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

## Veille

Annonce de **Meta AI Research** publiée le **5 août 2026** (lecture annoncée : 4 minutes, aucune signature individuelle) : **Muse Code** en bêta, *« a terminal coding agent »*, et le modèle qui l'anime, **Muse Spark 1.2**. Meta situe elle-même le lancement : *« This marks our next step toward the frontier, with larger and much more capable models on the way. »* **Trois éléments d'architecture côté harnais.** Des **agents d'arrière-plan asynchrones** qui *« remain active throughout each session, rather than being spawned for individual tasks »*, afin d'éviter la collecte d'information redondante et de réduire le besoin de pilotage. Un **journal d'événements local** où *« every model call, tool run, approval, and edit is appended »*, faisant du runtime un système *« replay-exact and restart-safe »* capable de reprendre exactement où il s'est arrêté après un plantage. Et **trois skills livrées d'origine** : `/plan` (transforme une tâche en plan soumis à approbation), **`/grill`** (met le plan à l'épreuve *« until it holds up »*) et `/goal`. **Côté modèle**, Meta revendique un **co-entraînement du modèle avec le harnais** (*« to maximize harness compatibility »*, avec trajectoires de harnais échantillonnées par rejet et optimisations de recette pour les buts, la compaction et les sous-agents), un entraînement **long-horizon** (génération de dépôt entier, projets bout-en-bout, auto-recherche, avec planification, conditionnement par le but et compaction de contexte), et une **boucle d'auto-amélioration** où Muse Spark 1.1 génère les environnements et les gabarits d'instructions puis note les solutions candidates, produisant un jeu d'entraînement pour la 1.2. **Ce que montrent les graphiques publiés**, sans que le texte le commente : les quatre comparatifs — Terminal-Bench 2.1, DeepSWE 1.1, un benchmark interne Meta, et l'étude de cas d'optimisation de noyaux GPU — placent **Muse Spark 1.2 derrière Opus 5 dans les quatre cas**, y compris sur le benchmark propriétaire de Meta (70,6 % contre 79,4 %) et sur l'étude de cas, où le modèle finit quatrième sur six (+68,7 % contre +74,0 %). **Précaution de lecture sur le gain de version** : sur les deux benchmarks publics, la 1.1 est mesurée avec `mini-swe-agent` et la 1.2 avec Muse Code, de sorte que l'écart de 6,7 points mélange modèle et harnais. Sur le benchmark interne, seul comparatif où aucun harnais n'est mentionné, l'écart 1.1 → 1.2 tombe à **2,3 points**.

## 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, agent de codage terminal, bêta, harnais, agents d'arrière-plan asynchrones, sous-agents persistants, collecte d'information redondante, journal d'événements, event log, replay-exact, restart-safe, reprise après plantage, tâches longues, skills livrées, plan approuvé, grill, goal, co-entraînement modèle harnais, échantillonnage par rejet, trajectoires de harnais, compatibilité de harnais, long-horizon, génération de dépôt entier, auto-recherche, conditionnement par le but, compaction de contexte, auto-amélioration, génération d'environnements, notation de solutions, Terminal-Bench 2.1, DeepSWE 1.1, benchmark interne, 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, optimisation de noyaux GPU, Triton, KDA, MLA, NVIDIA Hopper, appels d'outils cumulés, accélération contre baseline, FLA, fusion de noyaux, tiling, Meta Model API, verrouillage par optimisation

## 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

**Profil** : annonce produit de laboratoire de recherche, format court, registre technique sobre. Aucune hyperbole, aucune revendication de supériorité, aucun superlatif — ce qui est **inhabituel pour un lancement** et constitue en soi une information.

**Style** : le texte procède par **description de mécanismes**, section par section, chacune tenant en un paragraphe et nommant une décision d'ingénierie précise — la persistance des sous-agents, le journal d'événements, le co-entraînement, la compaction. Il n'y a ni cas client, ni citation de dirigeant, ni promesse de productivité. La seule démonstration narrative est une vignette : un utilisateur dépose la vidéo d'une visite de maison en `mp4` dans le terminal, Muse Code l'interprète et produit une page de réservation de location saisonnière.

**Le trait le plus notable est la modestie du cadrage**, posée dès la deuxième phrase : *« This marks our next step toward the frontier, with larger and much more capable models on the way. »* Meta annonce un jalon et prévient que le meilleur est à venir. La conclusion reprend la même posture : *« We have a lot on the horizon, including new harness features and more powerful models. »*

**Cette modestie se vérifie dans les graphiques**, et c'est ce qui rend l'annonce singulière : Meta publie quatre comparatifs où elle ne gagne jamais. Peu de lancements assument de montrer un concurrent en tête sur leur propre page — encore moins sur leur **propre benchmark interne**.

**Formules-marqueurs** : *« 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

- **Date / source** : **5 août 2026**, Meta AI Research, annonce non signée. **Muse Code** (bêta), agent de codage en terminal installé par `curl -fsSL https://dev.meta.ai/install.sh | bash` sur macOS et Linux, et **Muse Spark 1.2**, disponible dans Muse Code et dans Meta Model API.
- **Cadrage clé** : aucun chiffre n'apparaît dans le texte — les quatre comparatifs sont des images matricielles. Les valeurs ci-dessous ont été relevées par lecture visuelle des PNG.

### Les quatre comparatifs

| Comparatif | Vainqueur | Muse Spark 1.2 | Rang |
|---|---|---|---|
| Terminal-Bench 2.1 | Opus 5 + Claude Code — **86,7 %** | 82,9 % | 2ᵉ / 6 |
| DeepSWE 1.1 | Opus 5 + Claude Code — **65,0 %** | 59,3 % | 3ᵉ / 6 |
| **Meta Internal Coding Bench** | Opus 5 — **79,4 %** | 70,6 % | 2ᵉ / 5 |
| Étude de cas KDA (accélération) | Opus 5 — **+74,0 %** | +68,7 % | **4ᵉ / 6** |

Sur son propre benchmark propriétaire, Meta se place à 8,8 points derrière Opus 5 ; sur l'étude de cas choisie pour vitrine, elle passe aussi derrière GPT 5.6 Sol (+71,2 %) et derrière la génération précédente d'Anthropic, Opus 4.8 (+69,6 %).

### Le gain modèle est plus faible qu'affiché

Sur Terminal-Bench et DeepSWE, la 1.1 est évaluée avec **`mini-swe-agent`** et la 1.2 avec **Muse Code** : l'écart affiché (76,2 → 82,9, soit **+6,7 points**) mélange progrès du modèle et progrès du harnais. Sur le benchmark interne, seul tableau où aucun harnais n'est indiqué, l'écart 1.1 → 1.2 tombe à **68,3 → 70,6, soit +2,3 points**. Aucune de ces comparaisons n'est modèle contre modèle : ce sont des paires **modèle + harnais**, chaque modèle étant mesuré avec le harnais de son propre laboratoire.

Cela valide empiriquement, à trois semaines d'intervalle, le mécanisme décrit par [[mozilla-state-of-open-source-ai-2026-07]] — *« a harness tuned tightly to one lab's weights becomes a fitted component of that lab's product… Lock-in arrives as a side effect of optimization »* — Meta annonçant explicitement avoir co-entraîné le modèle avec le harnais *« to maximize harness compatibility »*.

### Le journal d'événements

*« A local event log in which every model call, tool run, approval, and edit is appended »*, source unique de vérité rendant le runtime *« replay-exact and restart-safe »* : après un plantage, l'agent reprend exactement où il s'était arrêté, ce qui autorise les tâches longues. Convergence directe avec le manifeste de run et la commande `run resume` de [[skill-gibbs-hyperresearch-2026-08-03]]. Deux équipes indépendantes arrivent au même dispositif : le contexte ne survit pas, un journal sur disque si.

### Agents d'arrière-plan persistants

Au lieu d'être créés pour une tâche puis détruits, ils *« remain active throughout each session »*, ce qui évite *« redundant information gathering »*, leur permet de décider eux-mêmes quand remonter au principal, et réduit *« latency and the need for steering »*. À rapprocher du constat inverse de [[lassiege-usine-logicielle-heure-ia-2026-07-28]] sur les sous-agents jetables (*« je les utilise de moins en moins »*) : deux réponses opposées au même problème — déléguer moins, ou déléguer à des agents qui ne meurent plus.

### Les trois skills livrées

`/plan` (plan **soumis à approbation**), **`/grill`** (*« stress-tests that plan until it holds up »*), `/goal`. La boucle décrite est **plan → contestation → exécution** avec un gate humain à la première étape. `/grill` reprend la fonction d'une skill communautaire déjà fichée : un pattern né dans la communauté arrive préinstallé chez un laboratoire de frontière.

### Auto-amélioration, à lire précisément

*« 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. »* C'est la **1.1** qui génère les environnements et qui note, la 1.2 étant le produit de ce jeu de données — le sujet de *« the model »* est ambigu et certaines reprises l'ont lu comme la 1.2. Boucle de distillation d'une génération sur elle-même, dont la limite connue est qu'elle ne peut enseigner que ce que la génération précédente sait déjà évaluer.

### Étude de cas noyaux GPU : le protocole vaut mieux que le résultat

Optimisation itérative sur **plus de 1 000 appels d'outils, jusqu'à 24 heures**, sur les noyaux **KDA** et **MLA** pour GPU NVIDIA Hopper ; le modèle écrit, compile, profile et améliore. Contrainte notable : *« Models were prohibited from importing third-party kernel libraries such as FLA directly »* — il fallait réimplémenter l'algorithme en Triton, non envelopper une implémentation existante. C'est ce qui rend le test honnête.

Sur KDA : noyau de préparation parallèle par blocs plus balayage séquentiel inter-blocs, avec re-centrage de la décroissance cumulative au milieu du bloc. Sur MLA : pipeline Triton à deux noyaux réutilisant le latent KV partagé comme K et comme V, mesuré à taille de lot 1, 64 têtes, séquence 8 192, dimension latente 512. **KDA est l'attention linéaire de Kimi** : Meta fait donc optimiser par son agent le noyau d'une architecture concurrente open-weights.

### Trois réserves de méthode sur les graphiques

1. **Aucun chiffre dans le texte** : images matricielles sans données textuelles ni libellé d'accessibilité chiffré. Un agrégateur, ou un agent qui lit la page, ne voit aucun résultat.
2. **L'axe des ordonnées du graphique KDA est non linéaire**, ce que Meta signale honnêtement (*« Axis Spaced Linearly In X »*, graduations 0-27-43-53-60-65-69-72-75 %). L'échelle dilate le haut de la plage et accentue visuellement les écarts entre modèles de tête — au détriment de Meta.
3. **Les configurations comparées ne sont pas homogènes** : `max` pour Opus 5 et GPT 5.6 Terra, `high` pour Grok 4.5 et Gemini 3.6 Flash, rien pour Muse Spark. Grok est absent du benchmark interne, GPT 5.6 Sol n'apparaît que dans l'étude de cas : la composition du panel change d'un graphique à l'autre.

Le *« Meta Internal Coding Bench »* n'est pas public et sa composition n'est pas décrite ; Meta y mesure ses concurrents. Le fait qu'elle y perde rend le chiffre plus crédible qu'un score flatteur, mais un benchmark propriétaire reste non reproductible.

### Ce que l'annonce ne dit pas

Ni prix, ni limites d'usage, ni licence du modèle, ni ouverture des poids — rupture notable avec la tradition Llama, sur laquelle le billet est muet. Rien non plus sur les langages supportés, la taille de contexte, ni les garanties de confidentialité du code envoyé.

## RésuméDe400mots

Annonce de **Meta AI Research** du **5 août 2026** : **Muse Code** en bêta, agent de codage en terminal, et **Muse Spark 1.2**, le modèle qui l'anime. Meta situe elle-même le lancement — *« our next step toward the frontier, with larger and much more capable models on the way »*.

**Côté harnais, trois décisions.** Des **agents d'arrière-plan asynchrones** qui *« remain active throughout each session, rather than being spawned for individual tasks »*, évitant la collecte d'information redondante et décidant eux-mêmes quand remonter à l'agent principal. Un **journal d'événements local** consignant chaque appel de modèle, exécution d'outil, approbation et édition, ce qui rend le runtime *« replay-exact and restart-safe »* : après un plantage, l'agent reprend exactement où il s'était arrêté. Et trois **skills livrées d'origine** : `/plan` (plan soumis à approbation), **`/grill`** (met le plan à l'épreuve jusqu'à ce qu'il tienne) et `/goal`.

**Côté modèle**, Meta revendique un **co-entraînement avec le harnais** *« to maximize harness compatibility »*, un entraînement long-horizon (dépôt entier, projets bout-en-bout, auto-recherche, compaction de contexte) et une boucle d'auto-amélioration où la version 1.1 génère les environnements et note les solutions, produisant le jeu d'entraînement de la 1.2.

**Le fait central de cette annonce n'est écrit nulle part dans son texte.** Les quatre comparatifs publiés existent uniquement sous forme d'images, et ils placent Muse Spark 1.2 **derrière Opus 5 dans les quatre cas** : 82,9 % contre 86,7 % sur Terminal-Bench 2.1, 59,3 % contre 65,0 % sur DeepSWE 1.1, **70,6 % contre 79,4 % sur le benchmark interne de Meta elle-même**, et +68,7 % contre +74,0 % sur l'étude de cas d'optimisation de noyaux GPU, où le modèle finit **quatrième sur six**, derrière GPT 5.6 Sol et derrière la génération précédente d'Anthropic.

**Et le gain propre au modèle est plus faible qu'il n'y paraît.** Sur les deux benchmarks publics, la version 1.1 est évaluée avec `mini-swe-agent` et la 1.2 avec Muse Code : l'écart de 6,7 points mélange modèle et harnais. Sur le benchmark interne, seul comparatif sans harnais indiqué, il tombe à **2,3 points**.

L'annonce vaut donc surtout comme **confirmation empirique** d'une thèse déjà posée : la valeur se déplace vers le harnais, et un harnais co-entraîné avec ses propres poids rend ces poids d'autant moins interchangeables.

## 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 entre versions —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/fr/fiches/meta-muse-code-muse-spark-1-2-2026-08-05/