AI news

Meta首款编程Agent来了!背后模型能力直追Opus 5

By 杜伟、Youli0 viewsSource: 机器之心
Meta首款编程Agent来了!背后模型能力直追Opus 5

终于,Meta 下场做 Coding Agent 了。

The full text has not been translated yet. The Chinese original is shown below.

终于,Meta 下场做 Coding Agent 了。

今日,Meta 正式发布 Muse Code 测试版。这是一款运行在终端中的 AI 编码 Agent,由最新的 Muse Spark 1.2 模型驱动。扎克伯格发文表示:「它可以在大型代码仓库中完成复杂软件工程任务,包括分析项目、规划修改、编写代码、运行工具以及验证结果。」

文章配图

这也意味着,Meta 与 OpenAI、Anthropic,终于又在编码 Agent 这一热门赛道「狭路相逢」了。

文章配图

而产品一经发布,便引起网友热议。一网友直接问起了当下讨论比较多的开源话题,问「Muse Code 是否会采用开源方式」?而扎克伯格也立即回应:「很快将会有更多关于这一话题的内容要分享」。

文章配图

目前,Muse Code 支持 macOS 和 Linux,通过一条终端命令即可安装。用户可以直接向它提出一个完整需求,例如修复跨越多个模块的 Bug、添加一项新功能,或者对大型项目进行重构。接到任务后,Muse Code 会先理解代码库,再制定计划、修改文件、运行测试,并根据结果继续调整。

文章配图

下面,我们来详细了解一下。

Muse Code:Meta 首个 AI 编程智能体

Muse Code 采用一个简单的智能体循环,并配合一组异步后台智能体,以增强主智能体的能力。

这些专用后台智能体会在整个会话期间持续运行,不会针对每项任务临时启动,从而减少重复的信息收集。它们可以自主执行后续步骤,并判断何时向主智能体反馈结果。

这种持续运行的机制能够降低延迟,也减少了主智能体在处理复杂、多步骤任务时对人工引导的依赖。

文章配图

demo 展示

Muse Code 具有两大核心特征:

一是运行时设计。

Muse Code 使用本地事件日志,模型调用、工具运行、审批操作和代码修改都会被依次记录。作为唯一可信的数据源,这套日志机制让运行过程可以被精确重放,并能在重启后安全恢复。即使程序崩溃,智能体也能从中断的位置继续执行。

凭借这一能力,Muse Code 可以处理运行时间较长的任务,不会因中途故障导致整个流程偏离或中断。

二是内置技能。

Muse Code 默认提供多项技能。「/plan 」可以将任务拆解为一份需要审批后才能执行的计划;「/grill 」会对计划进行反复压力测试,直到方案足够可靠;「/goal 」则会围绕指定目标持续推进,直至任务成功完成。

Muse Spark 1.2:智能体背后更强的模型

Muse Spark 1.2 是在 Muse Spark 1.1 基础上推出的编程能力升级版本,重点提升代码生成、复杂问题调试、代码库理解,以及端到端开发流程中的表现。

在 Muse Spark 1.2 的训练中,Meta 显著增加了编程任务上的训练算力,同时扩展了训练环境的多样性。与此同时,模型在通用智能体等其他关键能力上仍保持了较强表现。

在评估智能体终端环境完成任务能力的Terminal-Bench 2.1上,Muse Spark 1.2 仅弱于 Opus 5(max)。

文章配图

在DeepSWE 1.1上,Muse Spark 1.2 不敌 Opus 5(max)、GPT-5.6 Terra(max)。DeepSWE 定义了 113 项任务,覆盖 91 个代码仓库和五种编程语言,分别为 TypeScript、Go、Python、JavaScript 和 Rust。每项任务都配有人工编写的功能验证程序和回归测试。

文章配图

在来自 Meta 内部代码库的Meta Internal Coding Bench上,Muse Spark 1.2 也仅弱于 Opus 5(max)。该基准包含了 440 项任务。这些任务基于真实的内部拉取请求构建,涵盖漏洞修复、功能开发、代码重构、代码清理及其他软件工程工作。

文章配图

如此不俗的跑分成绩,得益于以下三项技术上的进步:

一是与 Muse Code 协同训练。

Muse Spark 1.2 与 Muse Code 采用协同训练,以确保两者配合使用时,能够充分发挥模型性能,并提供更好的编程体验。

训练过程中引入了基于拒绝采样的智能体运行轨迹,并围绕目标执行、上下文压缩和子智能体等环节优化训练方法。同时,团队还将 Muse Code 的工具集纳入训练,以提高模型与智能体运行框架的兼容性。

二是长时程任务能力。

Muse Spark 1.2 针对长时程编程任务进行了大规模训练,任务类型包括完整代码仓库生成、大型端到端项目和自动化研究。

模型会通过规划来安排任务顺序,通过目标条件约束保持执行方向,并借助上下文压缩保留持续推进任务所需的关键信息。

三是自我改进能力。

Meta 还使用 Muse Spark 1.1 生成高难度编程环境和指令遵循模板,再由模型评估候选方案对各项要求的满足程度,由此构建出一套可规模化扩展的 Muse Spark 1.2 训练数据。

这套自我改进机制帮助 Muse Spark 1.2 更准确地执行复杂指令,在指令遵循能力上超过了上一代模型。

价格方面,普通版输入 1.25 美元 / 百万 Token,缓存输入 0.15 美元,输出 4.25 美元;Contributor 版输入 0.10 美元 / 百万 Token,缓存输入 0.002 美元,输出 0.20 美元。

文章配图

参考链接:

https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2

https://x.com/finkd/status/2085080750034940201

文章来自于"机器之心",作者 "杜伟、Youli"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)