Meta выпустила Muse Code (бета): терминальный агент на модели Muse Spark 1.2

Meta Superintelligence Labs открыла бета-доступ к Muse Code - терминальному агенту для инженерных задач масштаба целых репозиториев, работающему на свежей модели Muse Spark 1.2.

Что такое Muse Code

Muse Code - это агент, который живёт в терминале и берёт на себя полный цикл: планирует изменения, пишет код, проверяет результаты. Ориентирован на крупные кодовые базы и длинные задачи, которые не решить за один запрос.

Установка одной командой: curl -fsSL https://dev.meta.ai/install.sh | bash. Работает на macOS и Linux. Muse Spark 1.2 при этом - hosted-модель: скачать веса отдельно нельзя, она доступна через Muse Code и Meta Model API.

Как устроены фоновые агенты

Вместо того чтобы создавать новый агент под каждую подзадачу, Muse Code держит набор специализированных фоновых агентов живыми на всё время сессии. Они сами выбирают, когда отчитываться главному агенту.

Meta говорит, что такой подход убирает избыточный сбор контекста и снижает задержки на сложных многошаговых задачах.

Лог событий и устойчивость к сбоям

Каждый вызов модели, запуск инструмента, правка и подтверждение пишутся в локальный append-only лог. Meta называет его «единственным источником правды» и описывает как replay-exact и restart-safe.

Практически это значит: если агент упал в середине 10-часовой задачи - он возобновит работу ровно с того места, где остановился.

Три встроенных команды

В агент зашиты три дефолтных навыка:

• /plan - превращает задачу в план, который нужно одобрить перед выполнением
• /grill - стресс-тестирует план до тех пор, пока он не «устоит»
• /goal - ведёт к выполнению конкретной цели

Что изменилось в Muse Spark 1.2

Muse Spark 1.2 - апдейт к Muse Spark 1.1, сфокусированный на коде. Meta сообщает о росте качества в генерации кода, отладке сложных ошибок, понимании кодовой базы и сквозных developer-воркфлоу.

Ключевое: модель обучали совместно с самим Muse Code. Тренировочные данные включали rejection-sampled траектории инструмента и оптимизации под goals, compaction и subagents.

Для long-horizon задач модель прогнали через обучение на генерации целых репозиториев, крупных end-to-end проектов и auto-research. Умеет работать с планированием, goal conditioning и компакцией контекста.

Самоулучшение: Muse Spark 1.1 генерировала сложные среды и шаблоны instruction-following, затем оценивала кандидатов - так получился масштабируемый датасет для обучения 1.2.

Кейс с GPU-ядрами

Meta опубликовала разбор: агент оптимизировал GPU-ядра, выполнив более 1000 вызовов инструментов за сессию длиной до 24 часов.

Агент писал код, компилировал, профилировал и итеративно улучшал ядра. Тестировались KDA и MLA ядра на NVIDIA Hopper GPU:

• Для KDA (базовая реализация - FLA Triton, сторонние библиотеки запрещены): модель скомбинировала chunk-parallel preparation kernel с sequential inter-chunk scan
• Для MLA (референс - PyTorch, batch size 1, 64 головы, длина последовательности 8192, латентная размерность 512): построила two-kernel Triton pipeline, переиспользующий shared KV latent как K и V

Методология оценки

Meta сравнивала Muse Spark 1.2 с агентами Grok 4.5, Claude Opus 5, GPT-5.6 Terra, Gemini 3.6 Flash и Kimi K3 на трёх бенчмарках:

• Terminal-Bench 2.1 - 89 задач, pass@1 за пять попыток
• DeepSWE v1.1 - 113 задач, 91 репозиторий, 5 языков
• Meta Internal Coding Bench - 440 задач из реальных внутренних pull request’ов

Запуски шли в изолированных Daytona cloud sandboxes. Meta оговаривается: её harness может быть не оптимизирован для моделей сторонних производителей. Для ориентира: Muse Spark 1.1 набрала 80.0 на Terminal-Bench 2.1.

Что это значит

Если ты работаешь с большими кодовыми базами или ведёшь долгие инженерные задачи - Muse Code выглядит интересно именно из-за двух вещей: персистентных агентов (не нужно каждый раз восстанавливать контекст) и лога событий (не страшно, если что-то упадёт).

Muse Spark 1.2 доступна и через Meta Model API - значит, её можно встроить в свой pipeline без терминального агента. Весов нет, только hosted-доступ.

Доступность из России пока не прокомментирована официально - стоит проверить Meta Model API на наличие geo-ограничений перед тем, как закладывать в продукт.

Источник: MarkTechPost, Asif Razzaq, 5 августа - читать оригинал