Divisi penelitian AI Meta telah memasuki perlombaan pengkodean agen dengan Muse Code, agen pengkodean berbasis terminal baru, dan Muse Spark 1.2, model yang ditingkatkan yang mendukungnya. Rilis ini, yang diumumkan pada 5 Agustus 2026, menandai upaya Meta yang paling langsung untuk menantang alat pengkodean khusus dari OpenAI, Anthropic, dan sejumlah startup. Untuk pengembang yang mengikuti alat AI dan platform agen terbaru, Muse Code menawarkan pandangan berbasis penelitian tentang bagaimana seorang pemrogram pasangan AI harus berperilaku.

Muse Code dirancang untuk melakukan tugas rekayasa perangkat lunak yang kompleks di seluruh basis kode besar — ​​​​merencanakan perubahan, menulis kode, dan memvalidasi hasilnya. Meta mengatakan bahwa agen tersebut mewakili “langkah selanjutnya menuju garis depan,” dengan model yang lebih besar dan lebih mampu dalam perjalanannya.

Desain Multi-Agen yang Dibuat untuk Tugas Panjang

Pilihan arsitektur yang paling menonjol dalam Muse Code adalah penggunaan agen latar belakang yang persisten. Daripada memunculkan subagen baru untuk setiap subtugas, Muse Code menjaga sekumpulan agen latar belakang asinkron tetap hidup sepanjang sesi. Agen-agen ini mengumpulkan informasi dan melaksanakan langkah selanjutnya sendiri, melaporkan kembali ke agen utama hanya jika relevan.

Meta berpendapat bahwa desain ini mengurangi latensi dan kebutuhan akan arahan manusia yang konstan pada masalah multi-langkah yang sulit. “Kegigihan mereka mengurangi latensi dan kebutuhan untuk mengarahkan,” tulis perusahaan itu, karena para agen menghindari pengumpulan ulang konteks yang sudah mereka miliki secara berlebihan.

Muse Code juga dibuat untuk bertahan dari kerusakan. Setiap panggilan model, eksekusi alat, persetujuan, dan pengeditan ditambahkan ke log peristiwa lokal yang berfungsi sebagai satu sumber kebenaran. Hal ini membuat runtime “replay-exact dan restart-safe,” menurut Meta — setelah terjadi kegagalan, agen dapat melanjutkan tepat di tempat ia berhenti, sehingga memungkinkannya menangani tugas-tugas yang berjalan lama tanpa tergelincir.

Agen dikirimkan dengan beberapa keterampilan bawaan: perintah `/plan` yang mengubah tugas menjadi rencana yang diberi gerbang persetujuan, perintah `/grill` yang menguji tekanan rencana tersebut hingga berhasil, dan perintah `/goal` yang bekerja menuju tujuan tertentu.

Muse Spark 1.2: Peningkatan Pengkodean Pertama

Muse Spark 1.2 adalah pembaruan yang berfokus pada pengkodean ke model Muse Spark 1.1 sebelumnya. Meta mengatakan pihaknya meningkatkan pembuatan kode model, proses debug yang kompleks, pemahaman basis kode, dan alur kerja pengembang end-to-end dengan secara signifikan meningkatkan komputasi pelatihan pada tugas-tugas pengkodean dan memperluas keragaman lingkungan pelatihannya, sambil mempertahankan kekuatannya dalam tugas-tugas agen umum.

Yang terpenting, Meta ikut melatih Muse Spark 1.2 bersama Muse Code itu sendiri. Pelatihan ini menggabungkan lintasan harness sampel penolakan dan optimalisasi resep untuk tujuan, pemadatan konteks, dan subagen, serta integrasi perangkat Muse Code untuk memaksimalkan kompatibilitas.

Perusahaan juga menerapkan siklus pengembangan diri: menggunakan Muse Spark 1.1 untuk menghasilkan lingkungan pengkodean yang menantang dan templat yang mengikuti instruksi, kemudian membuat model menilai kandidat solusi tentang seberapa baik solusi tersebut memenuhi persyaratan. Proses tersebut menghasilkan kumpulan data pelatihan terukur yang membantu Muse Spark 1.2 mengikuti instruksi kompleks dengan lebih tepat dibandingkan pendahulunya.

Pembandingan pada Optimasi Kernel GPU

Untuk mendemonstrasikan kemampuan Muse Spark 1.2, Meta menguji kemampuan model untuk mengoptimalkan kernel GPU secara berulang melalui lebih dari 1.000 panggilan alat, dengan sesi yang berlangsung hingga 24 jam. Dengan menggunakan lingkungan agen Muse Code, model menulis, mengkompilasi, membuat profil, dan secara progresif meningkatkan kinerja kernel terhadap dasar yang disediakan.

Tolok ukur ini menargetkan kernel KDA dan MLA yang berjalan pada GPU NVIDIA Hopper. Meta melaporkan bahwa agen tersebut mencapai "perbaikan substansial" dibandingkan implementasi dasar. Untuk beban kerja MLA, model ini merancang pipeline Triton dua kernel yang menggabungkan fusi kernel dan ubin dengan pengoptimalan khusus untuk arsitektur perhatian laten. Model dilarang mengimpor pustaka kernel pihak ketiga dan harus mengimplementasikan algoritme dari awal di Triton.

Ketersediaan dan Berikutnya

Muse Spark 1.2 tersedia saat ini melalui Muse Code dan melalui Meta Model API, dengan apa yang digambarkan Meta sebagai "akses global yang diperluas". Perusahaan dengan tegas menyatakan bahwa ini hanyalah langkah sementara, yang menunjukkan "fitur-fitur baru dan model yang lebih bertenaga" akan segera hadir.

Peluncuran ini menempatkan Meta tepat di bidang yang ramai dan kompetitif. Agen pengkodean telah menjadi salah satu kategori terpanas di AI, dengan alat yang menjanjikan untuk menangani semuanya secara mandiri mulai dari perbaikan bug hingga implementasi fitur secara keseluruhan. Pembeda Meta adalah silsilah penelitiannya yang mendalam dan penekanannya pada agen yang gigih dan tahan terhadap kecelakaan yang dapat berjalan berjam-jam tanpa pengawasan.

Masih harus dilihat apakah pengembang mengadopsi Kode Muse dibandingkan alternatif yang sudah ada, tetapi sinyal dari Meta sudah jelas: perusahaan bermaksud untuk bersaing secara serius dalam rekayasa perangkat lunak agen, bukan hanya chatbot konsumen. Dengan dijanjikannya model yang lebih besar dalam waktu dekat, perang antara agen pengkodean akan semakin intensif.

Tetap Terdepan dalam AI

Alat AI dan agen pengkodean baru dikirimkan setiap minggu. Untuk melacak perkembangan AI terbaru — mulai dari rilis model hingga platform pengembang — pertahankan AI Buzz Wire dalam rotasi Anda.

Baca berita AI selengkapnya →