THE AGE OF AI
6 ნოემბერი, 2026
ახლა AI-ში
  1. GeminiGemini Omni 1.2 Flash: ახალი მოდელი Google-სგან
  2. OpenAIGPT-6 Cyber: OpenAI-ის ახალი მოდელი
  3. OpenAIOpenAI-ის მკვლევრებმა AI აგენტების სისტემა შექმნეს, რომელმაც Linux-ის ბირთვში 948 საშიში სუსტი წერტილი იპოვა და გამოსასწორებელი კოდიც თავად მოამზადა
  4. ChatGPTOpenAI-მ Images 2.6 წარადგინა: სურათებს 50%-ით სწრაფად ქმნის და GIF-ებად აცოცხლებს
  5. Anthropicვოლტ ნაწილაკები: Claude-ის აღმოჩენა ბაქტერიებში
  6. GrokGrok Bot-ს ახლა დარეკვა შეუძლია: ასისტენტი მომხმარებლის ნაცვლად ზარებს ახორციელებს
  7. ChatGPTChatGPT-ის მომხმარებლები 1,2 მილიარდია: OpenAI ამბობს, რომ ძიება Google-ის მეხუთედს აღწევს
  8. AnthropicProvable inference: Anthropic-მა FlashProve წარადგინა, AI პასუხის წარმომავლობის კრიპტოგრაფიული მტკიცებულება
  9. მოვლენაWeight-Space Programming: GPT-6 Astra ნეირონული ქსელების წონებს პირდაპირ წერს
  10. GrokData Bot: მონაცემთა გუნდმა Grok Bot-ში ანალიტიკოსი ბოტი შექმნა
  11. OpenAIOpenAI-მ LifeVal წარადგინა: შეფასების სისტემა
  12. Nvidiaუცხოპლანეტელები თუ მათი AI: სიგნალებს AI აგენტები ეძებენ

Muse Code: Meta-მ პირველი კოდირების აგენტი გამოუშვა

Muse Code
4 წთ საკითხავი

Meta-მ დღეს ბეტა რეჟიმში გამოუშვა Muse Code – ტერმინალის კოდის აგენტი, რომელიც სრულ საინჟინრო დავალებებს იღებს დიდ რეპოზიტორიებში: გეგმავს ცვლილებებს, წერს კოდს და ამოწმებს შედეგს. აგენტს კვებავს Muse Spark 1.2, კომპანიის ახალი, კოდზე ორიენტირებული მოდელი. ანონსი მარკ ცუკერბერგმა და Meta Superintelligence Labs-მა ერთდროულად გამოაქვეყნეს.

ეს Meta-ს პირველი საკუთარი კოდირების აგენტია და პირდაპირ კონკურენციაში შედის Anthropic-ისა და OpenAI-ის ტერმინალურ ინსტრუმენტებთან. განსხვავებით მათგან, Muse Code-ს ჯერჯერობით ცალკე აპლიკაცია არ აქვს – მხოლოდ ბრძანების ხაზი, macOS-სა და Linux-ზე.

სარჩევი

რას აკეთებს Muse Code ტერმინალში

Muse Code მუშაობს მარტივი აგენტური ციკლით, რომელსაც ეხმარება ასინქრონული ფონური აგენტების ნაკრები. Meta-ს განმარტებით, ეს სპეციალიზებული აგენტები აქტიურები რჩებიან მთელი სესიის განმავლობაში და არ იქმნება ცალკე ყოველი ახალი დავალებისთვის.

პრაქტიკული აზრი ასეთია: აგენტი დროთა განმავლობაში აგროვებს კონტექსტს და ყოველ ჯერზე ნულიდან არ იწყებს ინფორმაციის შეგროვებას. კომპანიის თქმით, სწორედ ეს ამცირებს დაყოვნებას და ხელით ჩარევის საჭიროებას გრძელ, მრავალსაფეხურიან ამოცანებზე.

პარალელური ქვე-აგენტები იზოლირებულ worktree-ებში

როცა დავალება საკმარისად დიდია, სისტემა მას ცალკეულ ქვე-აგენტებზე ანაწილებს, რომლებიც პარალელურად მუშაობენ იზოლირებულ worktree-ებში. ზაკერბერგის თქმით, დეველოპერის სამუშაო ასლს ეს პროცესი საერთოდ არ ეხება.

ტესტირებისას Meta-მ ერთი თამაშისთვის ერთდროულად ექვსი ფუნქცია ააწყობინა აგენტს – განცხადების მიხედვით, კონფლიქტების გარეშე.

ლოკალური event log: აუდიტი და კრახის შემდეგ აღდგენა

Muse Code-ის runtime აგებულია ლოკალურ event log-ზე, სადაც ყოველი მოდელის გამოძახება, ინსტრუმენტის გაშვება, დამტკიცება და რედაქტირება ჩაიწერება. Meta ამას “ჭეშმარიტების ერთადერთ წყაროს” უწოდებს, რომელიც სისტემას replay-ზუსტსა და გადატვირთვისადმი მდგრადს ხდის.

შედეგად, თუ აგენტი დავალების შუაში ჩავარდება, ის ზუსტად იმ წერტილიდან აგრძელებს, სადაც შეჩერდა. დაკარგული სამუშაო და ხელახალი prompt-ის საჭიროება, კომპანიის ვერსიით, აღარ დგება.

აგენტს რამდენიმე ჩაშენებული უნარიც მოჰყვება:

  • /plan – დავალებას გარდაქმნის დამტკიცებაზე დამოკიდებულ გეგმად
  • /grill – ამ გეგმას სტრეს-ტესტავს, სანამ ის არ გაუძლებს შემოწმებას
  • /goal – მუშაობს კონკრეტული მიზნის მიღწევამდე

Muse Spark 1.2 და kernel-ის ოპტიმიზაციის ტესტი

Muse Spark 1.2 არის ივლისში გამოშვებული Muse Spark 1.1-ის კოდზე ორიენტირებული განახლება. Meta ასახელებს გაუმჯობესებას კოდის გენერაციაში, რთულ დებაგინგში, კოდის ბაზის გააზრებასა და ბოლომდე მიყვანილ სამუშაო პროცესებში. კომპანიის თქმით, სავარჯიშო გამოთვლები კოდირების ამოცანებზე მნიშვნელოვნად გაიზარდა.

მოდელი Muse Code-თან ერთად, თანა-წვრთნის რეჟიმში მომზადდა – სწორედ ეს განასხვავებს მას წინა ვერსიისგან. Meta-ს ახსნით, ეს ზრდის harness-თან თავსებადობას და საერთო კოდირების შედეგებს.

ყველაზე კონკრეტული ტესტი GPU kernel-ების ოპტიმიზაციაა. Meta-მ მოდელს მისცა საშუალება იტერაციულად ეპოვა გაუმჯობესებები 1000-ზე მეტი tool call-ის განმავლობაში, 24 საათამდე ხანგრძლივობით, NVIDIA Hopper-ის არქიტექტურის GPU-ებზე, KDA და MLA kernel-ებზე.

ანგარიშის მიხედვით, აგენტი წერდა, აკომპილირებდა, აპროფილირებდა და თანდათან აუმჯობესებდა kernel-ის წარმადობას საბაზისო იმპლემენტაციასთან შედარებით, ხოლო არსებით გაუმჯობესებებს საწყისი ძიების ფაზის დასრულების შემდეგაც პოულობდა.

Meta-მ ასევე გამოაქვეყნა შედარებები Terminal-Bench 2.1, DeepSWE 1.1 და Meta Internal Coding Bench ტესტებზე. ეს ციფრები კომპანიის მიერაა თვითდეკლარირებული და დამოუკიდებელი გადამოწმება ჯერ არ არსებობს – განსაკუთრებით Meta Internal Coding Bench, რომელიც შიდა, დახურული შეფასებაა.

Meta Benchmarks

ფასი და ხელმისაწვდომობა

Muse Code ბეტა ვერსიაში ხელმისაწვდომია macOS-სა და Linux-ზე და ერთი ბრძანებით ინსტალირდება dev.meta.ai-დან. Meta-ს განცხადებით, დაწყება იაფი და მარტივია.

CNBC-სთან საუბარში Meta-ს AI მიმართულების ხელმძღვანელმა ალექსანდრ ვანგმა დააზუსტა, რომ pay-as-you-go ვარიანტი Muse Spark 1.1-ის API ფასს იმეორებს: 1.25 დოლარი მილიონ შემავალ ტოკენზე და 4.25 დოლარი მილიონ გამომავალზე. ცალკე არსებობს contributor tier, რომელიც ვანგის თქმით 10-ჯერ და მეტად იაფია, სანაცვლოდ კი მომხმარებელი თანხმდება მოდელის გაუმჯობესებაში მონაწილეობაზე.

Muse Spark 1.2 დღესვე გახდა ხელმისაწვდომი როგორც Muse Code-ში, ისე Meta Model API-ში, გაფართოებული გლობალური წვდომით. კომპანია აცხადებს, რომ ეს მხოლოდ შემდეგი ნაბიჯია frontier-ისკენ და უფრო დიდი, უფრო ძლიერი მოდელები გზაშია.

რატომ აქვს ამას მნიშვნელობა

ტერმინალის კოდის აგენტების ბაზარი უკვე დატვირთულია და Muse Code იქ გვიან შემოდის. Meta-ს არგუმენტი ტექნიკურია: მუდმივი ფონური აგენტები, იზოლირებული პარალელური სამუშაო გარემოები და აუდიტირებადი event log, რომელიც გრძელ დავალებებს კრახისგან იცავს.

რამდენად გაამართლებს ეს პრაქტიკაში, დამოუკიდებელი ტესტები აჩვენებს. ჯერჯერობით სურათი მთლიანად Meta-ს საკუთარ მონაცემებს ეყრდნობა.

Update: 05/08/2026

Meta-მ Muse Code-ის ბეტა ეტაპი დაასრულა. კოდირების აგენტს დაემატა სესიებს შორის შეტყობინებების გაგზავნა, ქვეაგენტების გუნდების სამართავი workflows და SDK, რომელიც ჯერ დეველოპერულ preview-შია.

წყაროები

  1. research.meta.airesearch.meta.ai/blog/introducing-muse-code-and-muse-spark-…
  2. CNBCcnbc.com/amp/2026/08/05/meta-debuts-muse-code-to-take-on-an…
  3. developer.meta.comdeveloper.meta.com/ai/products/muse-code
ხელოვნური ინტელექტირა არის LLM, AGI და როგორ მუშაობს ChatGPT

LLM.GE - ხელოვნური ინტელექტი ქართულად

LLM.GE არის ქართულენოვანი საინფორმაციო პლატფორმა, სადაც ხელოვნური ინტელექტის სიახლეები ქართულად ყოველდღიურად ქვეყნდება. პლატფორმა აშუქებს ინდუსტრიის მნიშვნელოვან მოვლენებს, ახალი AI მოდელების განვითარებას, სამეცნიერო კვლევებსა და პრაქტიკულ ინსტრუმენტებს. ვებ-გვერდის მიზანია, მკითხველს ერთ სივრცეში შესთავაზოს ზუსტი, სანდო, გასაგები და დროული ინფორმაცია, დაეხმაროს სწრაფად განვითარებად ტექნოლოგიურ სამყაროში მიმდინარე ცვლილებების გააზრებაში და ხელი შეუწყოს ცოდნის გაღრმავებას ხელოვნური ინტელექტის - ჩვენი ეპოქის ერთ-ერთი უმნიშვნელოვანესი ტექნოლოგიური მიღწევის შესახებ

გამოიწერე სიახლეები

გამოწერის გაუქმება ნებისმიერ დროს შეგიძლიათ Privacy Policy

×