Bắt đầu nhanh

Chạy Muse Code chỉ trong vài phút.

Muse Code đang ở giai đoạn beta cho macOS và Linux. Nó đảm nhận những tác vụ kỹ thuật phần mềm phức tạp trên các repository lớn — lên kế hoạch thay đổi, viết code, kiểm chứng kết quả — tất cả ngay trong terminal của bạn.

1. Cài đặt

Một lệnh là cài xong CLI:

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

Script sẽ đặt file thực thi muse vào PATH — kiểm tra bằng muse --version. Muốn soát script trước? Tải về bằng -o install.sh, xem kỹ rồi mới chạy.

2. Xác thực

Lần chạy đầu tiên sẽ mở trình duyệt để xác thực tại dev.meta.ai bằng tài khoản nhà phát triển Meta của bạn. Thông tin đăng nhập được cache cục bộ — không phải xác thực lại mỗi phiên. Truy cập và thanh toán đều đi qua Meta Model API.

Chạy không tương tác. Với CI, script và máy không màn hình, hãy dùng API key thay cho luồng trình duyệt: tạo key trong bảng điều khiển Model API (API keys → Create API key) và đặt làm biến môi trường MODEL_API_KEY.

3. Chạy tác vụ đầu tiên

Xác thực xong, bạn có thể bắt tay vào việc ở bất kỳ thư mục dự án nào:

$ cd my-repo$ muse

Mô tả kết quả bạn muốn bằng ngôn ngữ tự nhiên. Tác vụ đầu tiên nên nhỏ và dễ kiểm chứng — "thêm test còn thiếu cho parseDate và đảm bảo nó pass" — bạn sẽ thấy một worker soạn bản thay đổi, một reviewer phản biện, và test chạy thật.

Hai nút chỉnh chi phí đáng biết ngay từ ngày đầu: Muse Spark là mô hình suy luận — nó suy nghĩ trước khi trả lời, và những token đó được tính phí như output — nên /effort cho phép tăng giảm mức suy nghĩ theo từng tác vụ. Còn giọng văn, định dạng và các quy tắc cố định khác của bạn có thể đặt trong system message để khỏi lặp lại trong mỗi prompt.

Agent nền bất đồng bộ

Muse Code vận hành bằng một vòng lặp agent đơn giản, cộng thêm một nhóm agent nền bất đồng bộ giúp tăng cường năng lực cho agent chính. Các agent chuyên trách này hoạt động suốt phiên làm việc thay vì được tạo mới cho từng tác vụ, nhờ đó tránh thu thập thông tin trùng lặp. Chúng tự thực hiện các bước tiếp theo và tự quyết định khi nào báo lại cho agent chính — sự thường trực này giảm độ trễ và giảm nhu cầu can thiệp ở những tác vụ khó, nhiều bước.

Fan-out agent & git worktree

Khi một công việc tách thành nhiều tác vụ, chúng tự động fan-out cho các agent riêng biệt: agent cha sinh một agent con có quyền ghi cho mỗi tác vụ, và mỗi agent con có git worktree của riêng mình — các agent con chạy song song không bao giờ đụng độ trên cùng một file, còn bản làm việc của bạn luôn sạch sẽ.

Event log

Muse Code dùng một event log cục bộ, nơi mọi lần gọi mô hình, chạy công cụ, phê duyệt và chỉnh sửa đều được ghi nối tiếp vào. Nguồn sự thật duy nhất này giúp runtime phát lại chính xác và khởi động lại an toàn: sau khi crash, agent tiếp tục đúng chỗ nó dừng lại, nên có thể đảm đương những tác vụ chạy dài mà không bị sự cố làm chệch hướng. Mọi lần tạo, điều hướng và hủy subagent đều quan sát được — muse replay duyệt lại phiên làm việc từng bước một, và toàn bộ trace có thể xuất ra để bàn giao hoặc kiểm toán.

Kỹ năng & lệnh tích hợp sẵn

Muse Code đi kèm nhiều kỹ năng mặc định — đưa vào một ý tưởng thô, nhận về một tính năng đã được chất vấn kỹ và kiểm chứng cẩn thận:

/planBiến tác vụ thành một kế hoạch cần phê duyệt trước khi động vào bất kỳ dòng code nào

/grillChất vấn kế hoạch đó liên tục cho đến khi nó đứng vững

/goalLàm việc đến khi hoàn thành mục tiêu đã đặt — thứ bạn muốn ban đầu chính là thứ được merge

/modelChuyển mô hình phía sau — ví dụ sang muse-spark-1.2 với mức giá tiêu chuẩn của Model API

/effortTăng hoặc giảm mức suy luận — token suy nghĩ tính phí như output, nên dành suy luận sâu cho những tác vụ khó

muse replayDuyệt lại event log của một phiên từng bước một; toàn bộ trace có thể xuất ra để bàn giao hoặc kiểm toán

Muse Spark 1.2

Muse Spark 1.2 là bản cập nhật tập trung vào lập trình của Muse Spark 1.1, cải thiện khả năng sinh code, debug phức tạp, hiểu codebase và các quy trình phát triển đầu-cuối — lượng tính toán huấn luyện cho tác vụ lập trình được mở rộng đáng kể, đồng thời tăng độ đa dạng của môi trường. Ba điểm khiến nó nổi bật:

Huấn luyện cùng Muse Code

Được huấn luyện với chính harness — các quỹ đạo harness lọc qua rejection sampling, tối ưu công thức huấn luyện cho mục tiêu, nén ngữ cảnh và subagent, cùng việc tích hợp bộ công cụ của Muse Code — cho khả năng dùng công cụ tốt hơn, ít phải thử lại hơn và đầu ra chất lượng cao hơn một lớp bọc chung chung.

Tầm xa

Được huấn luyện chuyên sâu trên các tác vụ lập trình dài hơi: sinh cả repository, dự án đầu-cuối cỡ lớn và nghiên cứu tự động. Nó lập kế hoạch để sắp xếp thứ tự công việc, dùng điều kiện hóa theo mục tiêu để giữ đúng hướng, và nén ngữ cảnh để duy trì tiến độ.

Tự cải thiện

Muse Spark 1.1 tự sinh các môi trường lập trình khó và mẫu bám sát chỉ dẫn, rồi chấm điểm các lời giải ứng viên — một vòng huấn luyện có thể mở rộng giúp 1.2 tuân theo chỉ dẫn phức tạp chính xác hơn phiên bản trước.

Kết quả benchmark (với Muse Code): Terminal-Bench 2.1 · 82,9% — DeepSWE 1.1 · 59,3%. Phương pháp đầy đủ trong báo cáo đánh giá của Meta tại research.meta.ai.

Case study: tối ưu kernel

Meta đã kiểm tra khả năng của mô hình trong việc tối ưu lặp đi lặp lại các kernel GPU qua hơn 1.000 lần gọi công cụ — kéo dài tới 24 giờ. Trong môi trường agent của Muse Code, mô hình viết, biên dịch, đo hiệu năng và cải thiện dần hiệu suất kernel so với mức chuẩn, đo trên các kernel KDA và MLA cho GPU NVIDIA Hopper. Bị cấm bọc lại thư viện kernel bên thứ ba, nó triển khai thẳng thuật toán bằng Triton — và liên tục tìm ra những cải thiện đáng kể so với mức chuẩn.

Meta Model API

Chính các mô hình đứng sau Muse Code cũng được cung cấp trực tiếp — Muse Spark 1.2 có mặt trên Muse Code, Meta Model API và OpenRouter, với phạm vi truy cập toàn cầu được mở rộng. API tương thích drop-in với OpenAI SDK, Anthropic SDK và các CLI agent như OpenCode hay Claude Code: trỏ client của bạn về base URL mới, phần code còn lại giữ nguyên. Cửa sổ ngữ cảnh là 1.048.576 token.

# 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-1.2", messages=[{"role": "user", "content": "Hello, world!"}], )

Cookbook

Những công thức chạy được ngay lần đầu bạn sao chép — mỗi công thức giải quyết một vấn đề cụ thể, kèm code chạy được và chỉ ra bước tiếp theo. Ba phần chính, cộng thêm các công thức cho những pattern cốt lõi của Muse Code.Xem toàn bộ 28 công thức →

Nền tảng API · 10 công thức

Kiểm chứng từng thành phần cơ bản: chat completions, streaming, gọi công cụ, đầu ra có cấu trúc, prompt caching, token suy luận, đầu vào hình ảnh, ngữ cảnh dài, xử lý lỗi, và search grounding với trích dẫn ngay trong nội dung.

Pattern agent · 5 công thức

Những vòng lặp biến mô hình thành agent: vòng lặp cảm nhận–quyết định–hành động, suy luận đan xen với gọi công cụ, quản lý ngữ cảnh nhiều lượt, và chỉnh sửa tại chỗ có kiểm chứng.

Tình huống ứng dụng · 13 công thức

Từ đầu đến cuối: thiết kế web và phát triển game kiểm chứng bằng trình duyệt, một studio sản phẩm đa agent bốn vai phối hợp qua bảng Kanban chung, bot GitHub Actions tự hành trên OpenCode, điều khiển máy tính trên Linux và macOS, và nhiều hơn nữa.

Công thức Muse Code

Fan-out agent — chia một việc lớn cho các subagent trong những worktree tách biệt; kỹ năng tích hợp sẵn — ý tưởng thô vào, tính năng đã kiểm chứng ra; bám mục tiêu — giữ agent tập trung cho đến khi merge đúng thứ bạn muốn.