米Metaは2026年8月5日、ターミナル上で動作するコーディングエージェント「Muse Code」のベータ版と、同製品を支える最新モデル「Muse Spark 1.2」を公開しました。Muse CodeはmacOSとLinuxに対応し、大規模なコードリポジトリを対象に、変更計画の作成、コード生成、動作確認までを一連の流れで実行します。
特徴の一つが、複数の非同期バックグラウンドエージェントを常駐させる仕組みです。各エージェントが情報収集や次の処理を並行して進め、必要なタイミングでメインエージェントへ結果を共有します。タスクごとにエージェントを作り直さないため、重複した調査や待ち時間を減らし、複雑な開発でも人間による細かな指示を抑えられるとしています。
また、モデルの呼び出しやツール実行、承認、編集内容をローカルのイベントログに記録します。障害や再起動が発生した場合でも、停止した地点から正確に作業を再開できるため、長時間に及ぶ開発タスクにも対応可能です。標準機能として、実行計画を作る「/plan」、計画を厳しく検証する「/grill」、目標達成まで作業を続ける「/goal」も備えます。
Muse Spark 1.2は、前モデルのMuse Spark 1.1を基に、コード生成、複雑なデバッグ、コードベースの理解、開発工程全体の遂行能力を強化したモデルです。コーディング向けの学習計算量と訓練環境の多様性を拡大し、Muse Codeと組み合わせた際に性能を発揮できるよう共同学習も行われました。さらに、リポジトリ全体の生成や大規模プロジェクト、自動調査など、長期間にわたるタスクを重点的に学習しています。計画機能で作業順序を整理し、目標条件で方向性を保ちながら、コンテキスト圧縮によって必要な情報を維持する設計です。
学習ではMuse Spark 1.1を使って難易度の高い開発環境や指示テンプレートを生成し、候補となる解答を評価させる自己改善型の手法も採用しました。これにより、複雑な要求への追従精度を高めたと説明しています。
Metaが公開した事例では、住宅内を撮影したMP4動画を入力すると、Muse Codeが内容を読み取り、宿泊施設の紹介と予約機能を備えたWebサイトを生成しました。GPUカーネルの最適化試験では、1000回を超えるツール実行を最長24時間継続し、コードの作成、コンパイル、性能測定、改善を反復しています。
Muse Spark 1.2はMuse CodeとMeta Model APIで利用でき、APIの提供地域も拡大されました。Metaは今後、実行基盤の新機能や、さらに高性能なモデルを提供する方針です。
出典：Introducing Muse Code and Muse Spark 1.2 | Meta AI Research