Dział badań nad sztuczną inteligencją Meta włączył się w wyścig kodowania agentowego, wprowadzając Muse Code, nowy agent kodujący oparty na terminalu, oraz Muse Spark 1.2, ulepszony model, który go obsługuje. Wydanie, ogłoszone 5 sierpnia 2026 r., stanowi najbardziej bezpośrednią jak dotąd próbę Meta rzucenia wyzwania dedykowanym narzędziom do kodowania z OpenAI, Anthropic i fali startupów. Programistom korzystającym z najnowszych narzędzi AI i platform agentycznych Muse Code oferuje wyraźnie oparte na badaniach podejście do tego, jak powinien zachowywać się programista w parze AI.

Muse Code został zaprojektowany do wykonywania złożonych zadań inżynierii oprogramowania w dużych bazach kodu — planowania zmian, pisania kodu i sprawdzania wyników. Meta twierdzi, że agent stanowi „kolejny krok w kierunku granicy”, a w przygotowaniu są większe i bardziej zdolne modele.

Projekt wieloagentowy stworzony do długich zadań

Najbardziej godnym uwagi wyborem architektonicznym w Muse Code jest użycie trwałych agentów działających w tle. Zamiast tworzyć nowego subagenta dla każdego podzadania, Muse Code utrzymuje zestaw asynchronicznych agentów działających w tle przez całą sesję. Agenci ci samodzielnie zbierają informacje i wykonują kolejne kroki, składając raporty głównemu agentowi tylko wtedy, gdy jest to konieczne.

Meta twierdzi, że taki projekt zmniejsza opóźnienia i potrzebę ciągłego sterowania przez człowieka w przypadku trudnych, wieloetapowych problemów. „Ich upór zmniejsza opóźnienia i potrzebę sterowania” – napisała firma, ponieważ agenci unikają niepotrzebnego ponownego gromadzenia kontekstu, który już posiadają.

Kod Muse jest również zbudowany tak, aby przetrwać awarie. Każde wywołanie modelu, wykonanie narzędzia, zatwierdzenie i edycja są dołączane do lokalnego dziennika zdarzeń, który służy jako pojedyncze źródło prawdy. Według Meta sprawia to, że środowisko wykonawcze jest „dokładne i bezpieczne od ponownego uruchomienia” — po awarii agent może wznowić pracę dokładnie w miejscu, w którym się zatrzymał, dzięki czemu może wykonywać długotrwałe zadania bez powodowania przestojów.

Agent jest dostarczany z kilkoma wbudowanymi umiejętnościami: poleceniem `/plan`, które zamienia zadanie w plan z bramką do zatwierdzenia, poleceniem `/grill`, które testuje plan w warunkach skrajnych, aż się sprawdzi, oraz poleceniem `/goal`, które działa na rzecz określonego celu.

Muse Spark 1.2: aktualizacja oparta na kodowaniu

Muse Spark 1.2 to skupiona na kodowaniu aktualizacja poprzedniego modelu Muse Spark 1.1. Meta stwierdziła, że ​​usprawniła generowanie kodu modelu, złożone debugowanie, zrozumienie bazy kodu i kompleksowe przepływy pracy dla programistów, znacznie zwiększając moc obliczeniową szkolenia w zakresie zadań związanych z kodowaniem i zwiększając różnorodność środowisk szkoleniowych, zachowując jednocześnie mocne strony w zakresie ogólnych zadań agentów.

Co najważniejsze, Meta współtrenowała Muse Spark 1.2 wraz z samym Muse Code. Szkolenie obejmowało trajektorie wiązki próbek na podstawie próbek odrzuconych i optymalizację receptur pod kątem celów, zagęszczania kontekstu i podagentów, a także integrację zestawu narzędzi Muse Code w celu maksymalizacji kompatybilności.

Firma zastosowała również pętlę samodoskonalenia: użyła Muse Spark 1.1 do wygenerowania wymagających środowisk kodowania i szablonów zgodnych z instrukcjami, a następnie stworzyła kandydujące rozwiązania do oceny, w jakim stopniu spełniają one wymagania. W wyniku tego procesu powstał skalowalny zestaw danych szkoleniowych, który pomógł Muse Spark 1.2 wykonywać złożone instrukcje dokładniej niż jego poprzednik.

Test porównawczy optymalizacji jądra GPU

Aby zademonstrować możliwości Muse Spark 1.2, Meta przetestowała zdolność modelu do iteracyjnej optymalizacji jąder GPU w ramach ponad 1000 wywołań narzędzi, a sesje trwały do 24 godzin. Korzystając ze środowiska agentowego Muse Code, model napisał, skompilował, profilował i stopniowo poprawiał wydajność jądra w stosunku do dostarczonej wartości bazowej.

Testy porównawcze dotyczyły jąder KDA i MLA działających na procesorach graficznych NVIDIA Hopper. Meta poinformowała, że ​​agent osiągnął „znaczną poprawę” w porównaniu z wdrożeniami podstawowymi. Na potrzeby obciążenia MLA model zaprojektował dwujądrowy potok Triton, łączący fuzję jądra i kafelkowanie z optymalizacjami specyficznymi dla architektury uwagi ukrytej. Modelom zabroniono prostego importowania bibliotek jądra innych firm i musieli zaimplementować algorytmy od podstaw w Tritonie.

Dostępność i co dalej

Muse Spark 1.2 jest już dostępny poprzez Muse Code i poprzez Meta Model API, z tym, co Meta opisuje jako „rozszerzony globalny dostęp”. Firma podkreślała, że ​​jest to jedynie krok przejściowy, zapowiadając na horyzoncie „nowe funkcje uprzęży i ​​mocniejsze modele”.

Premiera stawia Meta bezpośrednio na zatłoczonym i konkurencyjnym polu. Agenci kodujący stali się jedną z najgorętszych kategorii w sztucznej inteligencji, a narzędzia obiecują autonomiczną obsługę wszystkiego, od poprawek błędów po implementację całych funkcji. Wyróżniającą cechą Meta jest jej głęboki rodowód badawczy i nacisk na trwałe, odporne na awarie agenty, które mogą działać bez nadzoru przez wiele godzin.

Czas pokaże, czy programiści zaadoptują Muse Code zamiast ugruntowanych alternatyw, ale sygnał od Meta jest jasny: firma zamierza poważnie konkurować w dziedzinie inżynierii oprogramowania agentowego, a nie tylko chatbotów konsumenckich. Wraz z obietnicą wkrótce większych modeli, wojny agentów kodujących będą się nasilać.

Wyprzedź sztuczną inteligencję

Nowe narzędzia AI i środki kodujące są dostarczane co tydzień. Aby śledzić najnowsze osiągnięcia w zakresie sztucznej inteligencji – od premier modeli po platformy programistów – miej AI Buzz Wire w swojej rotacji.

Przeczytaj więcej aktualności o sztucznej inteligencji →