Muse Code : le pari anti-crash de Meta dans la course aux agents de codage

Meta a passé une décennie à construire des applications sociales et une réputation dans la recherche en IA. Cette réputation vient de dépenser des milliards pour offrir la recherche. Aujourd'hui, elle lance un agent de codage en terminal. Muse Code, en bêta pour macOS et Linux, s'installe avec une seule commande, curl -fsSL https://dev.meta.ai/install.sh | bash, et s'associe à un nouveau modèle, Muse Spark 1.2, que Meta a co-entraîné avec le harnais d'outils de l'agent lui-même.

L'agent prend en charge le travail d'ingénierie sur de grands dépôts : planifier les changements, écrire le code, valider les résultats. Pour chaque tâche, il peut coordonner plusieurs sous-agents persistants, et ces sous-agents restent actifs pendant toute la session plutôt que d'être créés pour chaque travail. Meta affirme que cela réduit la collecte d'informations redondantes et diminue le degré de pilotage qu'un développeur doit exercer sur des tâches difficiles en plusieurs étapes.

Un runtime conçu pour survivre à ses propres pannes

Le journal d'événements est le détail de conception qui compte. Muse Code ajoute chaque appel de modèle, chaque exécution d'outil, chaque approbation et chaque modification à un journal local qui devient la source unique de vérité de la session. Le runtime est rejouable à l'identique et sûr au redémarrage : si l'agent plante, il reprend précisément là où il s'est arrêté au lieu de recommencer. C'est ce qui lui permet d'entreprendre des tâches de longue durée sans être déraillé par des pannes.

Meta livre trois commandes par défaut avec l'agent. /plan transforme une tâche en plan soumis à approbation, /grill met ce plan à l'épreuve jusqu'à ce qu'il tienne, et /goal œuvre à l'accomplissement de l'objectif énoncé. Structurer le travail en procédure explicite est la même idée que les recherches sur le traitement des procédures opérationnelles comme code, qui ont constaté que la compilation d'une procédure sous forme exécutable améliore à elle seule les agents forts de 16 points. La démo de l'entreprise montre un autre aspect de l'outil : il accepte une vidéo mp4 de survol d'une maison en entrée et produit à partir de celle-ci une page de marketing et de réservation pour une maison de vacances.

Muse Spark 1.2, co-entraîné avec son propre harnais

Muse Spark 1.2 est une mise à jour axée sur le codage de Muse Spark 1.1, avec des améliorations dans la génération de code, le débogage complexe, la compréhension des bases de code et les flux de travail de développement de bout en bout. Meta a augmenté la puissance de calcul d'entraînement sur les tâches de codage et élargi la diversité des environnements d'entraînement, tout en conservant la solidité du modèle dans d'autres domaines comme les agents généraux.

La particularité réside dans la manière dont il a été entraîné. Meta a co-entraîné Muse Spark 1.2 avec Muse Code lui-même, en utilisant des trajectoires de harnais échantillonnées par rejet et des optimisations de recette pour les objectifs, la compaction et les sous-agents, ainsi que l'intégration de la boîte à outils de Muse Code. L'entraînement a également couvert le codage à long horizon : génération de dépôts entiers, grands projets de bout en bout et auto-recherche, avec planification, conditionnement par objectifs et compaction du contexte pour soutenir la progression.

Il y a ensuite la boucle d'auto-amélioration. Muse Spark 1.1 a généré des environnements de codage exigeants et des modèles de suivi d'instructions ; le modèle a ensuite évalué les solutions candidates par rapport à ces exigences, produisant un ensemble de données d'entraînement évolutif pour la version 1.2. C'est ainsi que le nouveau modèle a appris à suivre des instructions complexes plus précisément que son prédécesseur.

Le test kernel de 24 heures

L'étude de cas de Meta pousse la revendication du long horizon le plus loin. L'agent a optimisé itérativement des kernels GPU sur plus de 1 000 appels d'outils, avec des exécutions allant jusqu'à 24 heures. Il écrit, compile, profile et améliore progressivement les performances des kernels par rapport à une base de référence fournie, évalués sur les kernels KDA et MLA pour les GPU NVIDIA Hopper.

Le modèle n'avait pas le droit d'importer directement des bibliothèques de kernels tierces comme FLA ; il devait appliquer ses propres connaissances en optimisation pour implémenter les algorithmes en Triton plutôt que d'envelopper du code existant. Meta indique que l'agent a obtenu des améliorations substantielles par rapport à la référence dans les deux charges de travail, sans publier de chiffres exacts dans l'annonce.

Où Meta se situe dans la course aux agents

Muse Code arrive alors que les outils de codage IA se détachent du clavier physique. Les agents cloud de Cursor permettent aux développeurs de déléguer des tâches de manière asynchrone et d'examiner les résultats de n'importe où, comme l'a montré la reconstruction de SQLite par Cursor. Xcode 27 d'Apple intègre les agents d'Anthropic, de Google et d'OpenAI directement dans l'IDE. Côté modèles, Claude Sonnet 5 d'Anthropic est conçu pour les flux de travail agentiques et l'usage en entreprise. Le domaine converge vers une seule question : à quel outil peut-on faire confiance pour continuer à travailler sans humain au clavier.

La réponse de Meta, c'est l'infrastructure. Un journal d'événements rejouable à l'identique, des agents d'arrière-plan persistants et un modèle entraîné aux côtés de son propre harnais pointent tous vers le même objectif : laisser un agent fonctionner pendant des heures sans supervision et se relever après une panne. C'est un pari différent de celui qui consiste à rivaliser sur un seul chiffre de benchmark, à un moment où les anciens benchmarks sont saturés et contaminés.

Disponibilité et prochaines étapes

Muse Spark 1.2 est disponible aujourd'hui dans Muse Code et via l'API Meta Model avec un accès mondial élargi. Meta présente cette sortie comme « notre prochaine étape vers la frontière » et affirme que des modèles plus grands et bien plus capables sont en route.

La vidéo de démo est un bon tour de passe-passe, et l'étude de cas sur les kernels vaut la peine d'être lue. La revendication durable est opérationnelle : un agent qui survit aux crashs et nécessite moins de pilotage est celui auquel les développeurs confieront les travaux de nuit, le problème de confiance que la recherche de Circle sur les piles d'agents identifie comme la partie difficile. Le pari de Meta est que cette course se gagne sur la fiabilité, et qu'elle peut y arriver en livrant son outil dans un terminal près de chez vous.