Meta ra mắt Muse Code, tác vụ lập trình đầu tiên trên terminal với các tác vụ chạy dài và tùy chọn giảm giá 95%

Vào ngày 5 tháng 8 năm 2026, Meta ra mắt Agent lập trình đầu tiên của mình — Muse Code, đồng thời giới thiệu mô hình Muse Spark 1.2 được tối ưu hóa riêng cho lập trình. Muse Code có thể đọc các kho mã lớn, lập kế hoạch sửa đổi, viết mã, chạy kiểm thử và xác minh kết quả, đồng thời cho phép nhiều Agent nền chạy liên tục suốt phiên làm việc, không cần hiểu lại dự án mỗi khi nhận nhiệm vụ mới. Meta cũng thiết kế nhật ký sự kiện cục bộ chỉ cho phép ghi thêm, không cho phép ghi đè, giúp hệ thống có thể khôi phục chính xác vị trí bị ngắt ngay cả khi chương trình bị sập. Điều thực sự gây tranh luận trong cộng đồng nhà phát triển là giá cả: phiên bản tiêu chuẩn có giá 1,25 USD cho mỗi triệu Token đầu vào và 4,25 USD cho mỗi triệu Token đầu ra; nếu người dùng cho phép Meta sử dụng dữ liệu đầu vào và đầu ra để cải tiến sản phẩm, phiên bản “người đóng góp” sẽ giảm xuống còn 0,10 USD và 0,20 USD. Điều kiện trao đổi cho mức giá thấp này không phải là chương trình khuyến mãi thông thường, mà là mã nguồn và dữ liệu sử dụng. Đánh giá chính thức cho thấy Muse Spark 1.2 đã gần ngang hàng với các mô hình lập trình hàng đầu, nhưng vẫn chưa vượt trội hoàn toàn, và một số kết quả vẫn chưa được xác minh độc lập. Tín hiệu mà Meta đưa ra lần này là: đơn vị cạnh tranh trong lập trình AI đang chuyển từ từng mô hình riêng lẻ sang toàn bộ hệ thống bao gồm mô hình, khung chạy Agent, trạng thái dài hạn và vòng lặp dữ liệu.

Tác giả bài viết, nguồn: Meta AI Research

Muse Code là Agent lập trình đầu tiên do Meta ra mắt, hiện đang ở phiên bản thử nghiệm và sẵn sàng cho macOS và Linux. Nó không nhắm đến việc hoàn thành mã tự động, mà là các nhiệm vụ kỹ thuật phần mềm toàn diện: truy cập vào một kho mã lớn, hiểu cấu trúc hiện có, đưa ra kế hoạch, sửa đổi nhiều tệp, chạy lệnh và kiểm thử, sau đó điều chỉnh dựa trên kết quả.

Điều này đưa Muse Code trực tiếp vào thị trường mà các sản phẩm như Claude Code, Codex, Gemini CLI đang cạnh tranh. Mô hình không còn chỉ trả lời “nên viết đoạn mã này như thế nào”, mà còn được cấp quyền truy cập vào terminal, hệ thống tệp và các công cụ phát triển, để thực hiện liên tục các nhiệm vụ với ít sự can thiệp của con người hơn.

Meta trong bài viết của mình đã giới thiệu Muse Code và Muse Spark 1.2 như một hệ thống thống nhất, chứ không phải hai sản phẩm có thể tách rời tùy ý. Muse Spark 1.2 chịu trách nhiệm hiểu, suy luận và tạo ra, trong khi Muse Code đảm nhiệm việc tổ chức ngữ cảnh, lập lịch các sub-Agent, gọi công cụ, lưu trạng thái và xác minh kết quả. Hai thành phần này còn được tối ưu hóa kết hợp trong giai đoạn huấn luyện, nghĩa là cùng một mô hình khi chuyển sang các khung Agent khác có thể không tái hiện được hiệu suất mà Meta đã trình bày.

Thiết kế khác biệt nhất của Muse Code là một nhóm Agent chạy bất đồng bộ ở nền.

Các hệ thống đa tác nhân phổ biến thường tạo tạm thời một trợ lý khi cần thực hiện các nhiệm vụ con, ví dụ như tìm kiếm các tệp liên quan, phân tích lỗi kiểm thử hoặc nghiên cứu một phụ thuộc nào đó. Sau khi hoàn thành nhiệm vụ, ngữ cảnh của trợ lý này thường biến mất; lần tiếp theo gặp vấn đề tương tự, hệ thống có thể lại quét lại cùng một bộ mã và lặp lại việc thu thập cùng một thông tin.

Các Agent nền của Muse Code sẽ duy trì trạng thái hoạt động trong suốt phiên hội thoại. Chúng có thể liên tục tích lũy hiểu biết về kho mã nguồn, tự động thúc đẩy các bước tiếp theo và lựa chọn thời điểm báo cáo kết quả cho Agent chính. Agent chính chịu trách nhiệm điều phối mục tiêu, trong khi các Agent nền có thể nghiên cứu riêng lẻ các mô-đun khác nhau, kiểm tra bài kiểm tra, tìm kiếm mối quan hệ gọi hàm hoặc xác minh giải pháp triển khai.

Thiết kế này nhằm giải quyết một sự lãng phí phổ biến trong các nhiệm vụ dài: Agent liên tục quên những gì mình đã xem qua. Chỉ cần trạng thái của Agent nền được duy trì một cách đáng tin cậy, nó sẽ không cần phải đọc lại cấu trúc tài liệu ở mỗi bước, và con người cũng không cần phải liên tục nhắc nhở nó rằng “đã kiểm tra tệp này rồi”.

Tuy nhiên, việc nhiều Agent cùng sửa đổi mã nguồn cũng gây ra các vấn đề về xung đột, quyền hạn và chi phí. Bài viết công khai của Meta chưa tiết lộ đầy đủ cách phân chia nhiệm vụ, cách hợp nhất các thay đổi mã nguồn, cũng như cách các Agent khác tránh kế thừa kết luận sai khi một Agent nền gặp lỗi. Do đó, Agent liên tục là một hướng kiến trúc đáng quan tâm, nhưng hiện tại vẫn chưa thể chỉ dựa vào các bản trình diễn chính thức để đánh giá tính ổn định của nó trong các dự án nhóm thực tế.

Các Agent lập trình chạy lâu dài gặp một vấn đề thực tế: nhiệm vụ càng dài, càng dễ gặp sự cố như gián đoạn mạng, lỗi công cụ, quá trình bị sập hoặc vượt quá giới hạn ngữ cảnh. Nếu hệ thống chỉ lưu trạng thái hiện tại trong cuộc hội thoại của mô hình, một sự cố duy nhất có thể khiến hàng giờ đồng hồ nỗ lực tìm kiếm bị mất hết.

Muse Code đã tạo một nhật ký sự kiện cục bộ cho mục đích này. Mỗi lần gọi mô hình, thực thi công cụ, phê duyệt của người dùng và thay đổi tệp đều được ghi thêm vào nhật ký, và lịch sử đã xảy ra không bị ghi đè trực tiếp bởi trạng thái sau này.

Meta gọi cơ chế này là “có thể phát lại chính xác” và “an toàn khi khởi động lại”. Khi Agent bị sập giữa chừng, hệ thống có thể khôi phục công việc dựa trên bản ghi sự kiện, thay vì phải đoán lại những gì đã xảy ra trước đó. Điều này thực chất biến Agent lập trình từ một cuộc trò chuyện tạm thời thành một quy trình kỹ thuật có trạng thái.

Muse Code còn tích hợp một số kỹ năng có thể gọi:/planđầu tiên tạo kế hoạch thực thi cần được người dùng phê duyệt;/grillchuyên tấn công và đặt câu hỏi về kế hoạch này để tìm ra những điểm thiếu sót, rủi ro và giả định sai lầm;/goalđể Agent liên tục thực hiện dựa trên mục tiêu được chỉ định cho đến khi đáp ứng điều kiện hoàn thành.

Ý tưởng đằng sau những tính năng này rất rõ ràng: nếu AI phải thực hiện hàng giờ công việc kỹ sư phần mềm, điều then chốt không chỉ là mã được tạo ra ở từng bước có đẹp hay không, mà còn bao gồm khả năng của nó trong việc lưu tiến độ, chấp nhận kiểm tra, phát hiện lỗ hổng trong kế hoạch và tiếp tục thực thi sau khi gặp sự cố.

Muse Spark 1.2 là phiên bản được nâng cấp về lập trình, ra mắt chưa đầy một tháng sau phiên bản 1.1. Meta cho biết phiên bản này đã tăng cường năng lực tính toán và tính đa dạng của môi trường huấn luyện cho các nhiệm vụ lập trình, tập trung cải thiện việc tạo mã, gỡ lỗi phức tạp, hiểu thư viện mã và quy trình phát triển end-to-end.

Phạm vi đào tạo không chỉ bao gồm sửa chữa tệp đơn lẻ, mà còn bao gồm việc tạo toàn bộ kho mã nguồn, các dự án end-to-end quy mô lớn và các nhiệm vụ nghiên cứu tự động. Mô hình sẽ sử dụng kế hoạch để sắp xếp các bước công việc, duy trì định hướng thông qua các điều kiện mục tiêu, và nén khi ngữ cảnh liên tục tăng lên, giữ lại những thông tin thực sự cần thiết cho các công việc tiếp theo.

Meta cũng cho Muse Spark 1.1 tham gia vào việc huấn luyện mô hình thế hệ tiếp theo. Mô hình cũ chịu trách nhiệm tạo ra các môi trường lập trình và mẫu tuân thủ lệnh khó hơn, sau đó đánh giá điểm các giải pháp ứng cử để tạo hàng loạt dữ liệu phục vụ cho phiên bản 1.2 học tập.

Ở đây, “tự cải tiến” vẫn không có nghĩa là mô hình tự sửa đổi trọng số sau khi thoát khỏi sự kiểm soát của con người. Phát biểu chính xác hơn là mô hình thế hệ trước được sử dụng như một trình tạo và đánh giá dữ liệu, giúp đội ngũ mở rộng dữ liệu huấn luyện cho thế hệ tiếp theo. Quy trình dữ liệu, các lần huấn luyện và việc phát hành mô hình cuối cùng vẫn do Meta kiểm soát.

Quan trọng hơn, Meta không huấn luyện riêng một mô hình “có thể viết mã”, mà tích hợp công cụ Muse Code, quản lý mục tiêu, nén ngữ cảnh và quỹ đạo các Sub-Agent vào quá trình huấn luyện. Khả năng của các mô hình lập trình trong tương lai có thể ngày càng phụ thuộc vào việc chúng đã quen thuộc với khung Agent nào ngay từ giai đoạn huấn luyện.

Một ví dụ do Meta cung cấp là cho Muse Spark 1.2 tối ưu hóa các kernel KDA và MLA trên GPU NVIDIA Hopper trong môi trường Muse Code. Hệ thống cần tự viết mã, biên dịch, phân tích hiệu suất, sau đó điều chỉnh lặp lại dựa trên kết quả.

Toàn bộ bài kiểm tra chạy tối đa 24 giờ, gọi công cụ hơn 1000 lần. Các nhà nghiên cứu cấm mô hình nhập trực tiếp các thư viện nhân bên thứ ba đã có sẵn, yêu cầu nó triển khai thuật toán trong Triton và tìm kiếm cải tiến hiệu suất thực sự, thay vì bao bọc các triển khai sẵn có thành kết quả của riêng mình.

Trong nhiệm vụ KDA, mô hình kết hợp các nhân chuẩn bị song song trong khối với quét liên khối theo thứ tự, đồng thời áp dụng các tối ưu hóa chuyên biệt cho sự suy giảm tích lũy có điều kiện. Trong nhiệm vụ MLA, nó thiết kế một luồng Triton gồm hai nhân và cố gắng tái sử dụng biểu diễn tiềm ẩn KV được chia sẻ.

Sự quan trọng của các trường hợp này không nằm ở một con số tăng tốc cụ thể, mà ở chỗ Agent có thể duy trì mục tiêu, hiểu dữ liệu phân tích hiệu suất và tạo ra thí nghiệm tiếp theo sau hàng trăm lần thất bại và kết quả trung gian hay không. Nếu hệ thống chỉ có thể hoạt động ổn định trong vài chục phút, thì nó giống như một công cụ hoàn thành nâng cao; chỉ khi có thể thúc đẩy trong 24 giờ, nó mới bắt đầu tiến gần đến một Agent có thể giao phó nghiên cứu kỹ thuật.

Đánh giá của Meta bao gồm Terminal-Bench 2.1, DeepSWE 1.1, GDPVal-AA v2, MCP Atlas và các bài kiểm tra lập trình nội bộ. Trong đó, Terminal-Bench 2.1 bao gồm 89 nhiệm vụ cần hoàn thành trong môi trường terminal; DeepSWE 1.1 bao gồm 113 nhiệm vụ từ 91 kho mã nguồn, phủ sóng năm ngôn ngữ lập trình.

The chart released by Meta shows that Muse Spark 1.2 achieved 82.9% on Terminal-Bench 2.1 with Muse Code, lower than Claude Opus 5’s 86.7%, but higher than Codex and Grok Build in its evaluations. On DeepSWE 1.1, Muse Spark 1.2 scored 59.3%, failing to rank first. In Meta’s internal set of 440 real engineering tasks, it achieved 70.6%, also trailing behind Opus 5.

Các kết quả này cho thấy Muse Code đã bước vào phạm vi cạnh tranh của các tác giả lập trình hàng đầu, nhưng không hỗ trợ kết luận rằng “Meta đã đánh bại toàn diện Claude Code và Codex”.

Chính thứctài liệu phương pháp đánh giácũng nêu rõ, các mô hình khác nhau được kết hợp với các sản phẩm Agent riêng: Muse Spark sử dụng Muse Code, Claude sử dụng Claude Code, GPT sử dụng Codex, Gemini sử dụng Antigravity, Kimi sử dụng Kimi Code. Việc so sánh này gần với cuộc đối đầu giữa các sản phẩm hoàn chỉnh hơn, nhưng không thể phân biệt được thành tích đến từ mô hình hay khung Agent.

Meta cũng thừa nhận rằng môi trường đánh giá nội bộ và các prompt của họ có thể chưa được tối ưu hóa tốt nhất cho các mô hình đóng của bên thứ ba. Kết quả của Muse Spark 1.2 trên Terminal-Bench hiện vẫn chưa xuất hiện trên bảng xếp hạng xác minh độc lập. Do đó, cách diễn đạt an toàn nhất hiện nay là: Meta tự đánh giá cho thấy nó gần với mức tiên tiến, nhưng vẫn chưa có sự tái tạo độc lập.

Muse Spark 1.2 Standard Edition có giá 1,25 USD mỗi triệu token đầu vào, 0,15 USD cho đầu vào được lưu cache và 4,25 USD cho đầu ra. Đầu vào và đầu ra của phiên bản này sẽ không được sử dụng để cải thiện sản phẩm của Meta.

Một mô hình khác được định danh làmuse-spark-1.2-contributor. Giá mỗi triệu token đầu vào của nó chỉ là 0,10 USD, đầu vào được lưu đệm là 0,002 USD và đầu ra là 0,20 USD. So với phiên bản tiêu chuẩn, giá đầu vào rẻ hơn 92% và đầu ra rẻ hơn khoảng 95%.

Chi phí là các gợi ý và đầu ra mô hình từ phiên bản đóng góp có thể được Meta sử dụng để cải thiện sản phẩm. Đối với các dự án mã nguồn mở, thí nghiệm cá nhân hoặc công việc không chứa thông tin nhạy cảm, đây có thể là một giao dịch rất hấp dẫn; nhưng đối với mã nguồn riêng của doanh nghiệp, sản phẩm chưa phát hành, dữ liệu khách hàng, cấu hình khóa và các dự án bị ràng buộc bởi thỏa thuận bảo mật, đây trước hết là vấn đề quản lý dữ liệu, chứ không phải vấn đề giá cả.

Các doanh nghiệp không nên chỉ dựa vào giá trị đơn vị của Token để mặc định rằng toàn bộ kho mã nên giao cho phiên bản đóng góp. Việc có cho phép dữ liệu được sử dụng để huấn luyện hay không cần được đánh giá dựa trên các điều khoản dịch vụ cụ thể của Meta, quyền sở hữu mã nguồn, hợp đồng khách hàng và chính sách bảo mật nội bộ. Phiên bản tiêu chuẩn và phiên bản đóng góp sử dụng khả năng tương tự, nhưng lại liên quan đến hai mối quan hệ dữ liệu hoàn toàn khác nhau.

Điều này cũng tiết lộ chiến lược cạnh tranh thực sự của Meta: không chỉ mong muốn thu hút các nhà phát triển bằng giá thấp, mà còn thông qua các nhiệm vụ, chỉnh sửa, phản hồi và kết quả được tạo ra khi các nhà phát triển sử dụng Muse Code, để xây dựng một vòng lặp dữ liệu đào tạo lập trình mới. Các nhà phát triển nhận được việc gọi Agent gần như miễn phí, trong khi Meta có thể thu được dữ liệu có giá trị hơn cả mã nguồn GitHub công khai — cách các nhiệm vụ thực tế được phân tách, chỉnh sửa và xác minh.

Trước đây, người ta đánh giá AI lập trình chủ yếu bằng cách so sánh mô hình giải được bao nhiêu bài tập. Muse Code thể hiện một logic cạnh tranh khác: mô hình chỉ là một phần của hệ thống, liệu agent nền có duy trì trạng thái, việc gọi công cụ có đáng tin cậy, nhiệm vụ có thể phục hồi được không, ngữ cảnh có được nén chính xác không, và liệu hệ thống có thể tiếp tục lặp lại sau khi thất bại hay không — những yếu tố này có thể quan trọng hơn khả năng tạo mã trong một lần duy nhất.

Meta cũng nhấn mạnh rằng trong tương lai sẽ ra mắt các mô hình lớn hơn và nhiều tính năng hơn cho các framework Agent. Điều này có nghĩa là Muse Spark 1.2 không phải là sản phẩm cao cấp cuối cùng, mà更像是 Meta bước vào thị trường Agent lập trình với bộ hạ tầng hoàn chỉnh đầu tiên.