Come è stato addestrato Muse Spark 1.2: co-training, lavoro long-horizon e un loop di auto-miglioramento
"Built for Muse Spark" non è uno slogan di marketing: descrive una strategia di training. Tre tecniche dalle release notes di Meta spiegano perché modello e agente rendono di più insieme che con un estraneo.
Un aggiornamento centrato sul codice, scalato a fondo
Muse Spark 1.2 è un aggiornamento di 1.1 puntato dritto sul codice: generazione, debugging complesso, comprensione di codebase e workflow di sviluppo end-to-end. Meta ha scalato in modo significativo il compute di training sui task di coding ampliando al contempo la diversità degli ambienti di addestramento — e ha mantenuto intatta la forza del modello come agente generale, invece di sacrificarla nello scambio. Il risultato misurabile, in coppia con Muse Code: 82,9% su Terminal-Bench 2.1 e 59,3% su DeepSWE 1.1, competitivo con gli agenti più forti della categoria.
Tecnica uno: co-training con l’harness
La maggior parte dei coding agent è un modello generico con addosso un wrapper: l’harness fa il prompt, il modello obbedisce, e le cuciture si vedono sotto forma di retry e tool usati male. Meta ha invece addestrato Muse Spark 1.2 insieme a Muse Code. Il mix di training includeva traiettorie dell’harness passate per rejection sampling — run agentiche complete, filtrate perché solo quelle riuscite insegnino al modello — più ottimizzazioni delle ricette per goal, compattazione e subagent, e l’integrazione del toolset reale di Muse Code.
La conseguenza è un modello che ha già visto le situazioni in cui il suo harness lo metterà: quando smistare il lavoro a un subagent, come formulare una tool call che il runtime accetterà, che aspetto ha un contesto compattato. L’affermazione di Meta — miglior uso dei tool, meno retry, output di qualità più alta rispetto a un wrapper generico — è una predizione diretta di questo setup.
Tecnica due: training long-horizon
Muse Spark 1.2 è stato addestrato estensivamente su task che non stanno in una sola seduta: generazione di interi repository, grandi progetti end-to-end, auto-research. Tre capacità apprese tengono insieme questo tipo di lavoro — il planning per mettere in sequenza i passi, il goal conditioning per mantenere la direzione lungo centinaia di decisioni, e la compattazione del contesto per conservare ciò che conta quando la cronologia supera perfino una finestra da 1M di token. Non sono feature attaccate col nastro adesivo: affiorano direttamente nel prodotto come /plan e /goal, e sono ciò che ha reso possibile la run sui kernel da 24 ore.
Tecnica tre: il modello che ha corretto i compiti al successore
Il dettaglio più interessante è il loop di auto-miglioramento. Meta ha usato Muse Spark 1.1 per generare ambienti di coding impegnativi e template di instruction-following, e poi gli ha fatto valutare le soluzioni candidate in base a quanto soddisfacevano quei requisiti. L’output così valutato è diventato un dataset di training scalabile per 1.2 — la generazione precedente che fabbrica sia l’esame sia la griglia di correzione per la successiva. Meta attribuisce proprio a questo loop il fatto che 1.2 segua le istruzioni complesse con più precisione del predecessore.
Perché conta oltre il singolo rilascio
Ogni tecnica amplifica le altre: il co-training trasforma l’harness in segnale di addestramento, il training long-horizon rende apprendibili task più grandi, e l’auto-miglioramento rende l’intera pipeline più economica da scalare la prossima volta. Meta dice che modelli più grandi e più capaci sono in arrivo — e questa macchina è presumibilmente il modo in cui verranno costruiti. La metodologia di valutazione completa è pubblicata sul sito di ricerca di Meta; per capire che effetto fanno i numeri nella pratica, parti dal quickstart.