Быстрый старт

Запустите Muse Code за считанные минуты.

Muse Code вышел в общий доступ для macOS, Linux и Windows. 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

Для Windows есть собственный нативный установщик: выполните в PowerShell irm https://dev.meta.ai/install.ps1 | iex, затем проверьте установку командой muse --version. В Windows агент выполняет команды в PowerShell, а не в Bash, при первом запуске песочницы может появиться запрос UAC, а голосовой ввод и сообщения между сессиями недоступны. Если они вам нужны или требуется инструментарий Bash, используйте WSL2: выполните wsl --install в PowerShell от имени администратора, а затем запустите установщик для macOS/Linux в оболочке Linux. Такие репозитории храните 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), а затем экспортируйте в переменную META_API_KEY или сохраните командой muse auth set. Ключи начинаются с LLM_. Сначала Muse Code проверяет META_API_KEY, затем сохранённый ключ и только потом браузерную сессию; /login снова открывает варианты входа, а muse logout удаляет сохранённые учётные данные.

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.

Обновление и удаление

Muse Code обновляется сам: установщик ставит лаунчер, который поддерживает бинарник в актуальном состоянии, а начиная с CLI 1.4.11 сессия, работавшая во время автообновления, продолжается с сохранённой историей. Текущую версию покажет muse --version — сверьте её с журналом изменений; повторный запуск команды установки тоже даёт последнюю сборку. Команды для удаления в документации Meta нет. В macOS и Linux установщик кладёт лаунчер в ~/.local/bin (muse и версионированные файлы muse-bin-*) и добавляет этот каталог в профиль вашей оболочки, так что для удаления достаточно стереть эти файлы; настройки хранятся в ~/.config/muse/. В Windows узнать, где лежит бинарник, поможет Get-Command muse. Подписку нужно отменить отдельно в Accounts Center — удаление CLI не останавливает списания.

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-wonder-1.0; в том же меню задаётся уровень рассуждений
/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

Разрешения и режимы подтверждения

Muse Code запускается с включёнными подтверждениями и песочницей на уровне ОС (Seatbelt в macOS, bubblewrap в Linux, песочница Windows в Windows). Запись разрешена только в рабочую область и во временный каталог, а .git, .muse и .agents остаются доступны только для чтения. Новые сессии начинаются с профиля Auto-review: встроенный судья сам решает типовые запросы на подтверждение, а остальные передаёт вам. Другие профили — Ask me, Read-only и Unrestricted. Профиль по умолчанию задаётся параметром permissions.default_profile в ~/.config/muse/settings.json. Флаги, которые стоит знать:

--approval-mode on-requestПо умолчанию. Безопасные шаги в shell выполняются сразу, а опасные вроде rm -rf останавливаются на проверку
--approval-mode untrustedСтроже: любой шаг в shell без подходящего разрешающего правила останавливается на проверку
--approval-mode neverНичто не ждёт подтверждения; выполняемое сдерживает только песочница
--disable-approvalОтключает запросы на подтверждение, но оставляет песочницу включённой
--yoloНи подтверждений, ни песочницы, рабочая область считается доверенной. Meta советует использовать это только в одноразовых изолированных контейнерах
--sandbox-networkproxy-only (по умолчанию, каждый адрес подтверждается отдельно), restricted или unrestricted

Когда команда задержана, её можно разрешить один раз, разрешить навсегда в этой рабочей области или отклонить. Инструменты MCP и хуки работают вне песочницы, поэтому подключайте только серверы, которым доверяете.

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.

Muse Wonder

Muse Wonder и Muse Wonder Full, выпущенные 12 октября 2026 года, — первые frontier-модели Meta: они крупнее Muse Spark и рассчитаны на долгую сложную работу в программировании и в таких областях, как право и финансы. Meta выделяет Active Memory, которая переносит нужный контекст между разговорами, и Active Focus, которая удерживает агента на цели и заставляет его сверяться с вами перед важными действиями. Переключиться на Wonder можно командой /model muse-wonder-1.0; в API модель стоит $4 / $0.20 / $20 за 1M входных / кешированных / выходных токенов, варианта Contributor нет. Muse Wonder Full доступна только в планах Power и Maximum.

Muse Spark Open

Muse Spark Open, выпущенная 15 октября 2026 года, — модель Muse с открытыми весами: 816B параметров всего, 42B активных на токен, контекст 1M токенов, на вход принимает текст, изображения, видео и аудио. Она распространяется под Muse Model License — собственной лицензией Meta, а веса лежат на Hugging Face как meta-models/Muse-Spark-Open-816B-A42B. Это не модель для ноутбука: в NVFP4 ей нужно около 700 ГБ памяти ускорителей. Meta показала Muse Code, работающий на этой модели на двух Mac Studio, но не описала, как развернуть такое у себя. Если нужна модель, которая помещается на одну потребительскую видеокарту, посмотрите Muse Glimmer.

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 — в Model API доступны `muse-spark-1.3` и `muse-wonder-1.0`, а Muse Spark 1.3 есть также 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_..."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!"}], )

Headless-режим и CI

muse exec "<prompt>" выполняет одну задачу до конца и завершается — именно так его запускают в скриптах и CI. Добавьте --json, чтобы получать события JSONL в stdout, --prompt-file, чтобы читать промпт из файла, --max-model-steps, чтобы ограничить объём работы, и --session-id, чтобы продолжить прежнюю сессию. Для аутентификации используйте META_API_KEY из хранилища секретов вашего CI. Код выхода 0 означает лишь, что ход завершён, а не что работа сделана правильно, поэтому разрешайте merge только по результатам собственных тестов. На Linux-раннерах песочнице нужны bubblewrap и сборка не на musl.

# CI: key from your secret store, JSONL events on stdout$ META_API_KEY="$MUSE_KEY" muse exec --json "fix the failing test in tests/date.test.ts"

Модели Muse в других агентах

Meta описывает настройку OpenCode, Codex и Claude Code для работы с Model API. Укажите OpenAI-совместимый base URL https://api.meta.ai/v1 (для OpenCode и Codex) или base URL в формате Anthropic https://api.meta.ai без /v1 (для Claude Code), ваш MODEL_API_KEY и ID модели, например muse-spark-1.3 или muse-wonder-1.0. В Claude Code задайте ANTHROPIC_AUTH_TOKEN, а не ANTHROPIC_API_KEY, и направьте все алиасы моделей на модели Muse, чтобы ничего не откатывалось к Claude. В Codex используйте wire_api = "responses", чтобы рассуждения сохранялись между ходами. Такое использование оплачивается по токенам в Model API и не входит в тариф Muse Code.

# Claude Code on Meta's Model APIexport ANTHROPIC_BASE_URL="https://api.meta.ai"export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"export ANTHROPIC_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"

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.