Metas AI-forskningsavdelning har gått in i det agentiska kodningsloppet med Muse Code, en ny terminalbaserad kodningsagent, och Muse Spark 1.2, den uppgraderade modellen som driver den. Releasen, tillkännagiven den 5 augusti 2026, markerar Metas mest direkta försök hittills att utmana dedikerade kodningsverktyg från OpenAI, Anthropic och en våg av startups. För utvecklare som följer de senaste AI-verktygen och agentplattformarna erbjuder Muse Code en distinkt forskningsdriven syn på hur en AI-parprogrammerare ska bete sig.
Muse Code är designad för att ta sig an komplexa programvarutekniska uppgifter över stora kodbaser – planera förändringar, skriva kod och validera resultaten. Meta säger att agenten representerar sitt "nästa steg mot gränsen", med större och mer kapabla modeller på väg.
En design med flera agenter byggd för långa uppgifter
Det mest anmärkningsvärda arkitektoniska valet i Muse Code är dess användning av ihållande bakgrundsagenter. Istället för att skapa en ny subagent för varje deluppgift, håller Muse Code en uppsättning asynkrona bakgrundsagenter vid liv under en hel session. Dessa agenter samlar in information och utför nästa steg på egen hand och rapporterar tillbaka till huvudagenten endast när det är relevant.
Meta hävdar att denna design minskar latensen och behovet av konstant mänsklig styrning på svåra problem i flera steg. "Deras uthållighet minskar latensen och behovet av styrning", skrev företaget, eftersom agenterna undviker att återfå det sammanhang som de redan har.
Muse Code är också byggd för att överleva krascher. Varje modellanrop, verktygskörning, godkännande och redigering läggs till en lokal händelselogg som fungerar som en enda källa till sanning. Det gör körtiden "replay-exakt och omstartssäker", enligt Meta - efter ett misslyckande kan agenten återuppta exakt där den stannade, vilket gör det möjligt för den att ta itu med långvariga uppgifter utan att spåras ur.
Agenten levereras med flera inbyggda färdigheter: ett `/plan`-kommando som förvandlar en uppgift till en godkännandestyrd plan, ett `/grill`-kommando som stresstestar den planen tills den håller i sig, och ett `/goal`-kommando som arbetar mot ett specifikt mål.
Muse Spark 1.2: En kodnings-första uppgradering
Muse Spark 1.2 är en kodningsfokuserad uppdatering till den tidigare Muse Spark 1.1-modellen. Meta sa att det förbättrade modellens kodgenerering, komplexa felsökning, kodbasförståelse och end-to-end-arbetsflöden för utvecklare genom att avsevärt skala upp träningsberäkningar för kodningsuppgifter och utöka mångfalden av dess träningsmiljöer, samtidigt som dess styrkor i allmänna agentuppgifter bibehålls.
Det avgörande är att Meta samtränade Muse Spark 1.2 tillsammans med Muse Code själv. Utbildningen inkluderade avslagsprovade selebanor och receptoptimeringar för mål, kontextkomprimering och subagenter, tillsammans med integration av Muse Code-verktygsuppsättningen för att maximera kompatibiliteten.
Företaget använde också en självförbättringsslinga: det använde Muse Spark 1.1 för att skapa utmanande kodningsmiljöer och instruktionsföljande mallar, och fick sedan modellbetyget kandidatlösningar om hur väl de uppfyllde kraven. Den processen producerade en skalbar träningsdatauppsättning som hjälpte Muse Spark 1.2 att följa komplexa instruktioner mer exakt än sin föregångare.
Benchmarking på GPU-kärnoptimering
För att demonstrera Muse Spark 1.2:s kapacitet testade Meta modellens förmåga att iterativt optimera GPU-kärnor över mer än 1 000 verktygsanrop, med sessioner som varar upp till 24 timmar. Med hjälp av Muse Codes agentmiljö skrev, kompilerade, profilerade och förbättrade modellen gradvis kärnans prestanda mot en angiven baslinje.
Riktmärkena var inriktade på KDA- och MLA-kärnor som körs på NVIDIA Hopper GPU:er. Meta rapporterade att agenten uppnådde "avsevärda förbättringar" jämfört med baslinjeimplementeringarna. För MLA-arbetsbelastningen designade modellen en Triton-pipeline med två kärnor som kombinerar kärnfusion och plattsättning med optimeringar som är specifika för arkitekturen med latent uppmärksamhet. Modeller hindrades från att helt enkelt importera kärnbibliotek från tredje part och var tvungna att implementera algoritmerna från början i Triton.
Tillgänglighet och vad som händer härnäst
Muse Spark 1.2 är tillgänglig idag via Muse Code och via Meta Model API, med vad Meta beskriver som "expanded global access." Företaget betonade att detta bara är ett interimistiskt steg och retade "nya selefunktioner och kraftfullare modeller" vid horisonten.
Lanseringen placerar Meta rakt av i ett trångt och konkurrenskraftigt fält. Kodningsagenter har blivit en av de hetaste kategorierna inom AI, med verktyg som lovar att självständigt hantera allt från buggfixar till hela funktionsimplementering. Metas särskiljande är dess djupa forskningsstamtavla och dess betoning på persistenta, krocktåliga medel som kan köras utan uppsikt i timmar.
Huruvida utvecklare anammar Muse Code över förankrade alternativ återstår att se, men signalen från Meta är tydlig: företaget avser att på allvar konkurrera inom agentisk mjukvaruutveckling, inte bara konsumentchattbots. Med större modeller utlovade snart, kommer kodningsagentkrigen att intensifieras.
Ligg före AI
Nya AI-verktyg och kodningsagenter skickas varje vecka. För att spåra senaste AI-utvecklingen – från modellsläpp till utvecklarplattformar – håll AI Buzz Wire i din rotation.
Läs mer AI-nyheter →
