Novedades y análisis en profundidad.
Anuncios, notas de investigación y guías prácticas sobre Muse Code, Muse Spark y la Meta Model API.
El event log: replay exacto y reinicios sin sustos
Un agente que trabaja durante horas necesita una memoria que sobreviva a cualquier cosa. El runtime de Muse Code gira en torno a un único log append-only — y casi todas las garantías de confianza del producto se derivan de ahí.
Leer el artículo →Primeros pasos con Muse Code: de la instalación al primer merge
El agente de código para terminal de Meta se instala con un mínimo deliberado: un comando, un inicio de sesión en el navegador, y ya estás dirigiendo una sesión multiagente dentro de tu propio repositorio. Aquí tienes el camino completo, incluidas las partes en las que merece la pena frenar.
Leer el artículo →Un bot autónomo para GitHub que sabe cuándo no actuar
La receta del agente de GitHub del cookbook conecta triaje, revisión de PRs y corrección de bugs a GitHub Actions con OpenCode y Muse Spark. Lo más valioso que puedes llevarte son sus barreras de seguridad.
Leer el artículo →Una API para todos los harness: la jugada de ecosistema del Model API
Meta puso su modelo de código en todos los sitios donde ya están los desarrolladores — el SDK de OpenAI, el de Anthropic, las CLIs de agentes rivales, hasta OpenRouter. La compatibilidad primero es la estrategia de distribución.
Leer el artículo →Suelta un mp4 en el terminal: así es programar en multimodal
La demo de lanzamiento más discretamente radical no iba de velocidad ni de paralelismo. Iba de un archivo de vídeo convirtiéndose en un sitio web.
Leer el artículo →24 horas y 1.000 llamadas a herramientas: lo que demuestra el caso de los kernels
Los benchmarks miden el sprint de un agente. El estudio de optimización de kernels de Meta mide su maratón — y ese es el número más interesante.
Leer el artículo →Cómo se entrenó Muse Spark 1.2: co-entrenamiento, horizonte largo y un bucle de automejora
"Built for Muse Spark" no es un eslogan de marketing — describe una estrategia de entrenamiento. Tres técnicas de las notas de lanzamiento de Meta explican por qué modelo y agente rinden mejor juntos que cada uno con un desconocido.
Leer el artículo →