Meta's AI-onderzoeksafdeling is de race voor agentische codering ingegaan met Muse Code, een nieuwe terminalgebaseerde coderingsagent, en Muse Spark 1.2, het geüpgradede model dat dit aandrijft. De release, aangekondigd op 5 augustus 2026, markeert Meta's meest directe poging tot nu toe om speciale codeertools van OpenAI, Anthropic en een golf van startups uit te dagen. Voor ontwikkelaars die de nieuwste AI-tools en agentische platforms volgen, biedt Muse Code een duidelijk onderzoeksgedreven kijk op hoe een AI-paarprogrammeur zich zou moeten gedragen.
Muse Code is ontworpen om complexe software-engineeringtaken over grote codebases uit te voeren: het plannen van wijzigingen, het schrijven van code en het valideren van de resultaten. Meta zegt dat de agent zijn "volgende stap richting de grens" vertegenwoordigt, met grotere en capabelere modellen op komst.
Een ontwerp met meerdere agenten, gebouwd voor lange taken
De meest opvallende architectonische keuze in Muse Code is het gebruik van persistente achtergrondagenten. In plaats van voor elke subtaak een nieuwe subagent te genereren, houdt Muse Code een reeks asynchrone achtergrondagenten gedurende een hele sessie in leven. Deze agenten verzamelen informatie en voeren zelf de volgende stappen uit, waarbij ze alleen rapporteren aan de hoofdagent als dat relevant is.
Meta stelt dat dit ontwerp de latentie vermindert en de noodzaak voor constante menselijke sturing bij moeilijke, uit meerdere stappen bestaande problemen. "Hun volharding vermindert de latentie en de behoefte aan sturing", schreef het bedrijf, omdat de agenten voorkomen dat ze onnodig de context opnieuw verzamelen die ze al bezitten.
Muse Code is ook gebouwd om crashes te overleven. Elke modelaanroep, uitvoering, goedkeuring en bewerking van het gereedschap wordt toegevoegd aan een lokaal gebeurtenislogboek dat als enige bron van waarheid dient. Dat maakt de runtime volgens Meta 'exact opnieuw afspelen en veilig opnieuw opstarten': na een storing kan de agent precies doorgaan waar hij was gestopt, waardoor hij langlopende taken kan uitvoeren zonder te ontsporen.
De agent wordt geleverd met verschillende ingebouwde vaardigheden: een '/plan'-commando dat een taak omzet in een goedgekeurd plan, een '/grill'-commando dat dat plan aan een stresstest onderwerpt totdat het stand houdt, en een '/goal'-commando dat naar een specifiek doel toewerkt.
Muse Spark 1.2: een codeer-eerste upgrade
Muse Spark 1.2 is een op code gerichte update van het vorige Muse Spark 1.1-model. Meta zei dat het de codegeneratie, het complexe debuggen, het begrip van de codebase en de end-to-end ontwikkelaarsworkflows van het model heeft verbeterd door de trainingscomputer voor codeertaken aanzienlijk op te schalen en de diversiteit van de trainingsomgevingen uit te breiden, terwijl het zijn sterke punten op het gebied van algemene agenttaken behoudt.
Cruciaal is dat Meta Muse Spark 1.2 samen met Muse Code zelf heeft getraind. De training omvatte op afwijzingen gesampelde harnastrajecten en receptoptimalisaties voor doelen, contextverdichting en subagenten, samen met de integratie van de Muse Code-toolset om de compatibiliteit te maximaliseren.
Het bedrijf maakte ook gebruik van een zelfverbeteringscyclus: het gebruikte Muse Spark 1.1 om uitdagende codeeromgevingen en sjablonen voor het volgen van instructies te genereren, en had vervolgens de kandidaat-oplossingen van modelkwaliteit die aangaven hoe goed ze aan de vereisten voldeden. Dat proces leverde een schaalbare trainingsdataset op waarmee Muse Spark 1.2 complexe instructies nauwkeuriger kon volgen dan zijn voorganger.
Benchmarking op GPU-kerneloptimalisatie
Om de mogelijkheden van Muse Spark 1.2 te demonstreren, testte Meta het vermogen van het model om GPU-kernels iteratief te optimaliseren via meer dan 1.000 tool-oproepen, met sessies die tot 24 uur duurden. Met behulp van de agentische omgeving van Muse Code heeft het model de kernelprestaties geschreven, gecompileerd, geprofileerd en geleidelijk verbeterd ten opzichte van een opgegeven basislijn.
De benchmarks waren gericht op KDA- en MLA-kernels die op NVIDIA Hopper GPU's draaiden. Meta meldde dat de agent "substantiële verbeteringen" bereikte ten opzichte van de basisimplementaties. Voor de MLA-werklast ontwierp het model een Triton-pijplijn met twee kernels die kernelfusie en tegeling combineert met optimalisaties die specifiek zijn voor de latente-aandachtsarchitectuur. Modellen mochten eenvoudigweg geen kernelbibliotheken van derden importeren en moesten de algoritmen helemaal opnieuw in Triton implementeren.
Beschikbaarheid en wat nu volgt
Muse Spark 1.2 is vandaag beschikbaar via Muse Code en via de Meta Model API, met wat Meta beschrijft als 'uitgebreide wereldwijde toegang'. Het bedrijf benadrukte dat dit slechts een tussenstap is en plaagt "nieuwe harnasfuncties en krachtigere modellen" aan de horizon.
De lancering plaatst Meta vierkant in een druk en competitief veld. Codeeragenten zijn een van de populairste categorieën in AI geworden, met tools die beloven alles autonoom af te handelen, van bugfixes tot volledige implementatie van functies. Het onderscheidende kenmerk van Meta is de diepgaande onderzoeksgeschiedenis en de nadruk op persistente, crashbestendige middelen die urenlang onbeheerd kunnen werken.
Of ontwikkelaars Muse Code zullen adopteren in plaats van diepgewortelde alternatieven valt nog te bezien, maar het signaal van Meta is duidelijk: het bedrijf is van plan serieus te concurreren op het gebied van agentische software-engineering, en niet alleen op het gebied van consumentenchatbots. Nu er binnenkort grotere modellen worden beloofd, zullen de oorlogen tussen codeeragenten steeds heviger worden.
Blijf AI een stap voor
Er worden elke week nieuwe AI-tools en codeeragenten verzonden. Om de laatste AI-ontwikkelingen te volgen – van modelreleases tot ontwikkelaarsplatforms – moet u AI Buzz Wire in uw rotatie houden.
Lees meer AI-nieuws →
