Zo werd Muse Spark 1.2 getraind: co-training, long-horizon-werk en een zelfverbeterlus
"Built for Muse Spark" is geen marketingkreet — het beschrijft een trainingsstrategie. Drie technieken uit Meta's release notes verklaren waarom model en agent samen beter presteren dan elk met een vreemde.
Een code-gerichte update, hard opgeschaald
Muse Spark 1.2 is een update van 1.1 die vol op code mikt: generatie, complexe debugging, codebase-begrip en end-to-end developer-workflows. Meta schaalde de trainingscompute op codeertaken flink op en verbreedde tegelijk de diversiteit aan trainingsomgevingen — zonder de algemene agent-kracht van het model in te ruilen. Het meetbare resultaat, gekoppeld aan Muse Code: 82,9% op Terminal-Bench 2.1 en 59,3% op DeepSWE 1.1, competitief met de sterkste agents in de categorie.
Techniek één: co-training met de harness
De meeste coding agents zijn een generiek model met een jasje aan: de harness prompt het model, het model doet zijn best, en de naden worden zichtbaar als retries en verkeerd gebruikte tools. Meta trainde Muse Spark 1.2 in plaats daarvan mét Muse Code. De trainingsmix bevatte rejection-sampled harness-trajecten — complete agent-runs, gefilterd zodat alleen de geslaagde het model iets leren — plus receptoptimalisaties voor doelen, compactie en subagents, en integratie van Muse Codes daadwerkelijke toolset.
Het gevolg is een model dat de situaties waarin zijn harness het gaat brengen al eens heeft gezien: wanneer je werk naar een subagent uitwaaiert, hoe je een tool call formuleert die de runtime accepteert, hoe een gecompacteerde context eruitziet. Meta’s claim — beter toolgebruik, minder retries, hogere outputkwaliteit dan een generieke wrapper — is een directe voorspelling van deze opzet.
Techniek twee: long-horizon-training
Muse Spark 1.2 is uitgebreid getraind op taken die niet in één zitting passen: complete repositories genereren, grote end-to-end-projecten, auto-research. Drie aangeleerde vaardigheden houden zulk werk bij elkaar — plannen om de stappen te ordenen, goal conditioning om over honderden beslissingen koers te houden, en contextcompactie om het belangrijke te bewaren wanneer de geschiedenis zelfs een venster van 1M tokens overstijgt. Dit zijn geen aangeschroefde features; ze duiken rechtstreeks op in het product als /plan en /goal, en ze maakten de kernel-run van 24 uur mogelijk.
Techniek drie: het model dat zijn opvolger becijferde
Het interessantste detail is de zelfverbeterlus. Meta liet Muse Spark 1.1 uitdagende codeeromgevingen en instructie-templates genereren, en liet het vervolgens kandidaat-oplossingen beoordelen op hoe goed ze aan die eisen voldeden. De becijferde output werd een schaalbare trainingsdataset voor 1.2 — de vorige generatie fabriceert zowel het examen als het antwoordmodel voor de volgende. Meta schrijft specifiek aan deze lus toe dat 1.2 complexe instructies preciezer volgt dan zijn voorganger.
Waarom dit verder reikt dan één release
Elke techniek versterkt de andere: co-training maakt de harness een trainingssignaal, long-horizon-training maakt grotere taken leerbaar, en zelfverbetering maakt de hele pijplijn goedkoper om de volgende keer op te schalen. Meta zegt dat grotere, capabelere modellen eraan komen — en dit is vermoedelijk de machinerie waarmee ze gebouwd worden. De volledige evaluatiemethodiek staat op Meta’s researchsite; wil je voelen wat de cijfers in de praktijk betekenen, begin dan bij de quickstart.