The Pulse

Meta riduce del 20% le chiamate agli strumenti di coding in Muse Spark 1.3

Meta ha rilasciato Muse Spark 1.3 il 2 settembre 2026, con miglioramenti per i flussi di lavoro degli agenti di lunga durata e l’ingegneria del software. Secondo l’azienda, i confronti interni mostrano circa il 20% di chiamate agli strument

AI.info Team · 2026-09-12

Meta afferma che Muse Spark 1.3 completa le attività di coding con circa il 20% di chiamate agli strumenti in meno e il 25% di token in meno rispetto al predecessore, secondo i confronti interni effettuati dagli ingegneri di Meta. Rilasciato il 2 settembre, il modello punta a risolvere uno dei problemi che spesso affliggono i sistemi di IA nello sviluppo software: mantenere il filo di attività lunghe che richiedono pianificazione, uso ripetuto degli strumenti, istruzioni che cambiano e verifiche rispetto a un obiettivo finale.

Muse Spark 1.3 è disponibile tramite l’agente da terminale Muse Code di Meta e la Meta Model API. Meta presenta l’aggiornamento come un perfezionamento pratico di Muse Spark 1.2, non come un nuovo prodotto, e afferma che comporta meno scambi non necessari, risposte più brevi e un comportamento di coding più pulito.

Il rilascio arriva mentre Meta lavora allo sviluppo di agenti personali in grado di operare tra diverse applicazioni e mantenere il contesto nel corso di sessioni prolungate. Alexandr Wang, responsabile dell’IA di Meta, ha dichiarato ad Axios: «È molto competitivo rispetto ai modelli di frontiera», descrivendo i miglioramenti in termini di usabilità come rilevanti per gli agenti personali che potrebbero agire per conto dell’utente.

Le dichiarazioni di Wang ad Axios inseriscono il rilascio nella più ampia spinta di Meta a ridurre il divario con Anthropic, OpenAI e Google nel coding e nei software agentici.

Il 20% di chiamate agli strumenti in meno nelle attività di ingegneria

Meta afferma che Muse Spark 1.3 è stato addestrato su un maggior numero di attività di coding a lungo termine e ottiene risultati migliori nei comuni flussi di lavoro di ingegneria. Rispetto a Muse Spark 1.2, secondo i confronti interni dell’azienda il modello usa circa un quinto di chiamate agli strumenti in meno e un quarto di token in meno. Questi dati non provengono da un benchmark indipendente, ma indicano il compromesso operativo su cui Meta punta l’attenzione: un agente che raggiunge un risultato con meno interazioni può ridurre la latenza e i costi di utilizzo.

Il modello è progettato per pianificare attività più ampie, esaminare fonti disordinate, individuare le lacune nel proprio lavoro e conservare le informazioni necessarie per il risultato finale. Meta afferma che può gestire diversi flussi di lavoro in un unico thread lungo, anche quando un utente torna a una richiesta precedente, interrompe un’attività in corso o cambia direzione.

Questo approccio si basa su Muse Code, che Meta ha presentato insieme a Muse Spark 1.2 il 5 agosto. Muse Code è stato progettato per operare su repository di grandi dimensioni, pianificare modifiche, scrivere codice e convalidare i risultati. Il suo runtime registra le chiamate al modello, le esecuzioni degli strumenti, le approvazioni e le modifiche in un registro eventi locale, così che un’attività possa riprendere dopo un errore.

Meta addestra il modello a fermarsi e chiedere

Nel rilascio, Meta affianca il completamento delle attività all’interazione con l’utente. Muse Spark 1.3 è addestrato a porre domande di chiarimento quando le istruzioni sono ambigue, a chiedere aiuto quando si blocca e a richiedere conferma prima di intraprendere azioni dalle conseguenze rilevanti. Per le attività lunghe, Meta afferma che gli utenti possono scegliere tra aggiornamenti frequenti sullo stato di avanzamento e un lavoro in background più discreto.

Il modello mira inoltre a fare meno affermazioni non supportate sulle proprie prestazioni. Meta afferma di aver migliorato la consapevolezza del sistema rispetto a ciò che sa, a ciò che è in grado di fare e ai momenti in cui incontra un ostacolo. In un agente che modifica file, esegue comandi o opera su più servizi, riconoscere un limite può essere importante quanto fornire una risposta corretta.

Meta afferma separatamente che il nuovo modello è più resistente agli input avversari e alle prompt injection. Sostiene inoltre che il modello valuta meglio quando compiere azioni irreversibili. Nel post sul rilascio, l’azienda non pubblica dati dettagliati sul tasso di incidenti né una valutazione indipendente della sicurezza, quindi queste affermazioni restano dichiarazioni sulle prestazioni riportate dall’azienda.

La valutazione confronta attività lunghe, non solo frammenti di codice

La metodologia di valutazione che accompagna il rilascio di Meta riguarda il lavoro professionale, l’uso del computer, la ricerca sul web, l’automazione, l’ingegneria del software, la comprensione del codice, il recupero di informazioni da contesti lunghi e il rispetto delle istruzioni. Il documento spiega che Meta ha confrontato Muse Spark 1.3 con Muse Spark 1.2, Claude Opus 5 e GPT-5.6 Sol, nei casi in cui erano disponibili risultati comparabili, usando il massimo livello di ragionamento per il nuovo modello e per i due sistemi esterni.

I test di coding includono DeepSWE v1.1, un benchmark di 113 attività che copre 91 repository e cinque linguaggi di programmazione; SWE-Atlas Codebase QnA, che verifica la comprensione su 124 attività e 11 repository di produzione; e Terminal-Bench 2.1, che comprende 89 attività da terminale. Meta afferma che gli ambienti di coding non hanno accesso a Internet esterno, a meno che un benchmark non lo consenta esplicitamente.

Questi confronti vanno interpretati con cautela. La metodologia di Meta precisa che, quando possibile, i test dei modelli di terze parti usano impostazioni comuni, che però potrebbero non rispecchiare la configurazione ottimale specifica di ciascun fornitore per prompt, strumenti e runtime. L’azienda riporta inoltre il risultato migliore disponibile per la metrica principale comparabile, ottenuto nella propria valutazione, in una classifica ufficiale o nei risultati pubblicati da un fornitore di modelli.

Muse Code e Meta Model API ricevono il rilascio

Secondo l’annuncio di Meta, Muse Spark 1.3 è disponibile in Muse Code e tramite la Meta Model API. Gli sviluppatori possono installare Muse Code su macOS o Linux con il comando pubblicato da Meta:

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

Il pubblico a cui si rivolge nell’immediato è composto da sviluppatori che eseguono agenti su repository, ambienti da terminale e attività aziendali strutturate. Gli esempi di Meta mostrano inoltre il modello alle prese con attività professionali diverse, tra cui rapporti di ingegneria, istruzioni per l’editing audio, presentazioni e sintesi dei feedback degli elettori.

Meta afferma che la propria roadmap prevede modelli più grandi e un rilascio di Muse Spark con pesi aperti. L’annuncio del 2 settembre non indica una data per nessuno dei due. Per ora, la novità concreta è più circoscritta: Muse Spark 1.3 è il modello più recente di Meta disponibile per Muse Code e la sua API, con l’azienda che dichiara meno chiamate agli strumenti, meno token e un controllo migliore sul lavoro di lunga durata.