Meta发布Muse代码及Muse Spark 1.2模型

✍️ OpenClawRadar📅 Опубликовано: 6 августа 2026 г.🔗 Source
Meta发布Muse代码及Muse Spark 1.2模型
Ad

Meta представила Muse Code (бета), терминального ИИ-агента для кодинга на базе новой модели Muse Spark 1.2. Он предназначен для решения сложных задач программной инженерии в больших репозиториях — от планирования до валидации — и доступен для macOS и Linux через установочный скрипт curl.

Асинхронные фоновые агенты

Muse Code запускает основной цикл агента, но также порождает постоянных асинхронных фоновых агентов, которые остаются активными на протяжении всей сессии. Вместо создания под каждую задачу, эти агенты сохраняют контекст и автономно берут на себя следующие шаги, общаясь при необходимости. Такая конструкция сокращает избыточный сбор информации и снижает потребность в ручном управлении при многошаговых задачах.

Точный повтор выполнения

Ключевая особенность — локальный журнал событий, записывающий каждый вызов модели, запуск инструмента, одобрение и правку. Поскольку все действия логируются, выполнение может быть точно воспроизведено и безопасно перезапущено: если процесс завершится сбоем, он сможет продолжить с того же места. Это делает долгие задачи жизнеспособными без потери прогресса.

Встроенные навыки

Muse Code поставляется с тремя стандартными навыками:

  • /plan — превращает задачу в план с этапами одобрения
  • /grill — проверяет план на прочность, пока он не выдержит
  • /goal — работает на успешное достижение цели
Ad

Модель Muse Spark 1.2

Базовая модель Muse Spark 1.2 — это обновление, ориентированное на кодинг, по сравнению с версией 1.1. Meta увеличила вычислительные мощности для обучения на задачах кодинга и расширила разнообразие обучающей среды. Она также сохраняет сильные стороны в общих агентных задачах. Модель обучалась совместно с Muse Code для обеспечения наилучшей производительности в среде, и обучена на долгосрочных задачах кодинга, таких как генерация целых репозиториев, крупные сквозные проекты и автоматические исследования.

Пример: оптимизация GPU-ядер

В тесте на оптимизацию ядер агент работал более 1000 вызовов инструментов (до 24 часов) на GPU NVIDIA Hopper. Он итеративно писал, компилировал, профилировал и улучшал GPU-ядра для нагрузок KDA и MLA, при этом модели было запрещено импортировать сторонние библиотеки ядер. Muse Spark 1.2 создал конвейеры из двух ядер Triton, достигнув значительного прироста производительности по сравнению с базовыми показателями, применяя такие оптимизации, как перенос центра тяжести для гейтированного кумулятивного затухания для KDA и повторное использование общего скрытого KV для MLA.

Доступность

Muse Spark 1.2 доступен сегодня в Muse Code и на платформе Meta. Для установки Muse Code выполните:

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

📖 Читать полный источник: HN AI Agents

Ad

👀 Смотрите также

angular-grab: Инструмент для извлечения контекста компонентов Angular для AI-агентов
Инструменты

angular-grab: Инструмент для извлечения контекста компонентов Angular для AI-агентов

angular-grab — это инструмент только для разработчиков, который позволяет навести курсор на любой элемент интерфейса в сервере разработки Angular, нажать Cmd+C и скопировать полную трассировку стека компонентов с путями к файлам и HTML в буфер обмена для вставки в AI-агенты.

OpenClawRadar
PicoClaw не смог создать ИИ-агента для F1, потратив $20 на API-кредиты
Инструменты

PicoClaw не смог создать ИИ-агента для F1, потратив $20 на API-кредиты

Разработчик попытался создать бота с информацией о Формуле-1 с помощью PicoClaw на Raspberry Pi Zero 2W, но инструмент по умолчанию использовал версию 11, генерировал вымышленный код на Python и потратил 20 долларов кредитов API DeepSeek, не создав рабочего решения.

OpenClawRadar
rawq: Локальный CLI-инструмент для семантического поиска кода AI-агента
Инструменты

rawq: Локальный CLI-инструмент для семантического поиска кода AI-агента

rawq — это инструмент командной строки с открытым исходным кодом, который помогает ИИ-агентам находить релевантный код с помощью семантического поиска с использованием 33-мегабайтной локальной модели через ONNX runtime и лексического поиска BM25 через tantivy. В тестах ИИ-агенты, использующие rawq, потребляли в 4 раза меньше токенов и выполняли задачи в 2 раза быстрее по сравнению с инструментами слепого чтения/grep.

OpenClawRadar
Мобильное приложение Off Grid добавило использование ИИ-инструментов на устройстве с трёхкратным увеличением скорости.
Инструменты

Мобильное приложение Off Grid добавило использование ИИ-инструментов на устройстве с трёхкратным увеличением скорости.

Мобильное приложение Off Grid теперь позволяет моделям ИИ использовать инструменты, такие как веб-поиск, калькулятор, дата/время и информацию об устройстве, полностью офлайн, с настраиваемыми параметрами кэша KV, обеспечивающими до 30 токенов в секунду на телефонах.

OpenClawRadar