2026. 08. 10. - 08:00
A Meta generatív mesterséges intelligenciája már egész szoftverprojekten dolgozik
A Muse Code több párhuzamos részfeladatra bonthatja a nagyobb fejlesztéseket, hibát javíthat és saját munkanaplója alapján egy megszakítás után is folytathatja a munkát.
A Meta augusztus 5-én új szereplővel lépett be a programozást végző generatív mesterséges intelligencia rendszerek versenyébe. A Reuters szerint a Muse Code nevű bétaeszközt a Muse Spark 1.2 modell működteti. A megoldást nem pusztán rövid kódrészletek előállítására tervezték, hanem hosszabb és összetettebb szoftverfejlesztési munkák végrehajtására.
A nagyobb feladatokat a Muse Code több részre bonthatja, majd külön alrendszereket állíthat rájuk párhuzamosan. Ez lehetővé teszi, hogy egy nagy program különböző funkcióin egyszerre dolgozzon. A fejlesztő közben megtarthatja az irányítást és a kész módosításokat ellenőrizheti, mielőtt azok bekerülnek a végleges rendszerbe.
A Reuters kiemelte a rendszer tartós munkanaplóját is. Egy technikai megszakítás után a generatív mesterséges intelligencia nem feltétlenül kezdi újra a teljes folyamatot, hanem a korábbi állapot alapján folytathatja. A Wall Street Journal beszámolója szerint a Meta ezzel közvetlenül az OpenAI és az Anthropic programozási eszközeivel kíván versenyezni.
Olvasd el: A DeepSeek 74 milliárd dolláros értékelése megmutatja, mennyire drága lett a generatív MI verseny
A programozó jövőbeli előnye az lesz, hogy gyorsabban ír kódot vagy az, hogy jobban irányítja a digitális fejlesztőket?
A Muse Code díjazása használatarányos. A Reuters szerint a Muse Spark 1.2 egymillió bemeneti tokenje 1,25 dollárba, egymillió kimeneti tokenje pedig 4,25 dollárba kerül a normál konstrukcióban. Ez azt mutatja, hogy a programozási generatív mesterséges intelligencia egyre inkább önálló felhőszolgáltatássá válik, amelynek költsége a ténylegesen elvégzett munka mennyiségéhez igazodik.
A valódi előrelépés azonban nem egyszerűen a kódírás sebessége lehet. Egy modern szoftverprojektben sok időt visz el a hibák keresése, a tesztek futtatása, a kapcsolódó fájlok megértése és a különböző módosítások összehangolása. Ha egy generatív mesterséges intelligencia ezekből több lépést is felügyelten elvégez, a mérnökök több időt fordíthatnak az architektúrára és a termék valódi problémáira.
A Meta fejlesztése jól mutatja, hogy a kódoló rendszerek egyre kevésbé egyszerű automatikus kiegészítők. A következő lépcső már a tartós munkavégzés, a feladatok párhuzamosítása és a saját előzmények követése. Emberi ellenőrzés továbbra is szükséges, de a generatív mesterséges intelligencia egyre inkább valódi fejlesztési munkafolyamatok résztvevőjévé válik.
Olvasd el ezt is: A generatív MI már nemcsak válaszol, hanem emlékeztet, hogy mit dolgoztunk ki korábban
CS.SZ.
