una imagen lleva la marca.

Lee con atención el alcance de esa frase, porque es más limitado de lo que parece a primera vista. La señal de procedencia se describe como algo que llevan las imágenes creadas en la aplicación Meta AI y en meta.ai —las superficies de consumo—, y ni la página del modelo de Meta ni la documentación de la API dicen nada sobre si las imágenes generadas a través de la API del modelo llevan la misma marca. No encontramos ninguna declaración en ningún sentido, así que considera Content Seal una función de procedencia de las superficies de consumo y no des por hecho que acompaña a un archivo generado por API hasta que hayas probado la salida de tu propia cuenta. De forma independiente, la única prueba del detector que hemos reportado provino de Reuters, que encontró que no logró verificar la mayoría de las imágenes con marca de agua después de recortarlas; ese hallazgo y su cifra se tratan en nuestro explicador de este modelo, que es la página que hay que leer para el argumento sobre la procedencia, y no esta.

Dónde se ejecuta

La propia declaración de disponibilidad de Meta, del anuncio de lanzamiento: Muse Image «está disponible hoy en la aplicación Meta AI y en meta.ai, en Instagram Stories en EE. UU. y en WhatsApp en países limitados, y próximamente llegará a Facebook». Esas son palabras de Meta y las superficies son productos de Meta — no hay lista de espera, ni código de invitación, ni registro aparte para ninguna de ellas. Del lado de los desarrolladores, el modelo se sirve a través de Model API, que es para lo que sirven el identificador y los endpoints anteriores. La página del modelo de Meta también incluye plataformas de inferencia de terceros entre las formas de ejecutarlo; no las vamos a nombrar aquí, y nada en esta página debe interpretarse como una afirmación sobre términos o tarifas en ninguna superficie que no sea la propia API de Meta.

Meta no ha publicado una fecha de cuándo llegó Muse Image a Model API, y la documentación para desarrolladores de Meta no indica ninguna. La única fecha con la que trabaja esta página es la fecha de lanzamiento del propio modelo, el 7 de julio de 2026, establecida a partir de la fecha que figura en la publicación de anuncio de Meta. Si estás fechando la superficie de la API en lugar del modelo, di lo que dice Meta, que es nada.

¿Pesos abiertos o propietario? Propietario — y la familia tiene ambos

Esta es la pregunta que los lectores responden mal con más frecuencia en esta familia, así que vale la pena responderla directamente. Muse Image es propietario. La documentación para desarrolladores de Meta traza la línea de forma explícita: los modelos que invocas a través de Model API — Muse Spark, Muse Image, Muse Voice Transcribe y SAM — se sirven, y «Muse Glimmer sigue un camino distinto: descargas los pesos abiertos y lo ejecutas en tu propio hardware en lugar de llamarlo a través de Model API», bajo una licencia permisiva Apache 2.0. Muse Glimmer es la vía de pesos abiertos en esta familia, y es un modelo diferente: un modelo multimodal destilado de Muse Spark, no una versión abierta de Muse Image. Nada en la página de Meta sobre Muse Image indica una licencia ni ofrece pesos, porque no hay ninguno que ofrecer. Si el autoalojamiento es un requisito indispensable, Muse Glimmer es el modelo que debes evaluar; si quieres el modelo de imágenes descrito aquí, llamas a la API de Meta y pagas por imagen.

Lo que Meta afirma que clasifica, etiquetado como afirmación de Meta

La publicación de lanzamiento de Meta afirma: «Muse Image ocupa el puesto n.º 2 en Arena para texto a imagen, edición de una sola imagen y edición de varias imágenes, según las clasificaciones Elo de preferencia humana en el momento de escribir esto». Dos cosas de esa frase importan y ambas provienen de las propias palabras de Meta. Es una clasificación informada por el proveedor, no una puntuación independiente, y es una posición Elo de preferencia humana más que un resultado de referencia en un entorno de pruebas fijo —una distinción que marca una diferencia real cuando la brecha entre los dos primeros puestos es menor que el margen de una calificación Elo construida sobre un número limitado de votos. Los gráficos que Meta publica junto con la afirmación están fechados «al 5 de julio de 2026», y la afirmación misma está matizada con «en el momento de escribir esto», así que es una instantánea de una tabla de clasificación en vivo citada por una parte interesada en ella, no una posición consolidada.

La misma publicación incluye una figura de escalado que Meta etiqueta para ti: el gráfico que muestra cómo la calidad aumenta con el razonamiento lleva la leyenda «Elo según la ablación interna». Se trata de una medición interna del proveedor, y no es comparable con una tabla de clasificación de terceros. El argumento de Meta es que la calidad mejora con el cómputo en tiempo de prueba en una relación aproximadamente log-lineal, y que el razonamiento y el uso de herramientas se potencian mutuamente cuando se combinan —una ablación interna, presentada como tal.

Existen posiciones independientes para este modelo, en tableros que no son de Meta, y las hemos reportado: nuestro artículo explicativo incluye los tableros de imágenes de Artificial Analysis y las posiciones de la arena con sus cifras, y las dos páginas de enfrentamientos ponen esos números junto a rivales nombrados. Si quieres el panorama independiente en lugar del del proveedor, es ahí donde debes leerlo. Esta página no reimprime esas cifras, y una de ellas tiene que leerse con cuidado de todos modos, porque Artificial Analysis solo clasifica modelos de imagen que incluyen una API invocable; así que una posición independiente sobre Muse Image es una afirmación sobre Model API, no sobre la aplicación Meta AI.

Lo que la documentación no responde

Una página de referencia solo es útil si indica dónde se detiene el registro, así que esto es lo que no pudimos establecer a partir de Meta el 29 de septiembre de 2026. No hay un límite de velocidad publicado para Muse Image. No hay un perfil de latencia publicado, ni una tasa de éxito, ni una evaluación independiente del bucle agéntico bajo tráfico de producción: el precio por imagen está documentado, pero la envolvente operativa no. No existe ningún benchmark de seguimiento de instrucciones ni de fidelidad de edición por parte de un tercero independiente, y Meta no publica ninguna cifra propia al respecto; el gráfico de benchmark de la página del modelo de Meta no contiene cifras legibles. No hay declaración de licencia, porque el modelo no tiene licencia para su descarga. Y la fecha en que Muse Image pasó a ser invocable en Model API no se indica en ningún lugar de la documentación de Meta. Ninguna de esas ausencias es razón para evitar el modelo —una imagen de un centavo con fundamentación de búsqueda incluida vale la pena probarla solo por eso—, pero cada una es razón para medir en lugar de suponer antes de que un pipeline dependa de él.

El veredicto para un desarrollador

Meta Muse Image merece evaluarse si tu problema es el volumen: imágenes de catálogo, variantes de anuncios, personalización por usuario, cualquier cosa donde la tarifa frontera por imagen fuera lo que mató el proyecto. El precio unitario está documentado, la unidad no es ambigua, los fallos no se facturan y el search grounding está incluido dentro de la tarifa en lugar de facturarse aparte, algo lo bastante inusual en este mercado como para ser el titular. No merece adoptarse a ciegas, porque todo lo que va más allá del precio —rendimiento, latencia, con qué fiabilidad se cierra el bucle agéntico con tus prompts, si la señalización de procedencia viaja con la salida de la API— no está documentado, y la propia afirmación de ranking del proveedor es una posición de preferencia humana citada en un momento concreto, no un resultado medido. La forma honesta de tomar una decisión aquí es un experimento de un céntimo contra el modelo de imagen que ya usas en producción, con tus propios prompts, con el modo de fallo barato y un respaldo probado por detrás. Sobre qué es este modelo, cómo se invoca y cuánto cuesta, esta página es la referencia; sobre si debería estar en tu stack, los números que generes tú mismo son los únicos que cuentan.