¿Te imaginas dejar tu ordenador encendido un viernes por la tarde y volver el lunes con la arquitectura entera de tu proyecto reescrita, testeada y optimizada? Pues deja de imaginar. Meta acaba de lanzar en fase beta Muse Code, un agente de programación por terminal que promete exactamente eso. Una auténtica locura.
Y es que no estamos hablando de otro asistente convencional que simplemente te autocompleta un bucle o una función aislada. Se trata de un sistema diseñado para enfrentarse a tareas complejas de ingeniería de software en repositorios gigantescos. Trabaja de forma autónoma, planifica los cambios y valida los resultados por su cuenta.
Todo este despliegue funciona sobre Muse Spark 1.2, el nuevo modelo de lenguaje de la compañía de Mark Zuckerberg centrado exclusivamente en programación. Este motor principal es accesible a través de la API de Meta con una disponibilidad global ampliada. Te lo explico paso a paso.
El secreto está en los subagentes que nunca duermen
Básicamente, el problema de muchos agentes actuales es que sufren de amnesia o se saturan si les pides tareas demasiado largas. Meta ha solucionado esta limitación técnica combinando un bucle principal con agentes secundarios asíncronos.
También te puede interesar:Meta fue sorprendida manipulando benchmarks de IAPor si fuera poco, estos subagentes son persistentes y se quedan vivos en segundo plano durante toda la sesión de trabajo. Recopilan contexto, ejecutan los siguientes pasos y deciden inteligentemente cuándo avisarte porque tienen resultados útiles. Así de simple.
En concreto, Muse Code —que actualmente está disponible para macOS y Linux— es capaz de coordinar a varios de estos agentes al mismo tiempo en un único trabajo. Esta arquitectura en paralelo desploma la latencia y hace que la necesidad de intervención manual caiga en picado.
Un registro local blinda tu código ante apagones
Pero claro, si vas a dejar a un sistema ejecutando código durante horas o días, el miedo a que un fallo mande todo al traste es muy real. Aquí es donde entra una de sus características más sólidas: el log local de eventos.
También te puede interesar:Meta fue sorprendida manipulando benchmarks de IAAbsolutamente todas las acciones quedan registradas en tu máquina de forma transparente. Las llamadas al modelo, el uso de herramientas externas, las aprobaciones manuales y las ediciones en los archivos se guardan al milímetro. Nada se escapa.
Es decir, si el proceso se interrumpe de golpe, este registro permite reproducir exactamente el trabajo realizado y retomar tareas interrumpidas desde el mismo punto. No tienes que volver a empezar desde cero tras un cuelgue del sistema.
A ello se le suma que el entorno incluye habilidades integradas para crear planes de ruta antes de modificar nada. Muse Code diseña un plan sujeto a tu aprobación, y una vez recibe luz verde, lo somete a pruebas de estrés para garantizar que avanza hacia los objetivos marcados.
El entrenamiento técnico masivo detrás de Muse Spark 1.2
Evidentemente, para que un agente tome decisiones lógicas sin apenas supervisión necesita un motor muy afinado. La nueva versión mejora drásticamente en generación de código, depuración compleja y en la comprensión global del código base respecto a la versión 1.1.
Si echamos un vistazo a los datos publicados en la Fuente oficial de los investigadores, descubrimos que Meta ha incrementado masivamente el cómputo de entrenamiento. Han aplicado técnicas de muestreo por rechazo, optimización en objetivos concretos y compresión de contexto masivo.
Además, el entrenamiento incluyó la generación de repositorios completos y proyectos de software gigantescos. De hecho, usaron a Muse Spark 1.1 para crear entornos virtuales exigentes y evaluar las soluciones que luego servirían de alimento para entrenar a esta nueva versión. Una inteligencia artificial educando a otra.
Muse Code optimiza GPUs de NVIDIA durante 24 horas seguidas
Para demostrar que no venden humo, los ingenieros sometieron a este sistema a una auténtica prueba de fuego en el mundo real. Le pidieron optimizar kernels de GPU para el codiciado hardware NVIDIA Hopper, una tarea extremadamente técnica.
Y aquí vienen las cifras mareantes. El agente se pasó hasta 24 horas ininterrumpidas de ejecución, realizando más de 1.000 llamadas a herramientas de desarrollo. Escribió, compiló y analizó implementaciones complejas en lenguaje Triton sin inmutarse.
Lo más rompedor es que logró mejorar las implementaciones frente a una línea base, y lo hizo sin utilizar librerías externas de kernels. El propio modelo gestionó todo el flujo de pruebas y errores de forma independiente. Un desarrollador senior habría tardado semanas en iterar a esa velocidad.
Con este lanzamiento, Meta plantea una visión muy clara: combinar el modelo de IA y el entorno de ejecución como un único sistema unificado para los desarrolladores. Veremos si la comunidad open-source o gigantes como GitHub logran replicar este nivel de autonomía, pero la carrera por automatizar el desarrollo acaba de cambiar de marcha.
Me dedico al SEO y la monetización con proyectos propios desde 2019. Un friki de las nuevas tecnologías desde que tengo uso de razón.
Estoy loco por la Inteligencia Artificial y la automatización.
