MSL presentó Muse Code en beta y actualizó el modelo Muse Spark 1.2

MSL presentó Muse Code (beta), su primer agente de programación, y actualizó Muse Spark 1.2, el modelo que lo impulsa y que fue diseñado para programación agéntica. La novedad se enmarca como una actualización de Muse Spark 1.1, presentado el mes pasado, y ambos quedaron disponibles globalmente a través de la API de Meta Model.

Muse Code se ofrece como una herramienta de terminal que recibe instrucciones en lenguaje natural y ejecuta tareas completas de ingeniería sobre repositorios completos. El alcance incluye planificación, escritura, pruebas y verificación de código, con una propuesta orientada a cubrir el ciclo de trabajo de desarrollo en forma integral dentro de un mismo flujo.

En el plano técnico, el producto se apoya en una arquitectura multiagente que coordina múltiples agentes en paralelo para completar trabajos complejos más rápido. Ese esquema busca distribuir tareas y acelerar la ejecución cuando se trata de trabajos que demandan coordinación entre distintas etapas del proceso de ingeniería.

La disponibilidad se acompaña por un mecanismo de instalación con un solo comando y un esquema comercial con dos niveles de precios. Además, se incorporó un “nivel contribuidor”, que requiere un proceso de aplicación y se ofrece a un precio “significativamente más bajo”.

En paralelo, Muse Spark 1.2 llegó como una actualización del modelo optimizado para programación y fue coentrenado con Muse Code para lograr una integración más estrecha entre herramienta y modelo. Dentro de los objetivos declarados para esta versión se incluyen una “mayor tasa de éxito en el primer intento”, una “ejecución más limpia” y “menos tiempo afinando prompts”.

La actualización también apunta a flujos de trabajo de larga duración y a escenarios con múltiples archivos. Para esos casos, Muse Spark 1.2 incorpora una ventana de contexto de 1M de tokens, un parámetro que amplía la cantidad de información que el modelo puede considerar en una misma interacción, con impacto en tareas que requieren mantener referencias extensas dentro de un mismo proceso.

MSL caracterizó al modelo como “competitivo” y lo ubicó como un paso hacia modelos de vanguardia. En la misma línea, anticipó que hay otros modelos “más grandes y mucho más capaces en camino”.