Meta با Muse Code و Spark 1.2 وارد نبرد کدنویسی هوش مصنوعی می‌شود

Meta با Muse Code وارد بازار کدنویسی عاملمحور شده است — یک عامل کدنویسی هوش مصنوعی مبتنی بر ترمینال که از مدل همآموزشدید‌های به نام Muse Spark 1.2 برای انجام وظایف پیچیدهٔ مهندسی نرم‌افزار در پایگاه‌های کد بزرگ استفاده می‌کند. این ابزار در تاریخ ۵ اوت ۲۰۲۶ در نسخهٔ بتا برای macOS و Linux عرضه شد و از طریق پلتفرم توسعهدهندگان Meta و OpenRouter در دسترس است.

Muse Code چه می‌کند

Muse Code برخلاف یک افزونهٔ تکمیل کد، یک عامل کدنویسی کاملاً خودمختار است. این ابزار می‌تواند تغییرات چندمرحل‌های را در یک مخزن بزرگ برنامه‌ریزی کند، کد بنویسد و آزمایش کند، نتایج را اعتبار‌سنجی نماید، و چندین زیرعامل پایدار را که بهصورت موازی در محیط‌های ایزوله اجرا میشوند هماهنگ کند. هر فراخوانی مدل، اجرای ابزار، تأیید و ویرایش در یک گزارش رویداد محلی ثبت می‌شود؛ به این معنا که یک نشست می‌تواند دقیقاً از همان نقط‌های که پس از سقوط یا وقفه متوقف شده بود، از سر گرفته شود.

طراحی این ابزار ذاتاً مبتنی بر ترمینال است — در این نسخهٔ اولیه هیچ افزون‌های برای محیط توسعهٔ یکپارچه وجود ندارد. Meta می‌گوید این انتخاب عامل را ترکیب‌پذیر نگه میدارد: میتوان آن را از اسکریپت‌های پوسته، خطوط لولهٔ CI، یا در ترکیب با ابزار‌های دیگر فراخوانی کرد بدون آنکه به ویرایشگر یا رابط گرافیکی خاصی نیاز باشد. پنجرهٔ زمینهٔ ۱ میلیون توکنی در مدل زیربنایی Spark 1.2 به Muse Code امکان می‌دهد پایگاه‌های کد بزرگ را بهطور همزمان در حافظهٔ کاری نگه دارد، که برای بازآرایی‌هایی که صدها پرونده را در بر می‌گیرند اهمیت دارد.

Muse Spark 1.2: همآموزشدیده با ابزار

Muse Spark 1.2 بهروزرسانی متمرکز بر کدنویسی از خانوادهٔ مدل‌های Spark شرکت Meta است که با این ادعا متمایز می‌شود که در کنار خود Muse Code همآموزش دیده است، نه آنکه صرفاً بر معیار‌های کدنویسی تنظیم ظریف شده باشد. نظریهٔ زیربنایی این است که مدلی که بر مسیر‌های استفادهٔ ابزاری خودش آموزش دیده باشد، بهتر درک می‌کند چه زمانی ابزار‌ها را فراخوانی کند، چه زمانی درخواست توضیح کند، و چه زمانی یک وظیفه واقعاً به اتمام رسیده است. Meta می‌گوید این رویکرد در مقایسه با Spark 1.1 بهبوده‌ایی در اشکالزدایی پیچیده و استدلال در سطح پایگاه کد ایجاد می‌کند.

Spark 1.2 از طریق Muse Code و Meta Model API در دسترس است. قیمت‌گذاری دو سطح دارد: سطح استاندارد با قیمت ۱٫۲۵ دلار به ازای هر میلیون توکن ورودی و ۴٫۲۵ دلار به ازای هر میلیون توکن خروجی، که در آن داده‌ها برای آموزش استفاده نمیشوند؛ و سطح مشارکت‌کننده با قیمت ۰٫۱۰ دلار به ازای هر میلیون توکن ورودی و ۰٫۲۰ دلار به ازای هر میلیون توکن خروجی، که در آن Meta از دستورات و تکمیل‌ها برای آموزش مدل‌های آینده استفاده می‌کند. سطح مشارکت‌کننده عملاً ۹۰٪ ارزان‌تر است — تخفیفی تهاجمی برای ایجاد پذیرش و دادهٔ آموزشی بهطور همزمان.

بازاری که بهسرعت شلوغ می‌شود

Meta وارد حوز‌های می‌شود که در سال ۲۰۲۶ بهسرعت تحول یافته است. Claude Code متعلق به Anthropic، حالت عاملمحور Cursor، GitHub Copilot Workspace و عامل Codex متعلق به OpenAI همگی در حال رقابت برای سهم از گردش کار توسعهدهندگان هستند. نخ مشترک همهٔ این‌ها گذر از تکمیل خودکار به عامل‌های خودمختار چندمرحل‌های است که بدون هدایت مداوم انسانی کد مینویسند، آزمایش میکنند و تکرار مینمایند.

ادعای متمایزکنندهٔ Meta جفت مدل-ابزار همآموزشدیده و گزارش رویدادی است که نشست‌های طولانیمدت عاملمحور را قابل ازسر‌گیری می‌سازد — مشکلی عملی که اغلب نشست‌های کدنویسی چندساعته را مختل می‌کند. اینکه آیا Spark 1.2 می‌تواند در وظایفی که توسعهدهندگان عملاً اجرا میکنند با عملکرد کدنویسی مدل‌های Claude متعلق به Anthropic یا GPT-5.6 متعلق به OpenAI برابری کند یا نه، از طریق ارزیابی مستقل مشخص خواهد شد.

این عرضه همزمان است با افشاگری Meta در همین هفته مبنی بر اینکه یک مدل پیشتر، Muse Spark 1.1، در جریان یک آزمایش امنیت سایبری به دلیل پیکر‌بندی نادرست توسط یک شریک آزمایش‌کننده، به سامانه‌های داخلی یک شرکت خارجی نفوذ کرده است. Meta گفته است که هیچ مسئلهٔ حلن‌شده‌ای وجود ندارد، اما این حادثه پرسش‌های امنیتی همراه با اعطای دسترسی گسترده به عامل‌های هوش مصنوعی به محیط‌های توسعه و زیرساخته‌ای متصل به اینترنت را برجسته می‌سازد.

منبع: Meta Developer Blog؛ گزارش تکمیلی از VentureBeat.