صفحه اصلیمرکز اخبار LBank
متا از عامل کدنویسی هوش مصنوعی Muse رونمایی کرد: در مقایسه با Claude Code و Codex چگونه عمل می‌کند
muse-code-meta-ai-coding-agent-claude-codex
متا از عامل کدنویسی هوش مصنوعی Muse رونمایی کرد: در مقایسه با Claude Code و Codex چگونه عمل می‌کند
عامل جدید متا در ترمینال شما اجرا می‌شود، زیرعامل‌ها را هماهنگ می‌کند و در برابر کرش‌ها دوام می‌آورد—اما در بنچمارک‌های مهم، از رقبا عقب می‌ماند.
2026-08-05 منبع:decrypt.co

به طور خلاصه

  • متا از Muse Code (نسخه بتا)، یک عامل کدنویسی ترمینال که توسط Muse Spark 1.2، مدل کدنویسی به‌روزشده خود، پشتیبانی می‌شود، رونمایی کرد. این ابزار اکنون از طریق Meta Model API و یک اسکریپت نصب curl در دسترس است.
  • این عامل، زیرعامل‌های پس‌زمینه پایدار را هماهنگ می‌کند و یک گزارش رویداد دقیق قابل تکرار (replay-exact) را حفظ می‌کند تا در صورت بروز خطا، دقیقاً از جایی که متوقف شده بود، ادامه یابد.
  • بر اساس نمودارهای داخلی متا، Muse Spark 1.2 در هر یک از معیارهای کدنویسی نمایش داده شده، از Opus 5 Anthropic عقب‌تر است، اما در اکثر موارد Codex OpenAI و Antigravity گوگل را شکست می‌دهد.

متا جدیدترین غول فناوری است که یک عامل کدنویسی را عرضه کرده و در رقابت با غول‌های برجسته هوش مصنوعی، Anthropic و OpenAI، تلاش می‌کند.

این شرکت در یک اطلاعیه رسمی نوشت: «ما با هیجان Muse Code (نسخه بتا) را منتشر می‌کنیم، یک عامل کدنویسی ترمینال که توسط Muse Spark 1.2، جدیدترین مدل ما، پشتیبانی می‌شود.» «این گام بعدی ما به سمت مرزهای دانش است، با مدل‌های بزرگ‌تر و بسیار توانمندتر در راه.»

به عنوان یک ابزار کدنویسی عامل‌محور، Muse Code برای مهندسی نرم‌افزار در مخازن بزرگ ساخته شده است. طبق گفته متا، این ابزار «وظایف پیچیده مهندسی نرم‌افزار را در مخازن بزرگ بر عهده می‌گیرد: برنامه‌ریزی تغییرات، نوشتن کد و اعتبارسنجی نتایج. این ابزار می‌تواند چندین زیرعامل پایدار را برای هر وظیفه هماهنگ کند و مشکلات دشوار را سریع‌تر، دقیق‌تر و با مداخله کمتر حل کند.»

جزئیاتی که برجسته است، زمان اجرا (runtime) است. Muse Code هر تماس مدل، اجرای ابزار، تأیید و ویرایش را در یک گزارش رویداد محلی ثبت می‌کند که به عنوان یک منبع واحد حقیقت عمل می‌کند. متا گفت: «این منبع واحد حقیقت، زمان اجرا را با قابلیت تکرار دقیق (replay-exact) و ایمن در برابر راه‌اندازی مجدد (restart-safe) می‌کند: پس از خرابی، عامل می‌تواند دقیقاً از جایی که متوقف شده بود، ادامه یابد.» برای کارهای طولانی‌مدت، این ویژگی از سرعت خام مهم‌تر است — و این بخشی است که رقبا به آن به عنوان یک مزیت رقابتی نپرداخته‌اند.

همچنین با مهارت‌های پیش‌فرض عرضه می‌شود. دستور «/plan» یک وظیفه را به یک طرح نیازمند تأیید تبدیل می‌کند، در حالی که «/grill» آن طرح را تحت آزمایش استرس قرار می‌دهد تا زمانی که پابرجا بماند و «/goal» برای تکمیل موفقیت‌آمیز هدف، شبیه به کاری که هرمس انجام می‌دهد، عمل می‌کند. متا اعلام کرد که Muse Spark 1.2 را به همراه Muse Code آموزش داده تا مدل زبانی بزرگ اصلی (LLM) و عامل در هم‌افزایی با یکدیگر کار کنند.

معیارهای ارزیابی و نکات نهفته

Muse Spark 1.2 یک به‌روزرسانی متمرکز بر کدنویسی برای Muse Spark 1.1 است. متا گفت که «محاسبات آموزشی را در وظایف کدنویسی به طور قابل توجهی افزایش داده و در عین حال تنوع محیط آموزشی را گسترش داده است، که منجر به بهبودهایی در تولید کد، اشکال‌زدایی پیچیده و گردش‌کارهای توسعه‌دهنده از ابتدا تا انتها شده است.» نمودارها داستان روشنی را روایت می‌کنند.

در Terminal-Bench 2.1، Muse Spark 1.2 همراه با Muse Code امتیاز 82.9% را کسب کرد، که از Claude Code با Opus 5 (86.7%) عقب‌تر بود اما از GPT-5.6 Terra بر روی Codex (81.8%) و Grok Build (81.6%) پیشی گرفت.

در DeepSWE 1.1 که قابلیت‌های کدنویسی عامل‌محور را اندازه‌گیری می‌کند، نتایج نزدیک‌تر بود: 59.3% برای Muse در مقابل 65.0% برای Opus 5 و 64.8% برای Codex. در معیار کدنویسی داخلی متا، Muse به 70.6% در مقابل 79.4% برای Opus 5 رسید.

نمودارهای افزایش سرعت، ترتیب را معکوس می‌کنند. با بیش از 1000 فراخوانی ابزار، Opus 5 بیشترین افزایش را نسبت به خط پایه (حدود 74-75%) ثبت کرد، در حالی که Muse Spark 1.2 در میانه بسته با حدود 61-69% بسته به اجرای آن قرار گرفت. نکته متا این است که عامل با انباشته شدن فراخوانی‌های ابزار، به بهبود خود ادامه می‌دهد، رفتاری که از یک کدنویس بلندمدت انتظار می‌رود.

جالب‌ترین دموها مربوط به کارهای بلندمدت و چندوجهی هستند. در آزمایش استرس، متا اعلام کرد که Muse Code «هسته‌های GPU را با بیش از 1000 فراخوانی ابزار (تا 24 ساعت) روی GPUهای Nvidia Hopper به صورت تکراری بهینه‌سازی کرده است.» این بدان معناست که این ابزار قادر به بهبود عملکرد خود در طول زمان بوده است.

همچنین یک جنبه کدنویسی بصری نیز وجود دارد. در یک دمو، کاربر یک ویدیوی پرواز از یک خانه را به صورت mp4 در ترمینال قرار می‌دهد، و Muse Code «ویدیو را تفسیر کرده و یک وب‌سایت غنی بصری با قابلیت‌های رزرو تولید می‌کند.» تبدیل ویدیوی خام به یک اپلیکیشن وب فعال، همان رویکرد چندوجهی است که متا در سراسر خط تولید Muse خود ارائه می‌دهد.

نخ انتشار را ببینید:

Here’s an example of Muse Code’s multimodal visual coding capabilities. In this demo, the user inputs a fly-through video of a home into the terminal as an mp4 file. Muse Code interprets the video and produces a visually rich website with booking capabilities. pic.twitter.com/3CAfIMYmAB

— AI at Meta (@AIatMeta) August 5, 2026

این حوزه از قبل شلوغ است

با این حال، متا دیر به این رقابت پیوسته است. Codex OpenAI از قبل عوامل ابری موازی را اجرا می‌کند؛ DeepSeek رقیب خود را برای Claude Code ساخته است و ابزارهای عامل‌محور مانند Hermes یا OpenClaw از قبل جایگزین‌های خوبی با قابلیت‌های بیشتر هستند. مزیت Muse Code، زمان اجرای ایمن در برابر خرابی و طراحی زیرعامل آن است، نه برتری در معیارهای ارزیابی.

ریسک، همان ریسک همیشگی برای کدنویسی عامل‌محور است: عاملی که پس از خرابی از سر گرفته می‌شود و به مدت 24 ساعت به فراخوانی ابزارها ادامه می‌دهد، قدرتمند و غیرقابل پیش‌بینی است. متا شرط می‌بندد که توسعه‌دهندگان این خودمختاری را می‌خواهند، و اکنون آن را عرضه می‌کند.

Muse Code پس از نصب با وارد کردن این دستور برای آزمایش در دسترس است:
curl -fsSL https://dev.meta.ai/install.sh | bash

رمزارز های محبوب
همین حالا ثبت‌نام کنید، هیچ به‌روزرسانی‌ای را از دست ندهید!