Tin tức & phân tích chuyên sâu.
Thông báo, ghi chú nghiên cứu và hướng dẫn thực hành về Muse Code, Muse Spark và Meta Model API.
Event log: replay chính xác từng bước, khởi động lại không mất gì
Agent làm việc hàng giờ liền cần một bộ nhớ sống sót qua mọi biến cố. Runtime của Muse Code xoay quanh một log append-only duy nhất — và gần như mọi thuộc tính đáng tin của sản phẩm đều bắt nguồn từ đó.
Đọc bài viết →Bắt đầu với Muse Code: từ cài đặt đến lần merge đầu tiên
Coding agent chạy trong terminal của Meta được thiết kế để setup tối giản: một lệnh, một lần đăng nhập trình duyệt, và bạn đã điều khiển một phiên multi-agent ngay trong repository của mình. Đây là toàn bộ lộ trình, kể cả những chỗ đáng để đi chậm lại.
Đọc bài viết →Bot GitHub tự hành: đỉnh cao không phải là làm nhiều, mà là biết khi nào không nên làm
Recipe GitHub agent trong cookbook ghép triage, review PR và tự động sửa bug vào GitHub Actions, chạy trên OpenCode và Muse Spark. Nhưng thứ đáng học nhất lại là các hàng rào an toàn.
Đọc bài viết →Một API, mọi harness: nước cờ hệ sinh thái của Model API
Meta đưa coding model của mình tới mọi nơi developer đang đứng — OpenAI SDK, Anthropic SDK, cả agent CLI của đối thủ, thậm chí OpenRouter. Tương thích trước tiên chính là chiến lược phân phối.
Đọc bài viết →Thả một file mp4 vào terminal: coding đa phương thức trình diễn thực tế
Demo ra mắt táo bạo nhất một cách lặng lẽ chẳng liên quan gì đến tốc độ hay chạy song song. Đó là một file video biến thành một website.
Đọc bài viết →24 giờ, 1.000 tool call: case study tối ưu kernel chứng minh điều gì?
Benchmark đo cú nước rút của một agent. Nghiên cứu tối ưu kernel của Meta đo cuộc marathon — và đó mới là con số thú vị hơn.
Đọc bài viết →Muse Spark 1.2 được huấn luyện thế nào: co-training, công việc long-horizon và vòng lặp tự cải thiện
"Built for Muse Spark" không phải khẩu hiệu marketing — nó mô tả một chiến lược huấn luyện. Ba kỹ thuật trong release notes của Meta lý giải vì sao model và agent phối hợp với nhau tốt hơn hẳn khi ghép với người lạ.
Đọc bài viết →