متا از Muse Code رونمایی کرد؛ یک terminal coding agent مبتنی بر model جدید Muse Spark 1.2

Meta وارد رقابت agent های کدنویسی AI می‌شود

Meta در پنجم اوت ۲۰۲۶ از Muse Code رونمایی کرد؛ نخستین AI coding agent اختصاصی این شرکت، که همراه با model جدیدی به نام Muse Spark 1.2 معرفی شد. هر دو محصول هم‌اکنون در دسترس هستند — Muse Code به صورت بتا برای macOS و Linux، و model از طریق Meta Model API — و با این انتشار، Meta مستقیماً با Claude Code آنتروپیک و Codex اوپن‌ای در بازار رو به رشد مهندسی نرم‌افزار مبتنی بر AI رقابت می‌کند.

مارک زاکربرگ در شبکه‌های اجتماعی آن را «یک terminal coding agent که وظایف کامل مهندسی نرم‌افزار را در مخازن بزرگ بر عهده می‌گیرد» توصیف کرد و Muse Code را نه به عنوان ابزاری برای تکمیل کد، بلکه به عنوان سیستمی معرفی کرد که می‌تواند تغییرات چندمرحله‌ای را در سراسر یک codebase برنامه‌ریزی، اجرا و اعتبارسنجی کند.

Muse Code چه کاری انجام می‌دهد

برخلاف بسیاری از ابزارهای کدنویسی AI که روی فایل‌ها یا توابع منفرد کار می‌کنند، Muse Code برای کار در مقیاس مخزن طراحی شده است. این ابزار با سه skill داخلی عرضه می‌شود: /plan (تولید استراتژی پیاده‌سازی گام‌به‌گام)، /grill (آزمایش فشار آن برنامه با بررسی نقاط ضعف و موارد لبه‌ای) و /goal (اجرای خودکار یک هدف مشخص). این agent یک event log محلی append-only نگه می‌دارد، یعنی می‌تواند پس از قطع شدن، بدون از دست دادن context از سر گرفته شود — مسئله‌ای عملی در وظایف طولانی‌مدت refactoring یا بهینه‌سازی.

agent های پس‌زمینه‌ی async ماندگار نیز یکی دیگر از ویژگی‌های قابل توجه است. Muse Code به جای راه‌اندازی یک agent جدید برای هر زیروظیفه، agent های پس‌زمینه را در طول یک session فعال نگه می‌دارد و این کار جمع‌آوری context تکراری را کاهش داده و جریان‌های کاری چندمرحله‌ای را سریع‌تر و منسجم‌تر می‌کند.

Muse Spark 1.2: model پشت این ابزار

Muse Spark 1.2 یک به‌روزرسانی کدنویسی‌محور نسبت به Muse Spark 1.1 است، با پیشرفت‌هایی در تولید کد، اشکال‌زدایی پیچیده، درک codebase و جریان‌های کاری end-to-end توسعه‌دهنده. Meta اعلام کرده که این model به طور مشترک با خود Muse Code آموزش دیده، به این معنا که قابلیت‌های model به طور خاص برای رابط و الگوهای وظیفه‌ای این agent تنظیم شده‌اند — نه اینکه بعد از واقعیت از یک model همه‌منظوره اقتباس شده باشند.

benchmark ها روی Terminal-Bench 2.1 (89 وظیفه)، DeepSWE v1.1 (113 وظیفه در 91 مخزن و 5 زبان برنامه‌نویسی) و یک benchmark داخلی کدنویسی Meta (440 وظیفه از pull request های داخلی واقعی) اجرا شده‌اند. Muse Spark 1.1 در Terminal-Bench 2.1 نمره‌ی ۸۰.۰ کسب کرد؛ مستندات Meta نشان می‌دهد که نسخه‌ی 1.2 این baseline را بهبود می‌بخشد، هرچند نمرات دقیق در زمان انتشار اعلام نشد.

قیمت‌گذاری و دسترسی

Muse Code به عنوان یک برنامه‌ی terminal روی macOS و Linux با یک دستور نصب یک‌خطی در دسترس است. model زیرین Muse Spark 1.2 از طریق Meta Model API با قیمت ۱.۲۵ دلار به ازای هر میلیون input token و ۴.۲۵ دلار به ازای هر میلیون output token، بر اساس پرداخت به ازای مصرف ارائه می‌شود. Meta همچنین یک سطح مشارکت‌کننده با تخفیف قابل توجه ارائه می‌کند که هزینه‌ها را بیش از ۹۰٪ در ازای اشتراک‌گذاری داده کاهش می‌دهد — مدل قیمت‌گذاری‌ای که برای جذب سریع توسعه‌دهندگان و جمع‌آوری داده‌های آموزشی طراحی شده است.

پشتیبانی از Windows اعلام نشده و در زمان انتشار هیچ رابط گرافیکی اختصاصی‌ای وجود ندارد — شکافی در مقایسه با Claude Code و Codex که هر دو گزینه‌های یکپارچه‌سازی غنی‌تری دارند.

چرا این موضوع اهمیت دارد

بازار AI coding agent ها به سرعت در حال رشد است. Claude Code آنتروپیک و Codex اوپن‌ای جایگاه محکمی در میان توسعه‌دهندگان حرفه‌ای دارند و GitHub Copilot همچنان بزرگ‌ترین پایگاه نصب‌شده را دارد. ورود Meta نشان می‌دهد که این شرکت کدنویسی agentic را به عنوان یک لایه‌ی استراتژیک می‌بیند که نمی‌تواند آن را به رقبا واگذار کند، به‌ویژه که مرز میان دستیار AI و مهندس نرم‌افزار مستقل همچنان در حال کمرنگ شدن است.

Meta در اینجا صرفاً یک شرط‌بندی محصولی نمی‌کند. Muse Code بر پایه‌ی همان خانواده‌ی model های Muse Spark ساخته شده که Meta آن را به عنوان پلتفرم frontier AI خود معرفی می‌کند، یعنی این coding agent هم یک محصول است و هم زمینه‌ای برای آزمون سیستم‌های agentic توانمندتر در آینده. همان‌طور که 9to5Mac و VentureBeat گزارش داده‌اند، این انتشار مستقیم‌ترین ورود Meta تاکنون به جریان‌های کاری روزانه‌ی توسعه‌دهندگان نرم‌افزار حرفه‌ای محسوب می‌شود.