# meta-muse-code-muse-spark-1-2-2026-08-05

## Veille

Annuncio di **Meta AI Research** pubblicato il **5 agosto 2026** (tempo di lettura dichiarato: 4 minuti, nessuna firma individuale): **Muse Code** in beta, *"a terminal coding agent"*, e il modello che lo alimenta, **Muse Spark 1.2**. Meta stessa inquadra il lancio: *"This marks our next step toward the frontier, with larger and much more capable models on the way"* — **un passo verso la frontiera, non un'affermazione ambiziosa**. **Tre elementi architetturali** sono descritti sul lato harness: **agenti asincroni in background** che *"remain active throughout each session, rather than being spawned for individual tasks"*, per evitare la raccolta ridondante di informazioni e ridurre la necessità di guida; un **registro eventi locale** in cui *"every model call, tool run, approval, and edit is appended"*, che rende il runtime *"replay-exact and restart-safe"* — capace di riprendere esattamente da dove si era interrotto dopo un crash; e **tre skill fornite di serie** — `/plan` (trasforma un compito in un piano sottoposto ad approvazione), **`/grill`** (mette alla prova il piano *"until it holds up"*), e `/goal`. Sul lato modello, Meta dichiara **co-training del modello con l'harness** (*"to maximize harness compatibility"*, con traiettorie dell'harness campionate tramite rejection sampling e ottimizzazioni di ricetta per obiettivi, compaction e sub-agenti), addestramento **long-horizon** (generazione dell'intero repository, progetti end-to-end, self-research, con planning, goal conditioning e **compaction del contesto**), e un **ciclo di auto-miglioramento** in cui Muse Spark 1.1 genera gli ambienti e i template di istruzioni **e poi valuta le soluzioni candidate**, producendo un set di addestramento per 1.2. ⚠️ **Il fatto più notevole di questo annuncio non è scritto da nessuna parte nel testo**: i quattro grafici pubblicati — Terminal-Bench 2.1, DeepSWE 1.1, un benchmark interno Meta, e il case study di ottimizzazione di kernel GPU — **collocano Muse Spark 1.2 dietro Opus 5 in tutti e quattro i casi**, incluso sul benchmark proprietario di Meta stessa (70,6% contro 79,4%) e sul case study, dove il modello si classifica **quarto su sei** (+68,7% contro +74,0%). ⚠️ **E il guadagno reale del modello è più piccolo di quanto sembri**: sui due benchmark pubblici, 1.1 è misurato con `mini-swe-agent` e 1.2 con Muse Code — il divario di 6,7 punti confonde quindi modello e harness. Sul benchmark interno, l'unico confronto in cui non viene menzionato alcun harness, il divario 1.1 → 1.2 scende a **2,3 punti**.

## Titre Article

Introducing Muse Code and Muse Spark 1.2

## Date

2026-08-05

## URL

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

## Keywords

Meta AI Research, Muse Code, Muse Spark 1.2, agente di coding da terminale, beta, harness, agenti asincroni in background, sub-agenti persistenti, raccolta ridondante di informazioni, registro eventi, registro eventi, replay-exact, restart-safe, ripristino da crash, compiti lunghi, skill fornite di serie, piano approvato, grill, goal, co-training modello-harness, rejection sampling, traiettorie dell'harness, compatibilità con l'harness, long-horizon, generazione dell'intero repository, self-research, goal conditioning, compaction del contesto, auto-miglioramento, generazione di ambienti, valutazione delle soluzioni, Terminal-Bench 2.1, DeepSWE 1.1, benchmark interno, Opus 5, Claude Code, GPT 5.6 Terra, GPT 5.6 Sol, Codex, Grok 4.5, Gemini 3.6 Flash, Antigravity CLI, mini-swe-agent, ottimizzazione di kernel GPU, Triton, KDA, MLA, NVIDIA Hopper, chiamate cumulative a strumenti, speedup rispetto alla baseline, FLA, fusione di kernel, tiling, Meta Model API, lock-in da ottimizzazione

## Authors

**Meta AI Research** — publication institutionnelle sans auteur nommé, sur `research.meta.ai`. Le billet renvoie à un **rapport** pour la méthodologie d'évaluation, non repris ici.

**Positionnement à connaître** : Meta arrive sur le terrain de l'agent de codage en terminal **après** Claude Code, Codex, Gemini CLI, Grok Build et Antigravity CLI, et le dit — *« our next step toward the frontier »*. L'annonce couple un **produit** (Muse Code, distribué par `curl … | bash`) et un **modèle** (Muse Spark 1.2, disponible dans Muse Code et dans **Meta Model API** avec *« expanded global access »*), les deux ayant été entraînés ensemble.

## Ton

**Profilo**: un annuncio di prodotto di un laboratorio di ricerca, formato breve, registro tecnico sobrio. Nessuna iperbole, nessuna rivendicazione di superiorità, nessun superlativo — cosa **insolita per un lancio** e di per sé informativa.

**Stile**: il testo procede **descrivendo meccanismi**, sezione per sezione, ciascuna limitata a un paragrafo e nominando una decisione ingegneristica precisa — persistenza dei sub-agenti, registro eventi, co-training, compaction. Non c'è alcun caso cliente, alcuna citazione di dirigente, alcuna promessa di produttività. L'unica dimostrazione narrativa è una vignetta: un utente rilascia un video `mp4` di una visita immobiliare nel terminale, Muse Code lo interpreta e produce una pagina di prenotazione per affitto breve.

**Il tratto più notevole è la modestia dell'inquadratura**, esposta già dalla seconda frase: *"This marks our next step toward the frontier, with larger and much more capable models on the way."* Meta annuncia una tappa e avverte che il meglio deve ancora venire. La conclusione ribadisce la stessa postura: *"We have a lot on the horizon, including new harness features and more powerful models."*

**Questa modestia trova riscontro nei grafici**, ed è ciò che rende l'annuncio distintivo: Meta pubblica quattro confronti in cui non vince mai. Pochi lanci sono disposti a mostrare un concorrente in testa sulla propria pagina — ancora meno sul proprio **benchmark interno**.

**Frasi marcatrici**: *"our next step toward the frontier"*, *"rather than being spawned for individual tasks"*, *"replay-exact and restart-safe"*, *"/grill stress-tests that plan until it holds up"*, *"to maximize harness compatibility"*.

## Pense-betes

- **Cosa viene lanciato**: **Muse Code** (beta), un agente di coding da terminale installabile tramite `curl -fsSL https://dev.meta.ai/install.sh | bash` su macOS e Linux, e **Muse Spark 1.2**, un modello disponibile in Muse Code e in **Meta Model API**.
- **⭐⭐ Il risultato complessivo, assente dal testo e leggibile solo nelle immagini** — Meta perde tutti e quattro i confronti: | Confronto | Vincitore | Muse Spark 1.2 | Posizione | |---|---|---|---| | Terminal-Bench 2.1 | Opus 5 + Claude Code — **86,7%** | 82,9% | 2° / 6 | | DeepSWE 1.1 | Opus 5 + Claude Code — **65,0%** | 59,3% | 3° / 6 | | **Meta Internal Coding Bench** | Opus 5 — **79,4%** | 70,6% | 2° / 5 | | Case study KDA (speedup) | Opus 5 — **+74,0%** | +68,7% | **4° / 6** | → **Sul proprio benchmark proprietario, Meta è a 8,8 punti da Opus 5.** E sul case study scelto come vetrina, finisce anche dietro GPT 5.6 Sol (+71,2%) e dietro la **generazione precedente di Anthropic**, Opus 4.8 (+69,6%). Questo è il fatto centrale dell'annuncio, e bisogna andare a leggere i PNG per trovarlo.
- **⭐⭐ Il guadagno del modello è più piccolo di quanto annunciato, e l'harness spiega il resto** — la lettura più utile di queste cifre:
- Su **Terminal-Bench** e **DeepSWE**, 1.1 è valutato con **`mini-swe-agent`** e 1.2 con **Muse Code**. Il divario mostrato (76,2 → 82,9, cioè **+6,7 punti**) confonde quindi **progresso del modello e progresso dell'harness**.
- Sul **benchmark interno**, l'unica tabella in cui **non è indicato alcun harness**, il divario 1.1 → 1.2 scende a **68,3 → 70,6, cioè +2,3 punti**. → **Il modello guadagna circa due punti; il resto viene dagli strumenti che lo circondano.** Meta lo ammette a metà dichiarando il co-training *"to maximize harness compatibility"*. **Nessuno di questi confronti è modello contro modello: sono coppie modello + harness.**
- **⭐ E questo convalida empiricamente la tesi di Mozilla, a tre settimane di distanza**: [[mozilla-state-of-open-source-ai-2026-07]] scriveva *"the model is eating the harness"*, osservava che *"on every model where both appear, the lab's own harness now wins"*, ed enunciava il meccanismo — *"a harness tuned tightly to one lab's weights becomes a fitted component of that lab's product… the tighter the tuning, the less swappable the weights underneath. **Lock-in arrives as a side effect of optimization.**"* **Muse Code + Muse Spark 1.2 è esattamente questo oggetto**: Meta annuncia esplicitamente di aver addestrato il modello *con* l'harness per massimizzarne la compatibilità. La tabella di Terminal-Bench lo mostra implicitamente — ogni modello lì è misurato con l'harness del proprio laboratorio.
- **Il registro eventi — il pezzo di ingegneria migliore del post**: *"a local event log in which every model call, tool run, approval, and edit is appended"*, un'unica fonte di verità che rende il runtime *"replay-exact and restart-safe"*. Dopo un crash, l'agente riprende **esattamente** da dove si era interrotto, il che rende possibili compiti lunghi. → **Convergenza diretta con il run manifest e il comando `run resume` di [[skill-gibbs-hyperresearch-2026-08-03]]**, dove il manifest è descritto come *"your durable memory"*. Due team indipendenti arrivano allo stesso meccanismo: **il contesto non sopravvive, un registro su disco sì.**
- **⭐ Agenti persistenti in background — una rottura rispetto al modello dominante**: invece di essere creati per un compito e poi distrutti, *"remain active throughout each session"*, il che evita *"redundant information gathering"*, permette loro di decidere **autonomamente** quando riferire all'agente principale, e riduce *"latency and the need for steering"*. → Da confrontare con l'osservazione opposta di Hugo Lassiège sui sub-agenti usa e getta — *"li uso sempre meno, gli agenti recenti delegano lavoro piuttosto mirato da soli"* ([[lassiege-usine-logicielle-heure-ia-2026-07-28]]). **Due risposte opposte allo stesso problema**: Lassiège delega meno, Meta delega ad agenti che non muoiono più.
- **⭐ `/grill` è fornito di serie, e il nome non è casuale**: *"/grill stress-tests that plan until it holds up"*. È esattamente la funzione della skill `grill-with-docs` di Matt Pocock, archiviata in questo corpus da giugno ([[skill-pocock-grill-with-docs-2026-06]]) — un'intervista avversariale che mette alla prova un piano prima dell'implementazione. **Un pattern nato nella community delle skill arriva preinstallato in un laboratorio di frontiera.** Un segno di maturazione: le best practice dell'harness stanno diventando primitive di prodotto.
- **Il trittico fornito** — `/plan` (un piano **sottoposto ad approvazione**), `/grill` (stress test), `/goal` (perseguimento dell'obiettivo) — descrive un ciclo **plan → challenge → execution** con un **gate umano** al primo passaggio. È la forma canonica documentata da [[osmani-agent-harness-engineering-2026-04-19]], ora impacchettata.
- **Auto-miglioramento, letto con precisione**: *"We also used Muse Spark 1.1 to generate challenging coding environments and instruction-following templates. The model then graded candidate solutions… producing a scalable training dataset for Muse Spark 1.2."* → **È 1.1 che genera gli ambienti *e* valuta**, con 1.2 come prodotto di questo dataset. ⚠️ Il soggetto di *"the model"* è ambiguo, e alcune riletture lo hanno interpretato come 1.2; la lettura naturale è 1.1, l'unico nominato. **Un ciclo di distillazione di una generazione su se stessa**, il cui limite noto è che può insegnare solo ciò che la generazione precedente sa già valutare.
- **Case study kernel GPU — il protocollo è più interessante del risultato**: ottimizzazione iterativa su **oltre 1.000 chiamate a strumenti, fino a 24 ore**, sui kernel **KDA** e **MLA** per GPU **NVIDIA Hopper**. Il modello scrive, compila, profila e migliora progressivamente. ⭐ **Vincolo notevole**: *"Models were prohibited from importing third-party kernel libraries such as FLA directly"* — l'algoritmo doveva essere reimplementato in Triton, non avvolto attorno a un'implementazione esistente. **È questo che rende il test onesto**, ed è il tipo di guardrail che manca in molte dimostrazioni di agenti.
- Su **KDA**: un kernel di preparazione block-parallel più una scansione sequenziale inter-blocco, con ricentraggio cumulativo del decay a metà blocco.
- Su **MLA**: una pipeline Triton a due kernel, che riutilizza il latente KV condiviso sia come K sia come V, misurata con batch size 1, 64 head, lunghezza di sequenza 8.192, dimensione latente 512.
- ⚠️ **KDA è l'attenzione lineare di Kimi** (cfr. [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]]): Meta fa quindi ottimizzare al proprio agente il kernel di un'architettura open-weights concorrente. Un dettaglio significativo e curioso su come circolano le architetture.
- **⚠️ Tre avvertenze metodologiche sui grafici**: 1. **Nessuna cifra compare nel testo.** I quattro confronti sono **immagini raster** senza dati testuali né etichette di accessibilità numerica. Un lettore frettoloso, un aggregatore, o un agente che legge la pagina **non vede alcun risultato**. I valori in questa scheda sono stati letti visivamente dai PNG. 2. **L'asse Y del grafico KDA è non lineare**, cosa che Meta segnala onestamente (*"Axis Spaced Linearly In X"*, linee guida a 0-27-43-53-60-65-69-72-75%). La scala **dilata la parte superiore dell'intervallo**, il che amplifica visivamente i divari tra i modelli in testa — a svantaggio di Meta, in questo caso. 3. **Le configurazioni confrontate non sono omogenee**: `max` per Opus 5 e GPT 5.6 Terra, `high` per Grok 4.5 e Gemini 3.6 Flash, nulla dichiarato per Muse Spark. E Grok è assente dal benchmark interno, GPT 5.6 Sol compare solo nel case study. **La composizione del pannello cambia da un grafico all'altro.**
- **⚠️ Il benchmark interno è non verificabile**: *"Meta Internal Coding Bench"* non è pubblico, la sua composizione non è descritta nel post, e Meta lo usa per misurare i propri concorrenti. Il fatto che vi **perda** rende la cifra più credibile di un punteggio lusinghiero — ma un benchmark proprietario resta non riproducibile.
- **Cosa l'annuncio non dice**: nessun prezzo, nessun limite di utilizzo, nessuna licenza del modello, nessun rilascio dei pesi — una rottura significativa rispetto alla tradizione Llama di Meta, su cui il post tace. Nulla nemmeno sulle lingue supportate, sulla dimensione del contesto, o sulle garanzie di riservatezza per il codice inviato.
- **Meta / correlati**: conferma empirica del meccanismo di lock-in da ottimizzazione descritto in [[mozilla-state-of-open-source-ai-2026-07]]; registro eventi e ripresa da confrontare con [[skill-gibbs-hyperresearch-2026-08-03]]; `/grill` preinstallato rispetto a [[skill-pocock-grill-with-docs-2026-06]]; dottrina dell'harness in [[osmani-agent-harness-engineering-2026-04-19]] e [[lassiege-usine-logicielle-heure-ia-2026-07-28]]; concorrenti citati in [[sfeir-gpt56-sol-terra-luna-coding-agentique-pricing-2026-07-13]] e [[cherny-wu-reflecting-year-claude-code-2026-07-17]]; kernel KDA e architettura Kimi in [[sfeir-kimi-k3-moonshot-frontier-open-weights-2026-07-16]].

## RésuméDe400mots

Annuncio di **Meta AI Research** del **5 agosto 2026**: **Muse Code** in beta, un agente di coding da terminale, e **Muse Spark 1.2**, il modello che lo alimenta. Meta stessa inquadra il lancio — *"our next step toward the frontier, with larger and much more capable models on the way"*.

**Sul lato harness, tre decisioni.** **Agenti asincroni in background** che *"remain active throughout each session, rather than being spawned for individual tasks"*, evitando la raccolta ridondante di informazioni e decidendo autonomamente quando riferire all'agente principale. Un **registro eventi locale** che registra ogni chiamata al modello, esecuzione di strumento, approvazione e modifica, il che rende il runtime *"replay-exact and restart-safe"*: dopo un crash, l'agente riprende esattamente da dove si era interrotto. E tre **skill fornite di serie**: `/plan` (un piano sottoposto ad approvazione), **`/grill`** (mette alla prova il piano finché non regge), e `/goal`.

**Sul lato modello**, Meta dichiara **co-training con l'harness** *"to maximize harness compatibility"*, addestramento long-horizon (intero repository, progetti end-to-end, self-research, compaction del contesto), e un ciclo di auto-miglioramento in cui la versione 1.1 genera gli ambienti e valuta le soluzioni, producendo il set di addestramento per 1.2.

**Il fatto centrale di questo annuncio non è scritto da nessuna parte nel testo.** I quattro confronti pubblicati esistono solo come immagini, e collocano Muse Spark 1.2 **dietro Opus 5 in tutti e quattro i casi**: 82,9% contro 86,7% su Terminal-Bench 2.1, 59,3% contro 65,0% su DeepSWE 1.1, **70,6% contro 79,4% sul benchmark interno proprio di Meta**, e +68,7% contro +74,0% sul case study di ottimizzazione di kernel GPU, dove il modello si classifica **quarto su sei**, dietro GPT 5.6 Sol e dietro la generazione precedente di Anthropic.

**E il guadagno proprio del modello è più piccolo di quanto sembri.** Sui due benchmark pubblici, la versione 1.1 è valutata con `mini-swe-agent` e la 1.2 con Muse Code: il divario di 6,7 punti confonde modello e harness. Sul benchmark interno, l'unico confronto senza harness indicato, scende a **2,3 punti**.

L'annuncio si configura quindi principalmente come **conferma empirica** di una tesi già enunciata: il valore si sta spostando verso l'harness, e un harness co-addestrato con i propri pesi rende quei pesi tanto meno intercambiabili.

## GrapheDeConnaissance

- Meta AI Research —publie→ Muse Code (TECHNOLOGIE, 0.97)
- Meta AI Research —publie→ Muse Spark 1.2 (TECHNOLOGIE, 0.97)
- Muse Spark 1.2 —est_variante_de→ Muse Spark 1.1 (TECHNOLOGIE, 0.95)
- Muse Code —utilise→ Muse Spark 1.2 (TECHNOLOGIE, 0.96)
- Muse Spark 1.2 —est_basé_sur→ un co-entraînement avec le harnais Muse Code pour maximiser leur compatibilité (AFFIRMATION, 0.95)
- co-entraînement d'un modèle avec son harnais —réduit→ l'interchangeabilité des poids sous-jacents (AFFIRMATION, 0.85)
- journal d'événements local —permet→ de reprendre exactement où l'agent s'est arrêté après un plantage (AFFIRMATION, 0.95)
- agents d'arrière-plan persistants —s_oppose_à→ les sous-agents créés puis détruits pour chaque tâche (AFFIRMATION, 0.94)
- agents d'arrière-plan persistants —réduit→ la collecte d'information redondante et le besoin de pilotage (AFFIRMATION, 0.93)
- Muse Code —utilise→ une skill de mise à l'épreuve du plan avant implémentation (AFFIRMATION, 0.93)
- Muse Spark 1.1 —permet→ de générer les environnements et de noter les solutions ayant servi à entraîner Muse Spark 1.2 (AFFIRMATION, 0.9)
- Opus 5 —surpasse→ Muse Spark 1.2 (TECHNOLOGIE, 0.95)
- Muse Spark 1.2 —mesure→ 82,9 % sur Terminal-Bench 2.1 contre 86,7 % pour Opus 5 avec Claude Code (MESURE, 0.93)
- Muse Spark 1.2 —mesure→ 59,3 % sur DeepSWE 1.1 contre 65,0 % pour Opus 5 et 64,8 % pour GPT 5.6 Terra (MESURE, 0.93)
- Muse Spark 1.2 —mesure→ 70,6 % sur le benchmark interne de Meta contre 79,4 % pour Opus 5 (MESURE, 0.92)
- Muse Spark 1.2 —mesure→ une accélération de noyau KDA de +68,7 %, quatrième derrière Opus 5, GPT 5.6 Sol et Opus 4.8 (MESURE, 0.92)
- comparaison de paires modèle et harnais —s_oppose_à→ une comparaison de modèles isolés, les deux benchmarks publics évaluant chaque modèle avec le harnais de son laboratoire (AFFIRMATION, 0.9)
- gain de Muse Spark 1.1 à 1.2 —mesure→ 2,3 points sur le seul comparatif sans harnais indiqué, contre 6,7 points sur les comparatifs avec harnais (MESURE, 0.88)
- Muse Code —s_applique_à→ l'optimisation itérative de noyaux GPU sur plus de 1 000 appels d'outils et jusqu'à 24 heures (AFFIRMATION, 0.93)
- interdiction d'importer une bibliothèque de noyaux tierce —permet→ de tester la réimplémentation d'un algorithme plutôt que l'enveloppement d'une implémentation existante (AFFIRMATION, 0.92)
- Meta AI Research —affirme_que→ ce lancement est une étape vers la frontière, des modèles plus grands et plus capables étant à venir (CITATION, 0.95)
- benchmarks publiés uniquement en image —s_oppose_à→ la lisibilité des résultats par un agrégateur ou un agent lisant la page (AFFIRMATION, 0.88)

---
Canonical: https://www.thekb.eu/it/fiches/meta-muse-code-muse-spark-1-2-2026-08-05/