मेटा ने म्यूज कोड लॉन्च किया, पहला टर्मिनल प्रोग्रामिंग एजेंट जिसमें लंबे समय तक चलने वाले एजेंट और 95% छूट विकल्प शामिल हैं

5 अगस्त, 2026 को, मेटा ने अपना पहला एंड-टू-एंड प्रोग्रामिंग एजेंट — Muse Code लॉन्च किया और साथ ही प्रोग्रामिंग के लिए अनुकूलित Muse Spark 1.2 मॉडल को भी जारी किया। Muse Code बड़े कोडबेस को पढ़ सकता है, संशोधन योजना बना सकता है, कोड लिख सकता है, परीक्षण चला सकता है और परिणामों की पुष्टि कर सकता है, और यह एक सत्र के दौरान कई बैकग्राउंड एजेंट्स को लगातार चलने की अनुमति देता है, बिना हर कार्य के लिए प्रोजेक्ट को फिर से समझे। मेटा ने प्रणाली के लिए केवल जोड़ने योग्य, ओवरराइट नहीं करने योग्य स्थानीय घटना लॉग भी डिज़ाइन किया है, ताकि यहां तक कि प्रोग्राम क्रैश होने पर भी, यह बंद होने की स्थिति से सटीकता से पुनर्स्थापित हो सके। वास्तव में डेवलपर्स के बीच चर्चा का विषय कीमत है: मानक संस्करण में प्रति मिलियन इनपुट और आउटपुट टोकन क्रमशः 1.25 डॉलर और 4.25 डॉलर हैं; यदि उपयोगकर्ता मेटा को इनपुट और आउटपुट का उपयोग उत्पाद में सुधार के लिए करने की अनुमति देता है, तो “कंट्रीब्यूटर संस्करण” 0.10 डॉलर और 0.20 डॉलर पर आ जाता है। कम कीमत के पीछे का समझौता सामान्य प्रचार नहीं है, बल्कि कोड और उपयोग डेटा है। आधिकारिक मूल्यांकनों से पता चलता है कि Muse Spark 1.2 प्रमुख प्रोग्रामिंग मॉडल्स के करीब पहुंच गया है, लेकिन अभी पूरी तरह से अग्रणी नहीं है, और कुछ परिणामों की स्वतंत्र पुनरावृत्ति भी प्राप्त नहीं हुई है। मेटा द्वारा इस बार प्रकट किया गया संकेत है: AI प्रोग्रामिंग प्रतिस्पर्धा की इकाई अब अकेले मॉडल से, मॉडल, एजेंट रनटाइम फ्रेमवर्क, दीर्घकालिक स्थिति और डेटा समाप्ति-चक्र से मिलकर बने पूर्ण प्रणाली पर स्थानांतरित हो रही है।

लेखक, स्रोत: Meta AI Research

Muse Code, Meta द्वारा लॉन्च किया गया पहला टर्मिनल प्रोग्रामिंग एजेंट, वर्तमान में macOS और Linux के लिए टेस्टिंग संस्करण के रूप में उपलब्ध है। इसका लक्ष्य कोड की पूर्ति नहीं, बल्कि पूर्ण सॉफ्टवेयर इंजीनियरिंग कार्य है: एक बड़े कोड रिपॉजिटरी में प्रवेश करना, मौजूदा संरचना को समझना, योजना बनाना, कई फाइलों में संशोधन करना, कमांड और परीक्षण चलाना, और परिणामों के आधार पर सुधार करना।

यह म्यूज कोड को क्लॉड कोड, कोडेक्स, जेमिनी सीएलआई आदि उत्पादों के बीच चल रहे बाजार में सीधे प्रवेश करने की अनुमति देता है। मॉडल अब केवल “इस कोड को कैसे लिखें” का उत्तर देने तक सीमित नहीं हैं, बल्कि टर्मिनल, फाइल सिस्टम और डेवलपमेंट टूल्स तक पहुँच प्राप्त करते हैं और मानव हस्तक्षेप के कम से कम स्तर पर लगातार कार्य करते हैं।

मेटा ने अपने लेख में Muse Code और Muse Spark 1.2 को एक प्रणाली के रूप में पेश किया है, न कि दो स्वतंत्र रूप से अलग किए जा सकने वाले उत्पादों के रूप में। Muse Spark 1.2 व्याख्या, तर्क और उत्पादन के लिए जिम्मेदार है, जबकि Muse Code संदर्भ को संगठित करने, उप-एजेंट को नियोजित करने, उपकरणों को कॉल करने, स्थिति को सहेजने और परिणामों की पुष्टि करने के लिए जिम्मेदार है। दोनों को प्रशिक्षण चरण में संयुक्त रूप से अनुकूलित किया गया है, जिसका अर्थ है कि एक ही मॉडल को किसी अन्य एजेंट फ्रेमवर्क में स्थानांतरित करने पर, मेटा द्वारा प्रदर्शित परिणामों को पुनः प्राप्त करना संभव नहीं हो सकता है।

Muse Code का सबसे अलग डिज़ाइन, एसिंक्रोनस रूप से चलने वाले बैकग्राउंड एजेंट्स का एक सेट है।

आमतौर पर एक बहु-एजेंट प्रणाली एक सहायक को अस्थायी रूप से बनाती है जब उसे उप-कार्य निष्पादित करने की आवश्यकता होती है, उदाहरण के लिए, संबंधित फ़ाइलों को खोजना, परीक्षण विफलताओं का विश्लेषण करना या किसी निर्भरता का अध्ययन करना। कार्य पूरा होने के बाद, इस सहायक का संदर्भ अक्सर गायब हो जाता है; अगली बार इसी प्रकार की समस्या का सामना करने पर, प्रणाली संभवतः फिर से उसी कोड का स्कैन करेगी और समान जानकारी को दोहराकर एकत्रित करेगी।

Muse Code के बैकग्राउंड एजेंट पूरे सेशन के दौरान सक्रिय रहते हैं। वे कोडबेस के प्रति अपनी समझ को जमा कर सकते हैं, स्वयं अगला कदम आगे बढ़ा सकते हैं और अपने परिणाम को मुख्य एजेंट को रिपोर्ट करने का समय चुन सकते हैं। मुख्य एजेंट लक्ष्यों को समन्वित करता है, जबकि बैकग्राउंड एजेंट अलग-अलग मॉड्यूलों पर शोध कर सकते हैं, परीक्षणों की जांच कर सकते हैं, कॉल रिलेशनशिप्स ढूंढ सकते हैं या इम्प्लीमेंटेशन की पुष्टि कर सकते हैं।

इस डिज़ाइन का उद्देश्य लंबे कार्यों में एक सामान्य बर्बादी को हल करना है: एजेंट बार-बार भूल जाता है कि उसने पहले क्या देखा है। जब तक बैकग्राउंड एजेंट की स्थिति को विश्वसनीय ढंग से बनाए रखा जा सकता है, तब तक उसे प्रत्येक चरण पर प्रोजेक्ट स्ट्रक्चर को फिर से पढ़ने की आवश्यकता नहीं होती, और मनुष्य को बार-बार याद दिलाने की आवश्यकता नहीं होती कि “पहले ही इस फ़ाइल की जांच कर चुके हैं”。

हालाँकि, कई एजेंट एक साथ कोड में बदलाव करने से टकराव, अधिकार और लागत की समस्याएँ उत्पन्न हो सकती हैं। मेटा के प्रकाशित लेख में यह पूरी तरह से नहीं बताया गया है कि कार्य कैसे विभाजित किए जाते हैं, कोड में बदलाव कैसे एकीकृत किए जाते हैं, और एक बैकग्राउंड एजेंट की त्रुटि होने पर अन्य एजेंट कैसे गलत निष्कर्षों को अपनाने से बचते हैं। इसलिए, सतत एजेंट एक महत्वपूर्ण आर्किटेक्चर दिशा है, लेकिन वर्तमान में केवल आधिकारिक प्रदर्शन पर निर्भर करके इसकी वास्तविक टीम प्रोजेक्ट में स्थिरता का निर्णय नहीं लिया जा सकता है।

लंबे समय तक चलने वाले प्रोग्रामिंग एजेंट का एक वास्तविक समस्या है: जितना अधिक कार्य लंबा होता है, उतना ही अधिक संभावना होती है कि नेटवर्क ब्रेकडाउन, टूल त्रुटि, प्रक्रिया क्रैश या संदर्भ सीमा लांघ जाए। यदि प्रणाली केवल वर्तमान स्थिति को मॉडल चैट में सहेजती है, तो एक खराबी से कई घंटों का अन्वेषण कार्य पूरी तरह से खो सकता है।

Muse Code ने इसके लिए एक स्थानीय घटना लॉग बनाया है। प्रत्येक मॉडल कॉल, टूल निष्पादन, उपयोगकर्ता अनुमोदन और फ़ाइल संशोधन को लॉग में जोड़ा जाता है, और पिछली घटनाएँ बाद की स्थिति द्वारा सीधे ओवरराइट नहीं की जातीं।

मेटा इस तंत्र को "पूर्णतः पुनर्निष्पादनयोग्य" और "पुनः शुरू करने के लिए सुरक्षित" कहता है। जब एजेंट बीच में असफल हो जाता है, तो प्रणाली घटना रिकॉर्ड के आधार पर कार्य पुनः प्राप्त कर सकती है, बजाय इसके कि पहले क्या हुआ था, इसका अनुमान लगाए। यह वास्तव में प्रोग्रामिंग एजेंट को एक अस्थायी संवाद से अधिक स्थिति-आधारित इंजीनियरिंग प्रक्रिया के समान बना देता है।

Muse Code में कुछ और कॉल करने योग्य क्षमताएँ भी शामिल हैं:/planपहले एक ऐसी कार्ययोजना बनाएँ जिसे उपयोगकर्ता को स्वीकृति देनी होगी;/grillइस योजना पर हमला करें और उसकी आलोचना करें, ताकि लुप्त, जोखिम और गलत पूर्वधारणाएँ पता चल सकें;/goalफिर Agent को निर्दिष्ट लक्ष्य के चारों ओर तब तक कार्य करने के लिए प्रेरित करें जब तक कि पूर्णता की शर्तें पूरी न हो जाएँ।

इन सुविधाओं के पीछे का विचार स्पष्ट है: यदि AI को कई घंटों का सॉफ्टवेयर इंजीनियरिंग का कार्य सौंपा जाए, तो केवल प्रत्येक चरण में उत्पन्न कोड का सुंदर होना ही नहीं, बल्कि यह भी महत्वपूर्ण है कि यह प्रगति को सहेज सके, समीक्षा के लिए स्वीकार कर सके, योजना में खामियों को पहचान सके और खराबी के बाद भी कार्य करता रहे।

Muse Spark 1.2, जो 1.1 संस्करण के प्रकाशन के एक महीने से भी कम समय के बाद लॉन्च किया गया, एक प्रोग्रामिंग-सुदृढीकृत संस्करण है। मेटा के अनुसार, इसमें प्रोग्रामिंग कार्यों के लिए ट्रेनिंग कैपेसिटी और ट्रेनिंग वातावरण की विविधता में वृद्धि की गई है, जिससे कोड जनरेशन, जटिल डीबगिंग, कोडबेस समझ और एंड-टू-एंड डेवलपमेंट प्रक्रिया में सुधार हुआ है।

Training scope includes not only single-file fixes but also full code repository generation, large end-to-end projects, and automated research tasks. The model uses plans to sequence work steps, maintains direction through goal conditions, and compresses as context grows, retaining only the information truly needed for subsequent work.

मेटा ने अगली पीढ़ी के मॉडल के प्रशिक्षण में म्यूज स्पार्क 1.1 को भी शामिल किया है। पुराना मॉडल अधिक कठिन प्रोग्रामिंग वातावरण और निर्देश अनुसरण टेम्पलेट बनाने के लिए जिम्मेदार है, और उम्मीदवार समाधानों को मानकों के अनुसार स्कोर करता है, जिससे 1.2 संस्करण के लिए प्रशिक्षण डेटा का बैच उत्पन्न होता है।

यहाँ वर्णित “स्व-उन्नति” अभी भी मॉडल के मानव नियंत्रण से बाहर होकर अपने वजन को स्वयं बदलने का अर्थ नहीं है। अधिक सटीक शब्दों में, पिछली पीढ़ी का मॉडल डेटा जनरेटर और मूल्यांकनकर्ता के रूप में उपयोग किया जाता है, जो टीम को अगली पीढ़ी के प्रशिक्षण डेटा को बढ़ाने में मदद करता है। डेटा प्रवाह, प्रशिक्षण चलाना और अंतिम मॉडल प्रकाशन अभी भी Meta द्वारा नियंत्रित हैं।

इससे भी अहम बात यह है कि मेटा ने एक अलग “कोड लिखने वाला मॉडल” नहीं ट्रेन किया, बल्कि म्यूज़ कोड के टूल, टारगेट मैनेजमेंट, कॉन्टेक्स्ट कम्प्रेशन और सब-एजेंट ट्रैजेक्टरी को ट्रेनिंग में शामिल किया। भविष्य के प्रोग्रामिंग मॉडल्स की क्षमता, संभवतः इस बात पर अधिक निर्भर करेगी कि वे ट्रेनिंग चरण से ही किस एजेंट फ्रेमवर्क को जानते हैं।

मेटा द्वारा प्रदान किया गया एक उदाहरण, Muse Spark 1.2 को Muse Code वातावरण में NVIDIA Hopper GPU पर KDA और MLA कर्नल को अनुकूलित करने के लिए है। प्रणाली को स्वयं कोड लिखना, संकलित करना, प्रदर्शन का विश्लेषण करना और परिणामों के आधार पर बार-बार संशोधन करना होगा।

पूरा परीक्षण अधिकतम 24 घंटे तक चलता है और टूल को 1000 से अधिक बार कॉल किया जाता है। शोधकर्ताओं ने मॉडल को पहले से तैयार तीसरे पक्ष के कर्नेल लाइब्रेरी को सीधे आयात करने से मना किया है और इसे Triton में एल्गोरिथम को लागू करने और वास्तविक प्रदर्शन में सुधार ढूंढने का निर्देश दिया है, न कि पहले से मौजूद कार्यान्वयन को अपने परिणाम के रूप में पैकेज करना।

KDA कार्य में, मॉडल ने समानांतर ब्लॉक-अंदर तैयारी कर्नल और क्रमिक ब्लॉक-क्रॉस स्कैन को जोड़ा है और गेटेड एक्यूमुलेटिव डिके के लिए विशेष अनुकूलन शामिल किया है। MLA कार्य में, इसने दो कर्नल से बनी Triton पाइपलाइन का डिज़ाइन किया है और साझा KV पोटेंशियल रिप्रेजेंटेशन को पुनः उपयोग करने का प्रयास किया है।

इस तरह के मामलों का महत्व किसी एक बार के त्वरण अंक में नहीं है, बल्कि एजेंट के उस क्षमता में है जो सैकड़ों विफलताओं और मध्यवर्ती परिणामों के बाद भी लक्ष्य को बनाए रखे, प्रदर्शन विश्लेषण डेटा को समझे और अगली प्रयोग चक्र उत्पन्न करे। यदि प्रणाली केवल कुछ ही मिनटों तक स्थिर रूप से काम कर सकती है, तो यह अधिक एक उन्नत पूर्ति उपकरण की तरह है; 24 घंटे तक आगे बढ़ने की क्षमता ही उस एजेंट के समीप पहुँचती है जिसे इंजीनियरिंग अनुसंधान के लिए सौंपा जा सकता है।

मेटा के मूल्यांकन में Terminal-Bench 2.1, DeepSWE 1.1, GDPVal-AA v2, MCP Atlas और आंतरिक प्रोग्रामिंग परीक्षण शामिल हैं। इनमें, Terminal-Bench 2.1 में 89 कार्य शामिल हैं जिन्हें टर्मिनल वातावरण में पूरा करना होता है; DeepSWE 1.1 में 91 कोड रिपॉजिटरी से लिए गए 113 कार्य हैं जो पाँच प्रोग्रामिंग भाषाओं को कवर करते हैं।

मेटा द्वारा प्रकाशित ग्राफ के अनुसार, Muse Spark 1.2 को Terminal-Bench 2.1 पर Muse Code के साथ 82.9% प्राप्त हुआ, जो Claude Opus 5 के 86.7% से कम है, लेकिन इसके मूल्यांकन में Codex और Grok Build से अधिक है। DeepSWE 1.1 पर, Muse Spark 1.2 को 59.3% प्राप्त हुआ, जो पहला स्थान नहीं है। मेटा के आंतरिक 440 वास्तविक इंजीनियरिंग कार्यों में, इसे 70.6% प्राप्त हुआ, जो Opus 5 से कम है।

ये परिणाम दर्शाते हैं कि Muse Code शीर्ष प्रोग्रामिंग एजेंट की प्रतिस्पर्धा में प्रवेश कर चुका है, लेकिन "Meta ने Claude Code और Codex को पूरी तरह हरा दिया" के निष्कर्ष का समर्थन नहीं करते।

ऑफिशियलमूल्यांकन विधि दस्तावेजयह भी बताता है कि विभिन्न मॉडल्स के साथ अपने-अपने Agent उत्पादों का उपयोग किया गया: Muse Spark के साथ Muse Code, Claude के साथ Claude Code, GPT के साथ Codex, Gemini के साथ Antigravity, और Kimi के साथ Kimi Code। ऐसी तुलना पूर्ण उत्पाद प्रतिस्पर्धा के अधिक करीब है, लेकिन यह अलग नहीं कर पाती कि परिणाम मॉडल या Agent फ्रेमवर्क से आए हैं।

मेटा भी मानता है कि उसका आंतरिक मूल्यांकन वातावरण और प्रॉम्प्ट्स तीसरे पक्ष के बंद स्रोत मॉडल के लिए बेहतरीन रूप से अनुकूलित नहीं हो सकते हैं। म्यूज़ स्पार्क 1.2 का टर्मिनल-बेंच पर प्रदर्शन अभी तक स्वतंत्र पुष्टि सूची में शामिल नहीं हुआ है। इसलिए, वर्तमान चरण में सबसे सुरक्षित कथन यह है: मेटा के स्वयं के परीक्षणों से पता चलता है कि यह अग्रणी स्तर के करीब है, लेकिन स्वतंत्र पुनर्निर्माण अभी उपलब्ध नहीं है।

Muse Spark 1.2 स्टैंडर्ड संस्करण के लिए प्रति लाख इनपुट टोकन $1.25, कैश्ड इनपुट $0.15, और आउटपुट $4.25 है। इस संस्करण के इनपुट और आउटपुट का उपयोग Meta उत्पादों को बेहतर बनाने के लिए नहीं किया जाएगा।

एक अन्य मॉडल की पहचानmuse-spark-1.2-contributorहै। इसकी प्रति मिलियन इनपुट टोकन की कीमत केवल 0.10 डॉलर है, कैश्ड इनपुट 0.002 डॉलर और आउटपुट 0.20 डॉलर। मानक संस्करण की तुलना में, इनपुट 92% सस्ता है और आउटपुट लगभग 95% सस्ता है।

लागत यह है कि योगदानकर्ता संस्करण के प्रॉम्प्ट और मॉडल आउटपुट का उपयोग Meta अपने उत्पाद को बेहतर बनाने के लिए कर सकता है। ओपन सोर्स प्रोजेक्ट्स, व्यक्तिगत प्रयोग या संवेदनशील जानकारी वाले कार्यों के बिना, यह एक बहुत ही आकर्षक सौदा हो सकता है; लेकिन उद्यम निजी कोड, अभी तक जारी नहीं किए गए उत्पाद, ग्राहक डेटा, कुंजी कॉन्फ़िगरेशन और गोपनीयता समझौते के अधीन प्रोजेक्ट्स के लिए, यह पहले एक मूल्य समस्या नहीं, बल्कि डेटा गवर्नेंस की समस्या है।

कंपनियाँ केवल टोकन की इकाई मूल्य को देखकर यह अनुमान नहीं लगा सकतीं कि पूरे कोडबेस को योगदानकर्ता संस्करण के लिए देना उचित है। क्या डेटा का उपयोग प्रशिक्षण के लिए किया जा सकता है, इसका निर्णय Meta की विशिष्ट सेवा शर्तों, कोड के स्वामित्व, ग्राहक अनुबंधों और आंतरिक सुरक्षा नीतियों के संदर्भ में किया जाना चाहिए। मानक संस्करण और योगदानकर्ता संस्करण समान क्षमताओं का उपयोग करते हैं, लेकिन दोनों के लिए पूरी तरह से अलग डेटा संबंध होते हैं।

यह यह भी दर्शाता है कि मेटा की वास्तविक प्रतिस्पर्धी रणनीति क्या है: यह न केवल डेवलपर्स को कम कीमत पर आकर्षित करना चाहता है, बल्कि म्यूज़ कोड का उपयोग करते समय डेवलपर्स द्वारा उत्पन्न किए गए कार्यों, संशोधनों, प्रतिक्रियाओं और परिणामों के माध्यम से एक नया प्रोग्रामिंग प्रशिक्षण डेटा चक्र बनाना चाहता है। डेवलपर्स को लगभग मुफ्त Agent कॉल मिलते हैं, जबकि मेटा को GitHub पर उपलब्ध कोड से अधिक मूल्यवान डेटा मिल सकता है—वास्तविक कार्यों को कैसे विभाजित, संशोधित और सत्यापित किया जाता है।

पिछले समय में, लोग प्रोग्रामिंग AI का मूल्यांकन करते समय मुख्य रूप से मॉडल द्वारा हल किए गए प्रश्नों की संख्या की तुलना करते थे। Muse Code एक अलग प्रतिस्पर्धा तर्क प्रस्तुत करता है: मॉडल केवल सिस्टम का एक हिस्सा है, बैकएंड एजेंट की स्थिति को बनाए रखना, टूल कॉल की विश्वसनीयता, कार्य को पुनर्प्राप्त करने की क्षमता, संदर्भ का सही ढंग से संपीड़न, और विफलता के बाद दोहराव की क्षमता, एकल कोड उत्पादन क्षमता से अधिक महत्वपूर्ण हो सकती है।

मेटा ने यह भी स्पष्ट किया है कि भविष्य में बड़े मॉडल और अधिक एजेंट फ्रेमवर्क की सुविधाएँ लॉन्च की जाएँगी। इसका अर्थ है कि Muse Spark 1.2 अंतिम फ्लैगशिप उत्पाद नहीं है, बल्कि मेटा का प्रोग्रामिंग एजेंट बाजार में प्रवेश के लिए पहला पूर्ण बुनियादी ढांचा है।