AI 程式開發工具
Meta 推出 Muse Code：以持久背景代理與事件日誌支撐長時程程式任務
Muse Code 將 Muse Spark 1.2 包裝成終端機代理，能在隔離 worktree 內平行處理大型程式庫。其附加式事件日誌可在程序中斷後重建狀態，但效能數字主要仍由 Meta 自行提供。
Meta 於 8 月 5 日開放 Muse Code 測試版，將新模型 Muse Spark 1.2 與終端機代理執行框架一併推出。它不只生成程式碼，而是先探索程式庫、規劃修改、呼叫工具、執行測試，再依結果繼續修正；大型任務還可分派給多個子代理，在隔離的 Git worktree 平行工作，避免直接碰觸使用者目前的工作副本。
架構上較值得注意的是持久背景代理與附加式事件日誌。背景代理會在整個工作階段持續保存已蒐集的脈絡，而非每項子任務都重新建立；模型呼叫、工具結果、核准動作及檔案修改則依序寫入本地日誌。程序當機或重啟後，執行器可由事件序列恢復工作，降低長時程代理因單點失敗而整段重跑的成本。
Meta 表示 Spark 1.2 與 Muse Code 共同訓練：前代模型產生困難的程式環境並協助評分候選解法，再把結果轉成新訓練資料。在 Terminal-Bench 2.1 的公司評測中，Spark 1.2 得分 82.9%，低於 Opus 5 的 86.7%，但高於數個受測對手。另一項示範讓代理在 NVIDIA Hopper 上進行逾千次工具呼叫、持續最長 24 小時，反覆重寫 Triton 核心。
這些結果不能直接等同日常維護品質：不同模型使用的代理框架與推理設定未完全一致，GPU 核心任務也比一般企業程式庫更容易以速度驗證。社群實測另發現容器登入問題，並顯示單純移植其系統指令也可能大幅改變成本與完成時間。工程團隊下一步應觀察事件日誌是否可稽核、子代理失敗如何回滾，以及長時間執行時的權限、祕密管理與費用上限。