Meta Platforms lanzó Muse Code, una nueva herramienta de codificación basada en su modelo de inteligencia artificial Muse Spark 1.2, con funciones orientadas a escribir, verificar y depurar software.
Meta Platforms amplía su presencia en el mercado de herramientas de desarrollo asistidas por inteligencia artificial con el lanzamiento en versión beta de Muse Code, un sistema diseñado para ayudar a los desarrolladores a ejecutar tareas de programación complejas mediante agentes de IA.
La herramienta utiliza como base Muse Spark 1.2, el último modelo de IA de Meta, y ha sido desarrollada para trabajar conjuntamente con este modelo. Según la compañía, ambos sistemas fueron entrenados de manera coordinada para mejorar su integración y permitir que Muse Code gestione proyectos de programación extensos.
El lanzamiento coloca a Meta en competencia directa con las soluciones de codificación basadas en IA desarrolladas por Anthropic y OpenAI, en un mercado que evoluciona rápidamente desde los asistentes capaces de generar fragmentos de código hacia sistemas que pueden ejecutar procesos completos de desarrollo.
Muse Code incorpora ejecución y verificación
Una de las características de Muse Code es su capacidad para escribir código y comprobar los resultados, permitiendo que el sistema participe en diferentes etapas de una tarea de programación en lugar de limitarse a proporcionar sugerencias.
Meta señala además que la herramienta ha sido entrenada para afrontar proyectos largos y complejos. Para determinadas tareas, Muse Code puede ejecutar varios subagentes de manera simultánea, una arquitectura que permite dividir un problema en diferentes procesos y trabajar sobre ellos de forma paralela.
Esta capacidad resulta especialmente relevante para aplicaciones de ingeniería de software en las que una tarea puede requerir análisis del código existente, generación de nuevas funciones, ejecución de pruebas y corrección de errores.
El enfoque representa una evolución respecto de los tradicionales asistentes de programación, que generalmente funcionan como sistemas de recomendación de código dentro del entorno de desarrollo.
El sistema puede recuperar tareas después de fallos
Muse Code incorpora otra característica orientada a las tareas de larga duración: registra las acciones realizadas durante la ejecución.
De acuerdo con Meta, este registro permite que el sistema retome una tarea después de producirse un fallo, en lugar de comenzar nuevamente desde el principio.
La función aborda uno de los problemas asociados con los agentes de IA que ejecutan procesos prolongados. Cuando una tarea requiere múltiples operaciones consecutivas, una interrupción puede provocar la pérdida del estado de ejecución y obligar al sistema a reconstruir el proceso.
La capacidad de conservar el historial operativo permite que Muse Code mantenga una continuidad mayor durante este tipo de trabajos.
Desde el punto de vista técnico, esta característica también muestra hacia dónde está evolucionando la arquitectura de los agentes de IA: el objetivo ya no es únicamente generar una respuesta, sino mantener el estado de una operación durante procesos de múltiples etapas.
Meta apuesta por los agentes de programación
Muse Code llega después de la presentación de Muse Spark 1.1, que Meta puso a disposición de desarrolladores para pruebas aproximadamente un mes antes.
La versión anterior fue utilizada para generar y evaluar desafíos de programación complejos. Según Meta, este proceso contribuyó a mejorar la capacidad de Muse Spark 1.2 para seguir instrucciones complejas.
La compañía ha optado ahora por combinar el modelo con una herramienta específicamente diseñada para ejecutar tareas de desarrollo.
El movimiento se produce en un mercado cada vez más competitivo. Anthropic y OpenAI también han desarrollado herramientas orientadas a la programación mediante IA, mientras que diferentes empresas tecnológicas buscan convertir los modelos generativos en agentes capaces de realizar tareas con una intervención humana progresivamente menor.
El cambio tecnológico es significativo: el foco comienza a desplazarse desde la generación automática de código hacia sistemas capaces de planificar, ejecutar, comprobar y corregir procesos de software.
Un modelo de pago basado en tokens
Meta estableció un precio estándar de US$1,25 por cada millón de tokens de entrada y US$4,25 por cada millón de tokens de salida.
El modelo vincula directamente el costo de utilización con la cantidad de información procesada y generada por el sistema. Para aplicaciones que ejecuten tareas prolongadas o utilicen múltiples subagentes, el consumo de tokens será un factor relevante para determinar el costo operativo.
La estrategia también refleja una característica del mercado de IA empresarial: a medida que los sistemas pasan de responder consultas individuales a ejecutar procesos completos, el costo deja de estar asociado únicamente al acceso al modelo y comienza a relacionarse con la cantidad y complejidad de las tareas realizadas.
FUENTE: https://www.reuters.com
Foto: Meta
