Meta 推出 Muse Code，这是一款由 Muse Spark 1.2 提供支持的终端编码代理

Meta AI Research 发布了 Muse Code，这是一种基于终端的编码代理，可协调持久性子代理，同时还发布了针对软件工程调整的升级版 Muse Spark 1.2 模型。

Meta 的人工智能研究部门已经进入代理编码竞赛，推出了基于终端的新型编码代理 Muse Code 和为其提供支持的升级模型 Muse Spark 1.2。该版本于 2026 年 8 月 5 日宣布，标志着 Meta 迄今为止挑战 OpenAI、Anthropic 和一波初创公司专用编码工具的最直接尝试。对于关注最新 AI 工具和代理平台的开发人员来说，Muse Code 提供了一种明显以研究为导向的 AI 结对程序员应如何表现的观点。

Muse Code 旨在跨大型代码库承担复杂的软件工程任务 - 规划更改、编写代码和验证结果。 Meta 表示，该代理代表了其“迈向前沿的下一步”，即将推出更大、功能更强的模型。

专为长时间任务而设计的多智能体设计

Muse Code 中最值得注意的架构选择是它对持久后台代理的使用。 Muse Code 不是为每个子任务生成一个新的子代理，而是在整个会话中保持一组异步后台代理处于活动状态。这些代理收集信息并自行执行后续步骤，仅在相关时向主代理报告。

Meta 认为，这种设计减少了延迟，并减少了对困难的多步骤问题持续人工指导的需要。该公司写道：“他们的持久性减少了延迟和指导的需要，”因为代理避免了重复地重新收集他们已经掌握的上下文。

Muse Code 的设计也是为了应对崩溃。每个模型调用、工具执行、批准和编辑都会附加到本地事件日志中，作为单一事实来源。根据 Meta 的说法，这使得运行时“精确重放且安全重启”——在发生故障后，代理可以精确地从停止的地方恢复，使其能够处理长时间运行的任务而不会脱轨。

该代理附带了多种内置技能：“/plan”命令将任务转变为经过批准的计划，“/grill”命令对该计划进行压力测试直到其有效，以及“/goal”命令朝着指定的目标努力。

Muse Spark 1.2：编码优先的升级

Muse Spark 1.2 是对之前的 Muse Spark 1.1 模型的以编码为中心的更新。 Meta 表示，它通过显着扩大编码任务的训练计算并扩大其训练环境的多样性，同时保持其在一般代理任务中的优势，改进了模型的代码生成、复杂调试、代码库理解和端到端开发人员工作流程。

至关重要的是，Meta 与 Muse Code 本身共同训练了 Muse Spark 1.2。该培训结合了拒绝采样的线束轨迹和目标、上下文压缩和子代理的配方优化，以及 Muse 代码工具集的集成以最大限度地提高兼容性。

该公司还采用了自我改进循环：它使用 Muse Spark 1.1 生成具有挑战性的编码环境和指令跟踪模板，然后根据模型满足要求的程度对候选解决方案进行评分。该过程产生了一个可扩展的训练数据集，帮助 Muse Spark 1.2 比其前身更精确地遵循复杂的指令。

GPU 内核优化基准测试

为了演示 Muse Spark 1.2 的功能，Meta 通过 1,000 多个工具调用测试了该模型迭代优化 GPU 内核的能力，会话持续时间长达 24 小时。使用 Muse Code 的代理环境，该模型根据提供的基线编写、编译、分析并逐步改进内核性能。

基准测试针对的是在 NVIDIA Hopper GPU 上运行的 KDA 和 MLA 内核。 Meta 报告称，该代理在基准实施的基础上实现了“实质性改进”。对于 MLA 工作负载，该模型设计了一个双内核 Triton 管道，将内核融合和平铺与特定于潜在注意力架构的优化相结合。模型被禁止简单地导入第三方内核库，并且必须在 Triton 中从头开始实现算法。