Meta、Muse Codeを発表：永続バックグラウンドエージェントとイベントログで長時間のコーディングタスクを支援

Metaは8月5日、Muse Codeのベータ版を公開し、新モデルMuse Spark 1.2とターミナルエージェント実行フレームワークを同時に発表した。Muse Codeは単にコードを生成するだけでなく、まずコードベースを探索し、変更を計画してツールを呼び出し、テストを実行したうえで、その結果に基づいて修正を続ける。大規模なタスクは複数のサブエージェントに割り当て、隔離されたGit worktree内で並列実行できるため、ユーザーが現在使用している作業コピーに直接触れずに済む。

アーキテクチャ上で特に注目されるのは、永続バックグラウンドエージェントと追記専用イベントログだ。バックグラウンドエージェントは、サブタスクごとにコンテキストを再構築するのではなく、セッション全体を通じて収集済みのコンテキストを保持し続ける。一方、モデル呼び出し、ツールの実行結果、承認操作、ファイル変更はローカルログへ順番に記録される。プロセスがクラッシュまたは再起動しても、ランナーはイベントシーケンスから作業を復元できるため、長時間稼働するエージェントが単一障害点によってタスク全体をやり直すコストを抑えられる。

Metaによると、Spark 1.2とMuse Codeは共同でトレーニングされた。前世代モデルが難易度の高いプログラミング環境を生成して解法候補の評価を支援し、その結果を新たなトレーニングデータへ変換したという。同社によるTerminal-Bench 2.1の評価では、Spark 1.2のスコアは82.9%で、Opus 5の86.7%を下回ったものの、テスト対象となった複数の競合モデルを上回った。別のデモでは、エージェントがNVIDIA Hopper上で1,000回を超えるツール呼び出しを行い、最長24時間にわたってTritonカーネルを繰り返し書き換えた。

ただし、これらの結果を日常的な保守作業の品質と直接同一視することはできない。モデルごとに使用されたエージェントフレームワークや推論設定が完全には統一されておらず、GPUカーネルのタスクは一般的な企業コードベースよりも速度による検証が容易だからだ。コミュニティによる実地テストではコンテナへのログイン問題も確認され、システムプロンプトを単純に移植するだけでもコストや完了時間が大きく変わり得ることが示された。エンジニアリングチームは今後、イベントログが監査可能か、サブエージェントの失敗をどのようにロールバックするか、さらに長時間実行時の権限管理、シークレット管理、費用上限を注視すべきだ。