Meta が Muse Spark 1.2 を搭載したターミナルコーディングエージェントである Muse Code を発表

Meta AI Research は、ソフトウェアエンジニアリング用に調整されたアップグレードされた Muse Spark 1.2 モデルとともに、永続的なサブエージェントを調整する端末ベースのコーディングエージェントである Muse Code をリリースしました。

Meta の AI 研究部門は、新しい端末ベースのコーディングエージェントである Muse Code と、それを強化するアップグレードモデルである Muse Spark 1.2 を使用して、エージェントコーディングレースに参入しました。 2026 年 8 月 5 日に発表されたこのリリースは、OpenAI、Anthropic、および一連のスタートアップの専用コーディングツールに対抗する Meta のこれまでで最も直接的な試みを示しています。最新の AI ツールやエージェントプラットフォームを追いかけている開発者向けに、Muse Code は、AI ペアプログラマーがどのように行動すべきかについて、明確に研究に基づいた見解を提供します。

Muse Code は、変更の計画、コードの作成、結果の検証など、大規模なコードベースにわたる複雑なソフトウェアエンジニアリングタスクを引き受けるように設計されています。メタ社は、このエージェントは同社の「フロンティアへの次のステップ」を表しており、より大型でより高性能なモデルが開発中であると述べている。

長時間のタスク向けに構築されたマルチエージェント設計

Muse Code における最も注目すべきアーキテクチャ上の選択は、永続的なバックグラウンドエージェントの使用です。 Muse コードは、サブタスクごとに新しいサブエージェントを生成するのではなく、セッション全体を通じて一連の非同期バックグラウンドエージェントを存続させます。これらのエージェントは情報を収集して独自に次のステップを実行し、関連する場合にのみメインエージェントに報告を返します。

メタ氏は、この設計により遅延が軽減され、困難な複数ステップの問題に対して人間が常に操作する必要性が軽減されると主張しています。同社は、エージェントがすでに保持しているコンテキストを冗長に再収集することを避けるため、「エージェントの永続性により待ち時間とステアリングの必要性が軽減される」と書いている。

Muse コードはクラッシュにも耐えられるように構築されています。すべてのモデルの呼び出し、ツールの実行、承認、および編集は、唯一の信頼できる情報源として機能するローカルイベントログに追加されます。 Meta 氏によれば、これによりランタイムは「正確に再生でき、再起動も安全」になります。障害の後、エージェントは停止した場所から正確に再開でき、脱線することなく長時間実行されるタスクに取り組むことができます。

このエージェントには、タスクを承認ゲート型の計画に変える `/plan` コマンド、その計画が維持されるまでストレステストを行う `/grill` コマンド、および指定された目標に向かって作業する `/goal` コマンドなど、いくつかの組み込みスキルが付属しています。

Muse Spark 1.2: コーディングファーストのアップグレード

Muse Spark 1.2 は、以前の Muse Spark 1.1 モデルのコーディングに重点を置いたアップデートです。 Metaは、一般的なエージェントタスクにおける強みを維持しながら、コーディングタスクのトレーニングコンピューティングを大幅にスケールアップし、トレーニング環境の多様性を拡大することで、モデルのコード生成、複雑なデバッグ、コードベースの理解、エンドツーエンドの開発者のワークフローを改善したと述べた。

重要なのは、Meta が Muse Code 自体と並行して Muse Spark 1.2 を共同トレーニングしたことです。このトレーニングには、互換性を最大化するための Muse コードツールセットの統合に加えて、拒否サンプリングされたハーネストラジェクトリと、目標、コンテキストの圧縮、およびサブエージェントのレシピの最適化が組み込まれました。

同社はまた、自己改善ループも採用しました。Muse Spark 1.1 を使用して、困難なコーディング環境と指示に従うテンプレートを生成し、要件をどの程度満たしているかについてモデルグレードの候補ソリューションを用意しました。このプロセスにより、Muse Spark 1.2 が以前のものよりも複雑な指示に正確に従うのに役立つスケーラブルなトレーニングデータセットが生成されました。

GPU カーネル最適化のベンチマーク

Muse Spark 1.2 の機能を実証するために、Meta は、最長 24 時間続くセッションで 1,000 回を超えるツール呼び出しにわたって GPU カーネルを繰り返し最適化するモデルの機能をテストしました。 Muse Code のエージェント環境を使用して、モデルは、提供されたベースラインに対してカーネルパフォーマンスを記述、コンパイル、プロファイリングし、徐々に改善しました。

このベンチマークは、NVIDIA Hopper GPU で実行される KDA カーネルと MLA カーネルを対象としました。 Meta は、このエージェントがベースラインの実装に比べて「大幅な改善」を達成したと報告しました。 MLA ワークロードの場合、このモデルは、カーネルフュージョンとタイリングを潜在アテンションアーキテクチャに固有の最適化と組み合わせた 2 カーネル Triton パイプラインを設計しました。モデルはサードパーティのカーネルライブラリを単純にインポートすることを禁止されており、Triton でアルゴリズムを最初から実装する必要がありました。

可用性と今後の展開

Muse Spark 1.2 は現在、Muse Code および Meta Model API 経由で入手可能であり、Meta が「拡張されたグローバルアクセス」と呼ぶものを備えています。同社は、これは単なる暫定的なステップであり、「新しいハーネス機能とより強力なモデル」が近い将来に登場すると強調した。

この発表により、Meta は混雑した競争の激しい分野に本格的に参入します。コーディングエージェントは AI で最も注目されているカテゴリの 1 つとなっており、バグ修正から機能全体の実装に至るまですべてを自律的に処理できるツールが期待されています。 Meta の差別化要因は、その深い研究実績と、何時間も無人で実行できる永続的でクラッシュ耐性のあるエージェントに重点を置いている点です。

開発者が定着した代替案ではなく Muse Code を採用するかどうかはまだわかりませんが、Meta からのシグナルは明らかです。同社は消費者向けチャットボットだけでなく、エージェントソフトウェアエンジニアリングでも真剣に競争するつもりです。間もなくより大規模なモデルが登場することが約束されているため、コーディングエージェント戦争はさらに激化することになるでしょう。