মেটা মিউজ কোড চালু করেছে, প্রথম টার্মিনাল প্রোগ্রামিং এজেন্ট যার দীর্ঘস্থায়ী এজেন্ট এবং 95% ছাড়ের বিকল্প রয়েছে

২০২৬ সালের ৫ আগস্ট, মেটা তার প্রথম টার্মিনাল প্রোগ্রামিং এজেন্ট—Muse Code প্রকাশ করে এবং প্রোগ্রামিংয়ের জন্য অপ্টিমাইজড Muse Spark 1.2 মডেলটি একসাথে চালু করে। Muse Code বড় কোডবেস পড়তে, পরিবর্তনের পরিকল্পনা তৈরি করতে, কোড লিখতে, টেস্ট চালাতে এবং ফলাফল যাচাই করতে সক্ষম, এছাড়াও এটি একাধিক ব্যাকগ্রাউন্ড এজেন্টকে সম্পূর্ণ সেশনের জন্য চলমান রাখতে দেয়, প্রতিটি টাস্কের জন্য প্রকল্পটি আবার বুঝতে হয় না। মেটা একইসাথে সিস্টেমের জন্য শুধুমাত্র যোগ করা যায়, ওভাররাইট করা যায় না এমন লোকাল ইভেন্ট লগও ডিজাইন করেছে, যাতে প্রোগ্রাম ক্র্যাশ হলেও বিচ্ছিন্নতার স্থানে সঠিকভাবে পুনরুদ্ধার করা যায়। ডেভেলপারদের মধ্যে আসলেই আলোচনা হচ্ছে মূল্যের কথা: স্ট্যান্ডার্ড ভার্সনের জন্য 1000000টি ইনপুট,আউটপুট Token-এর জন্য 1.25ডলার এবং 4.25ডলার;যদি ব্যবহারকারীরা Meta-কেইনপুটএবংআউটপুটব্যবহারকরেপণ্যউন্নয়নেসহায়তাকরতেঅনুমতিদেন,তবে“কনট্রিবিউটরভার্সন”0.10ডলারএবং0.20ডলারএখনওকমহবে।এইকমদামেরপিছনেরবিনিময়হলঅসাধারণপ্রচারনা,বরংকোডএবংব্যবহারডেটা।অফিসিয়ালপরীক্ষাMuseSpark1.2প্রথমশ্রেণিরপ্রোগ্রামিংমডেলগুলিরসমীপবর্তীহয়েছে,কিন্তুএখনওসম্পূর্ণভাবেঅগ্রণীনয়,এবংকিছুফলাফলঅনুসন্ধানকারীদ্বারাপুনরায়উৎপন্নহয়নি।মেটাএইবারযেসংকেতদিচ্ছে,তা-AIপ্রোগ্রামিংয়েরপ্রতিদ্বন্দ্বিতা-এখনশুধুমাত্রএকটিমডেলথেকেমডেল,এজেন্টরানটাইমফ্রেমওয়ার্ক,দীর্ঘমেয়াদীঅবস্থাএবংডেটা-সিকোয়েন্সগুলিরএকটিসমগ্রসিস্টেম-এবদলিয়েছে।

লেখক, উৎস: Meta AI Research

মিউজ কোড হল মেটা দ্বারা প্রকাশিত প্রথম টার্মিনাল-ভিত্তিক প্রোগ্রামিং এজেন্ট, যা বর্তমানে macOS এবং Linux-এর জন্য টেস্টিং সংস্করণ হিসাবে উপলব্ধ। এটি কোড পূরণের পরিবর্তে সম্পূর্ণ সফটওয়্যার ইঞ্জিনিয়ারিং কাজকে লক্ষ্য করে: একটি বড় কোড রিপোজিটরিতে প্রবেশ করা, বিদ্যমান কাঠামোটি বুঝতে পারা, একটি পরিকল্পনা তৈরি করা, একাধিক ফাইল সংশোধন করা, কমান্ড এবং টেস্ট চালানো, এবং ফলাফলের ভিত্তিতে আরও সংশোধন করা।

এটি Muse Code-কে Claude Code, Codex, Gemini CLI ইত্যাদি পণ্যগুলির যে বাজার নিয়ে প্রতিদ্বন্দ্বিতা করছে, সেই বাজারে সরাসরি প্রবেশ করে দেয়। মডেলগুলি এখন শুধু “এই কোডটি কীভাবে লিখব?” এর উত্তর দেয় না, বরং টার্মিনাল, ফাইল সিস্টেম এবং ডেভেলপমেন্ট টুলগুলির অ্যাক্সেস পায় এবং কম মানুষের হস্তক্ষেপে কাজগুলি সম্পন্ন করে।

মেটা তাদের পোস্টে মিউজ কোড এবং মিউজ স্পার্ক 1.2 কে দুটি স্বাধীনভাবে বিচ্ছিন্ন করা যায় এমন পণ্য হিসাবে নয়, বরং একটি সিস্টেম হিসাবে উপস্থাপন করেছে। মিউজ স্পার্ক 1.2 বুঝতে, যুক্তি দিতে এবং উত্পাদন করতে দায়ী, যখন মিউজ কোড কনটেক্সট সংগঠিত করতে, সাব-এজেন্টগুলির সময়সূচী তৈরি করতে, টুলগুলি কল করতে, অবস্থা সংরক্ষণ করতে এবং ফলাফলগুলি যাচাই করতে দায়ী। উভয়কেই প্রশিক্ষণের সময় একসাথে অপ্টিমাইজ করা হয়েছে, যার অর্থ একই মডেলটি অন্যান্য এজেন্ট ফ্রেমওয়ার্কে স্থানান্তরিত করলেও, মেটা দ্বারা প্রদর্শিত ফলাফলগুলির পুনরুৎপাদন সম্ভবত সম্ভব হবে না।

মিউজ কোডের সবচেয়ে বিশিষ্ট ডিজাইন হল একটি অ্যাসিঙ্ক্রোনাসভাবে চলমান ব্যাকগ্রাউন্ড এজেন্টের সেট।

সাধারণত একটি মাল্টি-এজেন্ট সিস্টেম একটি উপ-কাজ সম্পাদনের জন্য একটি সহায়ক তৈরি করে, যেমন সংশ্লিষ্ট ফাইল খোঁজা, টেস্ট ব্যর্থতা বিশ্লেষণ করা বা কোনো নির্ভরশীলতা অধ্যয়ন করা। কাজটি শেষ হওয়ার পর, এই সহায়কের কনটেক্সট প্রায়শই অদৃশ্য হয়ে যায়; পরবর্তী বার একই ধরনের সমস্যা দেখা দিলে, সিস্টেমটি সম্ভবত আবার একই কোডবেস স্ক্যান করবে এবং একই তথ্যগুলি পুনরায় সংগ্রহ করবে।

মিউজ কোডের ব্যাকগ্রাউন্ড এজেন্টগুলি সম্পূর্ণ সেশন জুড়ে সক্রিয় থাকবে। এগুলি কোডবেসের প্রতি বোঝাপড়া সঞ্চয় করতে পারে, নিজেদের দ্বারা পরবর্তী পদক্ষেপগুলি এগিয়ে নিতে পারে এবং ফলাফলগুলি মূল এজেন্টকে কখন প্রতিবেদন করা উচিত তা নির্বাচন করতে পারে। মূল এজেন্টটি লক্ষ্যগুলি সমন্বয় করে, যখন ব্যাকগ্রাউন্ড এজেন্টগুলি আলাদাভাবে বিভিন্ন মডিউলগুলি অধ্যয়ন, টেস্টগুলি চেক, কল রিলেশনশিপগুলি খুঁজে বা বাস্তবায়নের পরিকল্পনা যাচাই করতে পারে।

এই ডিজাইনটি দীর্ঘ কাজের সময় একটি সাধারণ বর্জ্য দূর করার চেষ্টা করে: এজেন্ট বারবার ভুলে যায় যে সে কী দেখেছে। যদি ব্যাকগ্রাউন্ড এজেন্টের অবস্থা নির্ভরযোগ্যভাবে সংরক্ষিত হয়, তবে এটিকে প্রতিটি ধাপে প্রকল্প স্ট্রাকচার পুনরায় পড়ার দরকার হবে না, এবং মানুষকেও বারবার “এই ফাইলটি ইতিমধ্যেই পরীক্ষা করা হয়েছে” বলে স্মরণ করিয়ে দিতে হবে না।

তবে, একাধিক এজেন্ট একসাথে কোড পরিবর্তন করলে সংঘাত, অনুমতি এবং খরচের সমস্যা দেখা দেয়। মেটার প্রকাশিত নিবন্ধে কাজগুলি কীভাবে বিভক্ত হয়, কোড পরিবর্তনগুলি কীভাবে একীভূত হয়, এবং একটি ব্যাকগ্রাউন্ড এজেন্টের ভুলের কারণে অন্যান্য এজেন্টগুলি কীভাবে ভুল উপসংহারগুলি অনুসরণ করা থেকে বিরত থাকে, তা সম্পূর্ণভাবে উল্লেখ করা হয়নি। তাই, কনটিনিউয়াস এজেন্ট একটি মনোযোগযোগ্য আর্কিটেকচারাল দিক, তবে বর্তমানে শুধুমাত্র অফিসিয়াল ডেমোর উপর ভিত্তি করে এটির বাস্তব টিম-প্রজেক্টগুলিতে স্থিতিশীলতা নির্ণয় করা যায় না।

দীর্ঘসময় চলমান প্রোগ্রামিং এজেন্টগুলির একটি বাস্তবিক সমস্যা রয়েছে: কাজ যত বেশি দীর্ঘ হয়, নেটওয়ার্ক বিচ্ছিন্নতা, টুল ত্রুটি, প্রক্রিয়া ক্রাশ বা কনটেক্সট সীমা অতিক্রম হওয়ার সম্ভাবনা তত বেশি। যদি সিস্টেমটি শুধুমাত্র মডেলের ডায়ালগে বর্তমান অবস্থা সংরক্ষণ করে, তবে একটি ব্যর্থতায় কয়েক ঘন্টার অনুসন্ধানের সমস্ত কাজ হারিয়ে যেতে পারে।

মিউজ কোড এই জন্য একটি স্থানীয় ইভেন্ট লগ তৈরি করেছে। প্রতিটি মডেল কল, টুল এক্সিকিউশন, ব্যবহারকারীর অনুমোদন এবং ফাইল পরিবর্তন লগে অ্যাপেন্ড করা হয়, এবং পূর্ববর্তী ইতিহাস পরবর্তী অবস্থা দ্বারা সরাসরি ওভাররাইট হয় না।

মেটা এই প্রক্রিয়াকে "পুনরায় পুনরায় চালানো যায়" এবং "পুনরায় শুরু নিরাপদ" বলে অভিহিত করে। যখন এজেন্ট মধ্যে মধ্যে ক্র্যাশ হয়, তখন সিস্টেম ঘটনার রেকর্ডের ভিত্তিতে কাজ পুনরুদ্ধার করতে পারে, এবং আগের কী ঘটেছিল তা আবার অনুমান করার প্রয়োজন হয় না। এটি প্রকৃতপক্ষে প্রোগ্রামিং এজেন্টকে একটি অস্থায়ী কথোপকথন থেকে একটি অবস্থা-ভিত্তিক ইঞ্জিনিয়ারিং প্রক্রিয়ার সমান করে তোলে।

মিউজ কোডে কয়েকটি কল করা যায় এমন দক্ষতা অন্তর্ভুক্ত রয়েছে:/planপ্রথমে ব্যবহারকারীর অনুমোদনের জন্য একটি বাস্তবায়ন পরিকল্পনা তৈরি করে; /grillএই পরিকল্পনার বিরুদ্ধে আক্রমণাত্মকভাবে প্রশ্ন তোলে এবং বাদ পড়া, ঝুঁকি এবং ভুল ধারণাগুলি খুঁজে বার করে; /goalতারপর Agent-কে নির্দিষ্ট লক্ষ্যের চারপাশে ধারাবাহিকভাবে কাজ করতে বাধ্য করে, যতক্ষণ না সম্পন্নের শর্তগুলি পূরণ হয়।

এই ফিচারগুলির পিছনের ধারণা স্পষ্ট: যদি AI ঘন্টার পর ঘন্টা সফটওয়্যার ইঞ্জিনিয়ারিংয়ের কাজ করে, তবে শুধু প্রতিটি ধাপে উত্পাদিত কোড সুন্দর হওয়াই যথেষ্ট নয়, এটি অগ্রগতি সংরক্ষণ, পরীক্ষা করা, পরিকল্পনার ফাঁক শনাক্তকরণ এবং ব্যর্থতার পরেও কাজ চালিয়ে যাওয়ার ক্ষমতা থাকা জরুরি।

Muse Spark 1.2 হল 1.1 সংস্করণের প্রকাশের এক মাসের মধ্যে প্রকাশিত প্রোগ্রামিং-শক্তিশালী সংস্করণ। মেটা বলেছে যে এটি প্রোগ্রামিং টাস্কের ট্রেনিং কম্পিউটিং ক্ষমতা এবং ট্রেনিং পরিবেশের বৈচিত্র্য বৃদ্ধি করেছে, যা কোড জেনারেশন, জটিল ডিবাগিং, কোডবেস বুঝতে এবং এন্ড-টু-এন্ড ডেভেলপমেন্ট প্রক্রিয়াকে উন্নত করার উপর ফোকাস করে।

প্রশিক্ষণ পরিসর শুধুমাত্র একক ফাইল ঠিক করা সীমাবদ্ধ নয়, বরং পূর্ণাঙ্গ কোড রিপোজিটরি তৈরি, বড় এন্ড-টু-এন্ড প্রকল্প এবং স্বয়ংক্রিয় গবেষণা কাজগুলিও কভার করে। মডেলটি কাজের ধাপগুলি সাজানোর জন্য পরিকল্পনা ব্যবহার করবে, লক্ষ্যের শর্তগুলির মাধ্যমে দিকনির্দেশ বজায় রাখবে এবং প্রসঙ্গ বৃদ্ধি পেলে সংকুচিত করবে, যাতে পরবর্তী কাজের জন্য প্রকৃতপক্ষে প্রয়োজনীয় তথ্যগুলি সংরক্ষিত থাকে।

মেটা পরবর্তী প্রজন্মের মডেল ট্রেনিংয়ের জন্য মিউজ স্পার্ক 1.1-কেও অংশগ্রহণ করাচ্ছে। পুরানো মডেলটি আরও কঠিন প্রোগ্রামিং পরিবেশ এবং নির্দেশ অনুসরণ টেমপ্লেট তৈরি করে, এবং প্রস্তাবিত সমাধানগুলির প্রয়োজনীয়তা পূরণ করা হচ্ছে কিনা তা স্কোর করে, যার ফলে 1.2 সংস্করণের জন্য শেখার জন্য ব্যাচ-ভিত্তিক ডেটা উৎপাদন করা হয়।

এখানে উল্লিখিত “স্ব-উন্নয়ন” এখনও মডেলটি মানুষের নিয়ন্ত্রণ থেকে বেরিয়ে নিজে ওজন পরিবর্তন করার অর্থ নয়। আরও সঠিকভাবে বলা যায়, পূর্বপুরুষ মডেলটিকে ডেটা জেনারেটর এবং মূল্যায়নকারী হিসাবে ব্যবহার করা হয়েছিল, যা দলকে পরবর্তী প্রজন্মের ট্রেনিং ডেটা বাড়াতে সাহায্য করেছে। ডেটা প্রবাহ, ট্রেনিং রান এবং চূড়ান্ত মডেল প্রকাশ এখনও Meta-এর নিয়ন্ত্রণে।

এর চেয়ে বেশি গুরুত্বপূর্ণ হলো, মেটা শুধুমাত্র একটি “কোড লেখার মডেল” ট্রেন করেনি, বরং মিউজ কোডের টুল, টার্গেট ম্যানেজমেন্ট, কনটেক্সট কম্প্রেশন এবং সাব-এজেন্ট ট্রাজেক্টরি ট্রেনিং-এর সাথে একীভূত করেছে। ভবিষ্যতের প্রোগ্রামিং মডেলগুলির ক্ষমতা হয়তো এটি ট্রেনিং পর্যায় থেকেই কোন এজেন্ট ফ্রেমওয়ার্কের সাথে পরিচিত হয়েছে তার উপর বেশি নির্ভরশীল হবে।

মেটা দ্বারা প্রদত্ত একটি কেস হল মিউজ কোড পরিবেশে এনভিডিয়া হপার জিপিইউ-তে KDA এবং MLA কোরগুলি অপ্টিমাইজ করার জন্য মিউজ স্পার্ক 1.2 কে ব্যবহার করা। সিস্টেমটিকে নিজে থেকে কোড লিখতে, কম্পাইল করতে, পারফরম্যান্স বিশ্লেষণ করতে এবং ফলাফলের ভিত্তিতে পুনরাবৃত্তি করে পরিবর্তন করতে হবে।

পুরো পরীক্ষাটি সর্বাধিক 24 ঘন্টা চলে, এবং টুলগুলি 1000 বারের বেশি কল করা হয়। গবেষকদের দ্বারা মডেলকে প্রস্তুত তৃতীয় পক্ষের কোর লাইব্রেরি সরাসরি আমদানি করতে নিষেধ করা হয়েছে, এবং এটিকে Triton-এ অ্যালগরিদম বাস্তবায়ন করতে এবং বাস্তবিক পারফরম্যান্সের উন্নতি খুঁজে বার করতে বলা হয়েছে, শুধুমাত্র পূর্ববর্তী বাস্তবায়নকে নিজস্ব ফলাফলের মতো প্যাকেজ করে নয়।

KDA টাস্কে, মডেলটি সমান্তরাল ব্লক-অভ্যন্তরীণ প্রস্তুতি কার্নেল এবং ক্রস-ব্লক স্ক্যানের ক্রমিক সংমিশ্রণ করেছে এবং গেটেড কুমুলেটিভ ডিকে জন্য বিশেষ অপ্টিমাইজেশন যোগ করেছে। MLA টাস্কে, এটি দুটি কার্নেল দিয়ে গঠিত Triton পাইপলাইন ডিজাইন করেছে এবং শেয়ার্ড KV পটেনশিয়াল রিপ্রেজেনটেশন পুনঃব্যবহারের চেষ্টা করেছে।

এই ধরনের কেসের গুরুত্ব কোনো একক ত্বরণ সংখ্যার উপর নির্ভর করে না, বরং এটি নির্ভর করে এজেন্ট শত শত ব্যর্থতা এবং মধ্যবর্তী ফলাফলের পরেও লক্ষ্য বজায় রাখতে, পারফরম্যান্স বিশ্লেষণের ডেটা বুঝতে এবং পরবর্তী পরীক্ষা উত্পাদন করতে পারে কিনা। যদি সিস্টেমটি মাত্র কয়েকটি দশক স্থিরভাবে কাজ করে, তবে এটি একটি উন্নত পূরণ টুলের মতো; ২৪ ঘন্টা প্রগতি করতে পারলেই এটি প্রকৌশলগত গবেষণা দেওয়ার জন্য উপযুক্ত এজেন্টের কাছাকাছি আসে।

মেটার মূল্যায়ন টার্মিনাল-বেঞ্চ 2.1, ডিপএসডব্লিউ 1.1, জিডিপিভ্যাল-এএ ভি২, এমসিপি এটলাস এবং অভ্যন্তরীণ প্রোগ্রামিং টেস্ট কভার করে। এর মধ্যে, টার্মিনাল-বেঞ্চ 2.1-এ 89টি টাস্ক রয়েছে যেগুলো টার্মিনাল পরিবেশে সম্পন্ন করতে হবে; ডিপএসডব্লিউ 1.1-এ 91টি কোড রিপোজিটরি থেকে আসা এবং পাঁচটি প্রোগ্রামিং ভাষা কভার করা 113টি টাস্ক রয়েছে।

মেটা দ্বারা প্রকাশিত গ্রাফ অনুযায়ী, Muse Spark 1.2 এবং Muse Code Terminal-Bench 2.1-এ 82.9% পেয়েছে, যা Claude Opus 5-এর 86.7% এর চেয়ে কম, কিন্তু এর মূল্যায়নে Codex এবং Grok Build-এর চেয়ে বেশি। DeepSWE 1.1-এ, Muse Spark 1.2 59.3% পেয়েছে, যা প্রথম স্থান অর্জন করেনি। মেটার অভ্যন্তরীণ 440টি বাস্তব ইঞ্জিনিয়ারিং টাস্কে, এটি 70.6% পেয়েছে, যা Opus 5-এর চেয়ে কম।

এই ফলাফলগুলি নির্দেশ করে যে Muse Code শীর্ষস্থানীয় প্রোগ্রামিং এজেন্টের প্রতিযোগিতার পরিসরে প্রবেশ করেছে, কিন্তু “Meta সম্পূর্ণভাবে Claude Code এবং Codex কে পরাজিত করেছে” এই উপসংহারটির সমর্থন করে না।

অফিসিয়ালমূল্যায়ন পদ্ধতির ফাইলএছাড়াও বলা হয়েছে যে বিভিন্ন মডেলের সাথে তাদের নিজস্ব Agent পণ্য জুটি বানানো হয়েছে: Muse Spark-এ Muse Code, Claude-এ Claude Code, GPT-এ Codex, Gemini-এ Antigravity, Kimi-এ Kimi Code ব্যবহার করা হয়েছে। এই তুলনা পূর্ণাঙ্গ পণ্যের প্রতিদ্বন্দ্বিতার কাছাকাছি, কিন্তু এটি বোঝা যায় না যে ফলাফলগুলি মডেলটির কারণে না Agent ফ্রেমওয়ার্কটির কারণে।

মেটা স্বীকার করেছে যে তাদের অভ্যন্তরীণ মূল্যায়ন পরিবেশ এবং প্রম্পটগুলি অন্যান্য তৃতীয় পক্ষের বন্ধ সোর্স মডেলগুলির জন্য সর্বোত্তমভাবে অপ্টিমাইজ করা হয়নি। টার্মিনাল-বেঞ্চে Muse Spark 1.2-এর পারফরম্যান্স এখনও স্বাধীন যাচাইকৃত তালিকায় প্রবেশ করেনি। তাই, বর্তমান পর্যায়ে সবচেয়ে নিরাপদ বিবৃতি হল: মেটা-এর নিজস্ব পরীক্ষা অনুযায়ী, এটি অগ্রণী স্তরের কাছাকাছি, কিন্তু স্বাধীনভাবে পুনরাবৃত্তি করা হয়নি।

Muse Spark 1.2 স্ট্যান্ডার্ড সংস্করণের জন্য প্রতি মিলিয়ন ইনপুট টোকেনের জন্য 1.25 ডলার, ক্যাশেড ইনপুটের জন্য 0.15 ডলার এবং আউটপুটের জন্য 4.25 ডলার শুল্ক প্রযোজ্য। এই সংস্করণের ইনপুট এবং আউটপুটকে Meta পণ্যগুলি উন্নত করতে ব্যবহার করা হবে না।

অন্য একটি মডেলের শনাক্তকরণ হলmuse-spark-1.2-contributor। এর প্রতি মিলিয়ন ইনপুট টোকেনের দাম মাত্র 0.10 ডলার, ক্যাশে ইনপুট 0.002 ডলার এবং আউটপুট 0.20 ডলার। স্ট্যান্ডার্ড সংস্করণের তুলনায়, ইনপুট 92% সস্তা এবং আউটপুট প্রায় 95% সস্তা।

এর বিনিময়ে অবদানকারীর সংস্করণের প্রস্তাব এবং মডেলের আউটপুটকে Meta পণ্য উন্নতির জন্য ব্যবহার করতে পারে। ওপেন-সোর্স প্রকল্প, ব্যক্তিগত পরীক্ষা বা সংবেদনশীল তথ্যবিহীন কাজের ক্ষেত্রে এটি খুবই আকর্ষণীয় বিনিময় হতে পারে; কিন্তু কোম্পানির নিজস্ব কোড, এখনও প্রকাশিত না হওয়া পণ্য, গ্রাহকের ডেটা, কী কনফিগারেশন এবং গোপনীয়তা চুক্তির অধীনে থাকা প্রকল্পের ক্ষেত্রে, এটি প্রথমেই একটি ডেটা গভর্ন্যান্সের সমস্যা, মূল্যের সমস্যা নয়।

কোম্পানিগুলি শুধুমাত্র টোকেনের একক মূল্য দেখে সম্পূর্ণ কোডবেসটিকে অবদানকারী সংস্করণের জন্য উপযুক্ত বলে ধরে নিতে পারে না। ডেটা প্রশিক্ষণের জন্য ব্যবহার করা যাবে কিনা, তা মেটার সংশ্লিষ্ট সেবা শর্তাবলী, কোডের মালিকানা, গ্রাহক চুক্তি এবং অভ্যন্তরীণ নিরাপত্তা নীতিমালা বিবেচনা করে নির্ধারণ করতে হবে। স্ট্যান্ডার্ড এবং অবদানকারী সংস্করণ সদৃশ ক্ষমতা ব্যবহার করে, কিন্তু দুটি সম্পূর্ণভাবে ভিন্ন ডেটা সম্পর্কের সাথে সামঞ্জস্যপূর্ণ।

এটি মেটার প্রকৃত প্রতিযোগিতামূলক কৌশলও প্রকাশ করে: এটি শুধুমাত্র কম মূল্যে ডেভেলপারদের আকর্ষণ করতে চায় না, বরং ডেভেলপারদের মিউজ কোড ব্যবহার করার সময় তৈরি হওয়া টাস্ক, পরিবর্তন, ফিডব্যাক এবং ফলাফলের মাধ্যমে একটি নতুন প্রোগ্রামিং ট্রেনিং ডেটা সাইকেল তৈরি করতে চায়। ডেভেলপাররা প্রায় বিনামূল্যে এজেন্ট কল পায়, আর মেটা সম্ভবত পাবলিক GitHub কোডের চেয়েও বেশি মূল্যবান ডেটা পায়—বাস্তব টাস্কগুলি কীভাবে বিভক্ত, পরিবর্তন এবং যাচাই করা হয়।

অতীতে, প্রোগ্রামিং এআই মূল্যায়নের সময় মূলত মডেলগুলি কতগুলি প্রশ্ন সমাধান করে তা তুলনা করা হত। Muse Code একটি ভিন্ন প্রতিযোগিতামূলক যুক্তি দেখায়: মডেলটি শুধুমাত্র সিস্টেমের একটি অংশ, ব্যাকগ্রাউন্ড Agent কি অবস্থা বজায় রাখে, টুল কলগুলি কি নির্ভরযোগ্য, কাজগুলি কি পুনরুদ্ধার করা যায়, প্রসঙ্গ কি সঠিকভাবে সংকুচিত হয়, এবং ব্যর্থতার পরেও কি পুনরাবৃত্তি করা যায়—এইসব একক কোড জেনারেশনের ক্ষমতার চেয়েও গুরুত্বপূর্ণ হতে পারে।

মেটা আরও স্পষ্টভাবে জানিয়েছে যে ভবিষ্যতে বড় মডেল এবং আরও এজেন্ট ফ্রেমওয়ার্ক ফিচার চালু করা হবে। এর অর্থ হল মিউজ স্পার্ক 1.2 শেষ ফ্ল্যাগশিপ পণ্য নয়, বরং মেটা প্রোগ্রামিং এজেন্ট বাজারে প্রবেশের প্রথম সম্পূর্ণ ইনফ্রাস্ট্রাকচার।