A divisão de pesquisa de IA da Meta entrou na corrida de codificação de agentes com o Muse Code, um novo agente de codificação baseado em terminal, e o Muse Spark 1.2, o modelo atualizado que o alimenta. O lançamento, anunciado em 5 de agosto de 2026, marca a tentativa mais direta da Meta de desafiar ferramentas de codificação dedicadas da OpenAI, Anthropic e uma onda de startups. Para desenvolvedores que seguem as mais recentes ferramentas de IA e plataformas de agente, o Muse Code oferece uma abordagem distintamente orientada para a pesquisa sobre como um programador de pares de IA deve se comportar.
O Muse Code foi projetado para realizar tarefas complexas de engenharia de software em grandes bases de código – planejando alterações, escrevendo código e validando os resultados. Meta diz que o agente representa o seu “próximo passo em direção à fronteira”, com modelos maiores e mais capazes a caminho.
Um design multiagente criado para tarefas longas
A escolha arquitetônica mais notável no Muse Code é o uso de agentes de segundo plano persistentes. Em vez de gerar um novo subagente para cada subtarefa, o Muse Code mantém ativo um conjunto de agentes assíncronos em segundo plano durante toda a sessão. Esses agentes coletam informações e executam os próximos passos por conta própria, reportando ao agente principal somente quando relevante.
Meta argumenta que esse design reduz a latência e a necessidade de orientação humana constante em problemas difíceis e de várias etapas. “Sua persistência reduz a latência e a necessidade de orientação”, escreveu a empresa, porque os agentes evitam reunir de forma redundante o contexto que já possuem.
O Muse Code também foi desenvolvido para sobreviver a falhas. Cada chamada de modelo, execução de ferramenta, aprovação e edição é anexada a um log de eventos local que serve como uma única fonte de verdade. Isso torna o tempo de execução “exato de repetição e seguro para reinicialização”, de acordo com Meta – após uma falha, o agente pode retomar exatamente de onde parou, permitindo-lhe lidar com tarefas de longa duração sem ser descarrilado.
O agente é fornecido com diversas habilidades integradas: um comando `/plan` que transforma uma tarefa em um plano sujeito a aprovação, um comando `/grill` que testa esse plano até que ele se mantenha e um comando `/goal` que trabalha em direção a um objetivo especificado.
Muse Spark 1.2: uma atualização que prioriza a codificação
Muse Spark 1.2 é uma atualização focada em codificação para o modelo anterior do Muse Spark 1.1. Meta disse que melhorou a geração de código do modelo, a depuração complexa, a compreensão da base de código e os fluxos de trabalho completos do desenvolvedor, aumentando significativamente a computação de treinamento em tarefas de codificação e expandindo a diversidade de seus ambientes de treinamento, enquanto mantém seus pontos fortes nas tarefas gerais do agente.
Crucialmente, Meta co-treinou o Muse Spark 1.2 junto com o próprio Muse Code. O treinamento incorporou trajetórias de chicote amostradas por rejeição e otimizações de receitas para metas, compactação de contexto e subagentes, juntamente com a integração do conjunto de ferramentas Muse Code para maximizar a compatibilidade.
A empresa também empregou um ciclo de autoaperfeiçoamento: usou o Muse Spark 1.1 para gerar ambientes de codificação desafiadores e modelos de acompanhamento de instruções e, em seguida, fez com que o modelo classificasse as soluções candidatas de acordo com o quão bem elas atendiam aos requisitos. Esse processo produziu um conjunto de dados de treinamento escalonável que ajudou o Muse Spark 1.2 a seguir instruções complexas com mais precisão do que seu antecessor.
Benchmarking na otimização do kernel da GPU
Para demonstrar os recursos do Muse Spark 1.2, a Meta testou a capacidade do modelo de otimizar iterativamente os kernels da GPU em mais de 1.000 chamadas de ferramenta, com sessões que duram até 24 horas. Usando o ambiente de agente do Muse Code, o modelo escreveu, compilou, criou perfis e melhorou progressivamente o desempenho do kernel em relação a uma linha de base fornecida.
Os benchmarks foram direcionados aos kernels KDA e MLA executados em GPUs NVIDIA Hopper. Meta relatou que o agente alcançou “melhorias substanciais” em relação às implementações de linha de base. Para a carga de trabalho do MLA, o modelo projetou um pipeline Triton de dois kernels combinando fusão de kernel e agrupamento com otimizações específicas para a arquitetura de atenção latente. Os modelos foram impedidos de simplesmente importar bibliotecas de kernel de terceiros e tiveram que implementar os algoritmos do zero no Triton.
Disponibilidade e o que vem a seguir
O Muse Spark 1.2 está disponível hoje através do Muse Code e da API Meta Model, com o que Meta descreve como “acesso global expandido”. A empresa foi enfática ao dizer que este é apenas um passo provisório, trazendo “novos recursos de chicote e modelos mais potentes” no horizonte.
O lançamento coloca a Meta em um campo concorrido e competitivo. Os agentes de codificação se tornaram uma das categorias mais populares em IA, com ferramentas que prometem lidar de forma autônoma com tudo, desde correções de bugs até a implementação completa de recursos. O diferencial da Meta é seu profundo pedigree de pesquisa e sua ênfase em agentes persistentes e resistentes a colisões que podem funcionar sem supervisão por horas.
Ainda não se sabe se os desenvolvedores adotam o Muse Code em vez de alternativas arraigadas, mas o sinal da Meta é claro: a empresa pretende competir seriamente na engenharia de software de agentes, não apenas em chatbots de consumo. Com modelos maiores prometidos em breve, as guerras entre agentes codificadores deverão se intensificar.
Fique à frente da IA
Novas ferramentas de IA e agentes de codificação são enviados todas as semanas. Para acompanhar os últimos desenvolvimentos de IA — desde lançamentos de modelos até plataformas de desenvolvedores — mantenha o AI Buzz Wire em sua rotação.
Leia mais notícias sobre IA →
