CourionAI
FR
Newsletter
← Toutes les actus
meta 3 min de lecture

Meta livre Muse Code, un agent de codage qui continue de fonctionner après un crash

Meta a publié Muse Code en version bêta pour macOS et Linux, alimenté par un nouveau modèle Muse Spark 1.2. Ses deux idées intéressantes sont des agents d'arrière-plan qui restent actifs pendant toute une session et un journal d'événements local qui permet à une tâche interrompue de reprendre exactement là où elle s'est arrêtée.

Un établi de charpentier vide à l'intérieur d'un cadre d'écran, une corde nouée posée dessus et des lanternes à huile brûlant régulièrement aux deux extrémités

Meta a publié mercredi Muse Code en version bêta, un agent de codage qui s’exécute dans votre terminal plutôt que dans une fenêtre de discussion. Mark Zuckerberg l’a annoncé lui-même. Il fonctionne sur un nouveau modèle appelé Muse Spark 1.2 et place Meta directement contre Claude Code d’Anthropic et Codex d’OpenAI dans ce qui est tranquillement devenu le secteur le plus compétitif de l’industrie.

Le pitch consiste en des tâches logicielles complètes sur de grandes bases de code : l’agent planifie un changement, écrit le code, puis vérifie si le résultat fonctionne réellement. Il s’installe sur macOS et Linux avec une seule commande shell, et Muse Spark 1.2 est également disponible via l’API Meta Model. Il existe trois compétences intégrées, qui sont simplement nommées routines que vous pouvez appeler : /plan transforme une demande en un plan que vous devez approuver, /grill attaque ce plan pour voir s’il survit, et /goal continue de fonctionner jusqu’à ce que l’objectif soit atteint.

Deux choix de conception méritent d’être compris même si vous n’écrivez jamais de code. Premièrement, les agents d’arrière-plan restent actifs pendant toute la session au lieu d’être créés à nouveau pour chaque tâche, de sorte qu’ils n’ont pas besoin de relire les mêmes fichiers encore et encore. Deuxièmement, chaque appel de modèle, exécution d’outil, approbation et modification est ajouté à un fichier journal local, que Meta décrit comme une relecture exacte et un redémarrage sécurisé. En termes simples : si la chose plante quatre heures après le début d’une tâche, elle reprend précisément là où elle s’est arrêtée plutôt que de recommencer. Meta a montré une étude de cas dans laquelle le système a effectué plus de 1 000 appels d’outils sur des périodes allant jusqu’à 24 heures tout en optimisant les noyaux GPU.

Que se passe-t-il réellement ici

L’affirmation intéressante n’est pas le score de benchmark, c’est que Meta a formé le modèle avec l’outil qui l’exécute. La plupart des laboratoires construisent un modèle puis l’entourent d’un harness, c’est-à-dire l’échafaudage qui permet à un modèle d’utiliser un terminal, de lire des fichiers et d’exécuter des tests. Meta a co-entraîné Muse Spark 1.2 avec Muse Code, de sorte que le modèle s’est entraîné dans l’environnement exact dans lequel il est livré. Meta indique clairement que son harness peut ne pas être réglé pour les modèles concurrents, ce qui est une manière polie de dire que ses chiffres de comparaison avec Claude Opus 5, GPT-5.6 Terra, Gemini 3.6 Flash, Grok 4.5 et Kimi K3 doivent être lus avec attention.

A savoir avant de vous enthousiasmer : il s’agit d’un logiciel bêta, il n’y a pas de poids téléchargeables, vous dépendez donc des serveurs de Meta et vous installez n’importe quoi avec un `curl | La commande bash signifie faire entièrement confiance à l’éditeur.

Ce que cela signifie pour vous: si vous ne codez pas, rien aujourd’hui, mais l’idée de reprise après incident est un aperçu de la direction que prendront tous les assistants IA, des longs travaux de recherche au travail documentaire de nuit. Si vous codez, c’est désormais une véritable quatrième option qui mérite un test du week-end, en particulier pour les longs refactors où l’agent perdait le fil. Conservez-le dans un sandbox avec des portes d’examen, comme n’importe quel agent.

Sources

-Présentation de Muse Code et Muse Spark 1.2, Meta AI Research

Sources: https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2

Article suivant

OpenAI propose trois plugins éducatifs et admet tranquillement que la plupart des étudiants utilisent à peine les outils dont ils disposent

De nouveaux plugins destinés aux enseignants de la maternelle à la 12e année, aux enseignants universitaires et aux étudiants arrivent dans ChatGPT Edu et ChatGPT for Teachers. Enfoui dans l'annonce : même les utilisateurs étudiants avancés exploitent les capacités de ChatGPT de 90 à 99 % de moins que les utilisateurs expérimentés.

Un petit bureau d'école tenant un seul petit crayon à côté d'une énorme boîte à outils fermée qui le domine