Быстрый старт

Запустите Muse Code за считанные минуты.

Muse Code вышел в общий доступ для macOS и Linux, а на Windows работает через WSL2. Он берёт на себя сложные инженерные задачи в больших репозиториях — планирует изменения, пишет код и проверяет результаты — полностью из вашего терминала.

1. Установка

CLI устанавливается одной командой:

$curl -fsSL https://dev.meta.ai/install.sh | bash

Скрипт помещает бинарный файл muse в ваш PATH — проверьте командой muse --version. Хотите сначала изучить скрипт? Скачайте его с флагом -o install.sh, просмотрите и только потом запускайте.

Windows (через WSL2)

Нативной сборки для Windows нет — установщик поддерживает macOS и Linux. В Windows 10 или 11 выполните wsl --install в PowerShell от имени администратора, чтобы установить WSL2 с Ubuntu, затем откройте оболочку Linux и запустите там тот же однострочный установщик. Храните репозитории в файловой системе Linux (например, в ~/code), а не в /mnt/c: доступ к файлам через границу двух систем заметно медленнее.

2. Аутентификация

При первом запуске откроется браузер для входа на dev.meta.ai с вашей учётной записью разработчика Meta. Учётные данные кешируются локально — повторная аутентификация в каждой сессии не нужна. Использование списывается с вашего ежемесячного тарифа или, при оплате по факту использования, оплачивается через Meta Model API.

Неинтерактивные запуски. Для CI, скриптов и headless-машин используйте API-ключ вместо браузерного входа: создайте его в панели Model API (API keys → Create API key) и задайте как MODEL_API_KEY.

3. Запустите первую задачу

После аутентификации можно начинать в любом каталоге с вашими проектами:

$ cd my-repo$ muse

Опишите нужный результат обычным языком. Хорошая первая задача — маленькая и проверяемая: «добавь недостающий тест для parseDate и убедись, что он проходит» — вы увидите, как исполнитель готовит черновик изменения, рецензент его критикует, а тест запускается.

Два рычага управления расходами, которые стоит знать с первого дня. Muse Spark — рассуждающая модель: она думает перед ответом, и эти токены тарифицируются как выходные, поэтому /effort регулирует глубину рассуждений для каждой задачи. А тон, формат и другие постоянные правила можно вынести в системное сообщение, чтобы не повторять их в каждом промпте.

Асинхронные фоновые агенты

Muse Code работает на простом агентном цикле, дополненном набором асинхронных фоновых агентов, которые расширяют возможности основного агента. Эти специализированные агенты остаются активными на протяжении всей сессии, а не создаются под каждую задачу, что избавляет от повторного сбора информации. Они самостоятельно выполняют следующие шаги и сами решают, когда выйти на связь с основным агентом — такое постоянство снижает задержки и потребность в ручном управлении на сложных многошаговых задачах.

Разветвление агентов и git worktree

Когда работа распадается на несколько задач, они автоматически разветвляются между отдельными агентами: родитель порождает по дочернему агенту с правом записи на каждую задачу, и каждый дочерний агент получает собственный git worktree — параллельные агенты никогда не сталкиваются на одних и тех же файлах, а ваша рабочая копия остаётся чистой.

Workflows

Workflows появились с выходом Muse Code из беты: они координируют команду специализированных агентов в рамках более крупной работы. Каждый этап передаёт промежуточный результат следующему, а в конце вы получаете единый итог. Чтобы запустить workflow, попросите Muse Code «использовать workflow»; при effort ultra он может запуститься автоматически. /workflows показывает каждый запуск в реальном времени — там же его можно остановить, перезапустить или отменить, — а сохранённые workflow можно использовать повторно.

Обмен сообщениями между сессиями

Сессии, запущенные на одной машине, могут обмениваться сообщениями через локальный Unix-сокет. Если изменение в одной сессии затрагивает то, что строит другая, она передаёт предупреждение; если одна сессия закрыла вопрос, на котором застряла другая, она отправляет ответ — ничего не нужно перепечатывать между терминалами. Агент находит соседние сессии и отправляет сообщения с помощью двух встроенных инструментов.

Журнал событий и откат

Muse Code ведёт локальный журнал событий, в который добавляется каждый вызов модели, запуск инструмента, подтверждение и правка. Этот единый источник истины делает среду выполнения точно воспроизводимой и устойчивой к перезапускам: после сбоя агент продолжает ровно с того места, где остановился, и потому справляется с длительными задачами, не сбиваясь из-за отказов. Каждое порождение, перенаправление и отмена субагента наблюдаемы — muse replay пошагово проигрывает сессию, а полные трассы экспортируются для передачи дел или аудита. Дважды нажмите Esc, чтобы откатить диалог к более ранней точке; Muse Code предлагает только те точки отката, которые журнал событий помечает как безопасные.

Встроенные навыки и команды

Muse Code поставляется с несколькими навыками по умолчанию — закидываете сырую идею, получаете придирчиво проверенную и выверенную функциональность:

/planПревращает задачу в план, требующий утверждения, прежде чем менять код

/grillПодвергает план стресс-проверке, пока тот не выдержит

/goalВедёт работу до успешного достижения заданной цели — в merge попадает именно то, что вы хотели изначально

/workflowsПоказывает запуски workflow в реальном времени — любой можно остановить, перезапустить или отменить

/modelПереключает базовую модель — например, на muse-spark-1.3 по стандартным ценам Model API

/effortРегулирует глубину рассуждений — токены размышлений тарифицируются как выходные, так что приберегите глубокие рассуждения для трудных задач

Esc EscОткатывает диалог к безопасной точке из журнала событий

muse replayПошагово проигрывает журнал событий сессии; полные трассы экспортируются для передачи дел или аудита

Muse Spark 1.3

Muse Spark 1.3, выпущенная 2 сентября 2026 года, — модель, на которой работает Muse Code. Она сохраняет рецепт обучения, выделивший 1.2, — совместное обучение с harness Muse Code, обширная работа на длинном горизонте и цикл самосовершенствования — и делает упор на удобство в реальной работе. Цена не изменилась по сравнению с 1.2. Три главных отличия:

Более длинные треды

Выдерживает работу на более длинном горизонте в нескольких workflow в рамках одного треда, перенося контекст с этапа на этап.

Спрашивает, а не гадает

Активнее сотрудничает: задаёт уточняющие вопросы, сообщает, когда застряла, и точнее оценивает собственные пределы — вместо того чтобы докладывать о результатах, которых не достигла.

Экономнее в работе

В сравнениях инженеров Meta она выполнила ту же работу по коду примерно на 20 % меньшим числом вызовов инструментов и на 25 % меньшим числом токенов, чем 1.2, — при той же цене за токен это меньший счёт.

Бенчмарки (конфигурация с максимальным рассуждением, по данным Meta): DeepSWE 1.1 · 75,4 % — Terminal-Bench 2.1 · 88,8 % — SWEAtlas CodeBase QnA · 59,4 %. На момент запуска максимальная конфигурация ещё проходила тестирование безопасности; конфигурация, доступная большинству разработчиков, набирает меньше. Методология — на research.meta.ai.

Кейс: оптимизация ядер

Meta проверила, как Muse Spark 1.2 итеративно оптимизирует GPU-ядра на дистанции более 1 000 вызовов инструментов — до 24 часов. В агентной среде Muse Code модель пишет, компилирует, профилирует и постепенно повышает производительность ядра относительно эталона; замеры делались на ядрах KDA и MLA для GPU NVIDIA Hopper. Оборачивать сторонние библиотеки ядер было запрещено, поэтому она реализовала алгоритмы напрямую на Triton — и продолжала находить существенные улучшения относительно эталона.

Meta Model API

Модели, стоящие за Muse Code, доступны и напрямую — Muse Spark 1.3 доступна в Muse Code, в Meta Model API, на OpenRouter и в Cursor. API совместим без переделок с OpenAI SDK, Anthropic SDK и агентными CLI вроде OpenCode и Claude Code: направьте клиент на нужный base URL — остальной код менять не придётся. Контекстное окно — 1 048 576 токенов.

# export MODEL_API_KEY="LLM|{numeric_id}|{secret}"client = OpenAI( base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"], ) response = client.chat.completions.create( model="muse-spark-1.3", messages=[{"role": "user", "content": "Hello, world!"}], )

SDK Muse Code

SDK, доступный в режиме developer preview с тех пор, как Muse Code вышел из беты, позволяет командам строить собственных агентов на Muse Session Protocol (MSP) — открытом протоколе поверх стандартного ввода-вывода, без сервера и без сети, так что всё остаётся на вашей машине. TypeScript-библиотека покрывает сессии, инструменты и управление разрешениями, а машиночитаемая схема MSP позволяет генерировать клиенты на других языках. Исходный код: github.com/meta-models/muse-code-sdk.

Cookbook

Рецепты, которые работают с первого копирования — каждый решает одну конкретную задачу, показывает работающий код и подсказывает, что дальше. Три раздела плюс рецепты по ключевым паттернам Muse Code.Смотреть все 28 рецептов →

Основы API · 10 рецептов

Убедитесь, что каждый примитив работает: chat completions, стриминг, вызов инструментов, структурированный вывод, кеширование промптов, токены рассуждений, визуальный ввод, длинный контекст, обработка ошибок и поисковый grounding со встроенными цитатами.

Паттерны агентов · 5 рецептов

Циклы, превращающие модель в агента: цикл «восприятие — решение — действие», чередование рассуждений с вызовами инструментов, управление контекстом в многоходовом диалоге и проверяемые правки на месте.

Сценарии применения · 13 рецептов

От начала до конца: веб-дизайн и разработка игр с проверкой в браузере, мультиагентная продуктовая студия из четырёх ролей с координацией через общую канбан-доску, автономный бот GitHub Actions на OpenCode, управление компьютером в Linux и macOS и многое другое.

Рецепты Muse Code

Разветвление агентов — разделите большую работу между субагентами в изолированных worktree; встроенные навыки — сырая идея на входе, придирчиво проверенная функциональность на выходе; отслеживание цели — агент держится задачи, пока не смержит именно то, что вы хотели.