Meta терминал дээр ажилладаг AI кодинг агент Muse Code ба Muse Spark 1.2 загвараа танилцууллаа

Хиймэл интеллектийн кодинг агентуудын тэмцэлд Meta хүч түрэн орж ирлээ

Хиймэл интеллектийн салбарт Anthropic-ийн Claude Code, OpenAI-ийн Codex болон Cursor зэрэг хэрэгслүүд программ хөгжүүлэгчдийн өдөр тутмын ажилд хүчтэй байр суурь эзэлж байгаа билээ. Тэгвэл Meta компани энэхүү өрсөлдөөнд шууд терминал дээр ажилладаг шинэ AI агент Muse Code (Beta) болон түүнийг ажиллуулах тусгай Muse Spark 1.2 загвараа албан ёсоор зарлалаа.

Марк Цукерберг X (хуучнаар Twitter) платформ дээр хийсэн мэдэгдэлдээ, Muse Code нь томоохон кодын сапууд (repositories) дээр инженерчлэлийн цогц даалгавруудыг бие даан төлөвлөх, код бичих, туршин баталгаажуулах чадвартай гээд macOS болон Linux систем дээр ганцхан CLI тушаалаар суурилуулах боломжтойг онцолсон юм.

Muse Code ба Muse Spark 1.2 гэж юу вэ?

Muse Code нь хөгжүүлэгчийн терминал (Terminal) дээр шууд ажилладаг AI агент бөгөөд зөвхөн нэг мөр код санал болгохоос гадна бүхэл бүтэн репозиторийг гүнзгий ойлгож, архитектурын шийдвэр гаргах чадвартай. Түүний хөдөлгүүр болж буй Muse Spark 1.2 загвар нь өмнөх хувилбаруудаас илүүтэй кодын бүтэц ойлгох, лог засах (debugging), болон олон шаталттай автоном даалгавар гүйцэтгэхэд тусгайлан заагдаж оновчлогдсон байна.

Хөгжүүлэгчид дараах CLI тушаалыг ашиглан шууд системдээ суулган турших боломжтой:

curl -fsSL https://dev.meta.ai/install.sh | bash

Суурилуулсны дараа браузераараа dev.meta.ai хаягаар нэвтрэн баталгаажуулалт (authentication) хийснээр шууд терминалаасаа команд өгч эхэлнэ.

Системийн гол техникийн онцлогууд

Meta-ийн инженерүүд Muse Code-ийг бүтээхдээ уламжлалт AI агентуудад тулгардаг гол бэрхшээлүүдийг шийдвэрлэх шинэлэг архитектурын шийдлүүдийг тусгажээ.

1. Асинхрон байнга ажиллах дэд агентууд (Async Persistent Subagents)

Ихэнх AI агентууд нэг даалгавар ирэхэд шинэ промпт эсвэл түр сесс үүсгэж, даалгавар дуусахад санах ой нь цэвэрлэгддэг тул дараагийн даалгаварт кодын контекстийг дахин унших шаардлагатай болдог. Нөгөөтэйгүүр, Muse Code сессийн турш тасралтгүй ажиллах асинхрон дэд агентуудыг (async background agents) ашигладаг.

Эдгээр тусгай дагнасан дэд агентууд нь ард тасалгаанд фокус алдалгүй кодын баазыг хянаж, дараагийн алхмуудыг төлөвлөж, шаардлагатай үед л үндсэн агентад мэдээлдэг. Энэ нь latency-г эрс багасгаж, олон шаталттай цогц төслүүд дээр хөгжүүлэгч заавал гардан чиглүүлэх (manual steering) шаардлагыг багасгасан байна.

2. Append-Only Local Event Log (Replay-Exact & Restart-Safe)

Урт хугацаанд ажилладаг AI агентуудын хамгийн том асуудал бол систем гацах, сүлжээ тасрах эсвэл процесс зогсох үед хийж байсан ажил нь сарних явдал юм. Muse Code нь орон нутгийн диск дээр ажиллах append-only event log буюу бүх загварын дуудлага, tool run, хэрэглэгчийн зөвшөөрөл, файл дээрх өөрчлөлт бүрийг дарааллуулан бичиж тэмдэглэдэг.

Энэхүү Event Log-ийн тусламжтайгаар систем гацсан ч яг зогссон цэгээсээ кодын бүрэн бүтэн байдлыг алдагдуулахгүйгээр шууд үргэлжлүүлэн ажиллах (restart-safe) боломжтой болсон. Мөн хөгжүүлэгчид AI агент ямар шийдвэрийг хэзээ гаргасныг алхам алхмаар нөхөн харах (replay-exact auditability) боломжтой.

3. Harness ба Моделийн Хамтын Сургалт (Co-Trained Architecture)

Muse Spark 1.2 загварыг ажиллах хөдөлгүүр (harness)-тэй нь шууд хамтад нь сургажээ (co-training). Ингэснээр загвар нь ямар хэрэгслийг (tools) хэзээ дуудах, ямар үед дэд агентуудад даалгавар хуваарилахыг өндөр нарийвчлалтай шийддэг тул бусад ерөнхий загварууд шиг буруу tool дуудаж алдаа гаргах үйлдэл эрс багассан. Сургалтын явцад репозитор түвшний код үүсгэх, төгсгөл хоорондын (end-to-end) томоохон төслүүд болон авто-рисерч даалгавруудыг өргөнөөр ашигласан байна.

Бэлэн Skill болон тушаалууд

Muse Code нь хөгжүүлэгчдийн ажлын урсгалыг хялбарчлах дараах үндсэн тушаалуудтай ирж байна:

• /plan: Ирсэн даалгаврыг хөгжүүлэгчийн зөвшөөрөл шаардлагатай нарийн төлөвлөгөө болон алхмуудад хуваана.
• /grill: Үүсгэсэн төлөвлөгөөг код бичиж эхлэхээс өмнө стресс-туршилтад оруулж, боломжит эрсдэл, хязгаарын тохиолдлуудыг (edge cases) шалгаж баталгаажуулна.
• /goal: Тодорхойлсон зорилгод хүрэх хүртэл автоматикаар тестийг ажиллуулж, алдааг засан баталгаажуулна.

Мөн "Agent Fan-out" архитектурын тусламжтайгаар нэг том даалгаврыг тус бүрдээ тусгаарлагдсан Git worktree дээр параллель ажиллах олон дэд агентад хувааж, дунд нь кодын мөргөлдөөн (conflict) үүсгэхгүйгээр зэрэг ажиллуулах боломжтой.

Практик гүйцэтгэл ба GPU Kernel Оновчлол

Meta-ийн нийтэлсэн судалгааны үр дүнгээс харахад Muse Code нь маш хүнд, нарийн чанд техникийн даалгавруудыг гүйцэтгэж чадаж байна. Тухайлбал, NVIDIA Hopper GPU-д зориулсан KDA болон MLA Triton kernel-ийг оновчлох туршилтад агентийг 24 цагийн турш тасралтгүй 1,000 гаруй tool дуудлага хийлгэн ажиллуулжээ.

MLA (Multi-head Latent Attention) туршилтаар PyTorch-ийн лавлагаа хэрэгжилт дээр үндэслэн тусгай хоёр kernel бүхий Triton пайплайн бүтээж, KV санах ойн ашиглалтыг эрс оновчилсон байна. Энэ нь AI агентууд зөвхөн энгийн веб апп бичихээс гадна доод түвшний (low-level) систем ба GPU програмчлалын түвшинд гүнзгий ажиллаж чаддагийг харууллаа.

Үнэ тариф ба API боломжууд

Muse Spark 1.2 нь 1 сая токений контекст цонхтой (1M Context window) бөгөөд Meta Model API болон OpenRouter платформ дээр байршсан. Meta компани энэ удаад үнэ тарифын маш өвөрмөц бодлого танилцуулсан нь:

• Стандарт тариф (muse-spark-1.2): 1 сая вход token нь $1.25, сая выход token нь $4.25.
• Contributor тариф (muse-spark-1.2-contributor): Мэдээллээ Meta-ийн загвар сургалтад ашиглахыг зөвшөөрсөн тохиолдолд вход token $0.10, выход token $0.20 буюу 10-20 дахин хямд үнээр ашиглах боломжтой.

Дүгнэлт: Монголын хөгжүүлэгчдэд юу өгөх вэ?

Meta компани Llama загваруудаараа Open-source болон Open-weight экосистемд тэргүүлж байсан бол одоо Muse Code болон Muse Spark 1.2-оор дамжуулан Agentic Coding салбарт шууд өрсөлдөгч болон орж ирлээ.

Одоогоор GUI эсвэл бие даасан аппликейшн байхгүй, зөвхөн терминал болон API-аар ажилладаг ч асинхрон дэд агентууд болон санах ойн найдвартай систем (append-only log) нь томоохон репозитори дээр ажилладаг хөгжүүлэгчдэд маш ашигтай хэрэгсэл болж байна. Хэрэв та одоогийн AI туслахуудынхаа контекст алдах, санах ой арилах асуудлаас задарч байсан бол CLI дээрээ суулгаж туршиж үзэхийг зөвлөж байна.

Эх сурвалж: Meta AI Research, Meta for Developers Blog