Meta、Muse Spark 1.2モデルとともにMuse Codeをリリース

Metaは、新しいMuse Spark 1.2モデルを搭載したターミナルコーディングエージェントMuse Code（ベータ版）を発表しました。大規模なリポジトリにわたる複雑なソフトウェアエンジニアリングタスクを計画から検証まで処理するように設計されており、macOSとLinuxでcurlインストールスクリプトにより利用できます。

非同期バックグラウンドエージェント

Muse Codeはメインのエージェントループを実行しますが、セッション全体を通じてアクティブな永続的な非同期バックグラウンドエージェントも起動します。これらのエージェントはタスクごとに作成されるのではなく、コンテキストを維持し、自律的に次のステップを引き継ぎ、必要に応じて通信します。この設計により、冗長な情報収集が削減され、複数ステップのタスクでの手動による操作の必要性が減ります。

リプレイ完全一致のランタイム

中核となる機能はローカルイベントログで、すべてのモデル呼び出し、ツール実行、承認、編集を記録します。すべてのアクションがログに記録されるため、ランタイムはリプレイ完全一致で再起動安全です。プロセスがクラッシュした場合、停止した場所から正確に再開できます。これにより、進行状況を失うことなく長時間実行タスクが可能になります。

バンドルされたスキル

Muse Codeには3つのデフォルトスキルが含まれています:

• /plan — タスクを承認ゲート付きプランに変換します
• /grill — プランが成立するまでストレステストします
• /goal — 目標の成功完了に向けて作業します

Muse Spark 1.2モデル

基盤となるモデルMuse Spark 1.2は、1.1に対するコーディングに焦点を当てたアップデートです。Metaはコーディングタスクのトレーニング計算をスケールアップし、トレーニング環境の多様性を拡大しました。また、一般的なエージェントタスクの強みも維持しています。このモデルはMuse Codeと共同トレーニングされ、ハーネスでの最高のパフォーマンスを保証し、リポジトリ全体の生成、大規模なエンドツーエンドプロジェクト、自動リサーチなどの長時間ホライズンのコーディングタスクでトレーニングされています。

ケーススタディ: GPUカーネル最適化

カーネル最適化テストでは、エージェントはNVIDIA Hopper GPU上で1,000回以上のツール呼び出し（最大24時間）実行されました。KDAおよびMLAワークロードのGPUカーネルを反復的に書き、コンパイルし、プロファイルし、改善しました。モデルはサードパーティのカーネルライブラリをインポートすることを禁止されていました。Muse Spark 1.2は、KDAのゲート付き累積減衰の再センタリングやMLAの共有KV潜在変数の再利用などの最適化を適用することで、ベースラインに対して大幅なパフォーマンス向上を達成する2カーネルのTritonパイプラインを生成しました。

入手方法

Muse Spark 1.2は現在、Muse CodeおよびMetaのプラットフォームで利用できます。Muse Codeをインストールするには、次を実行します:

curl -fsSL https://dev.meta.ai/install.sh | bash