5 अगस्त 2026 को Meta Superintelligence Labs ने Muse Code जारी किया। यह एक कोडिंग एजेंट है जो टर्मिनल के भीतर चलता है और Muse Spark 1.2 नाम के एक नए मॉडल पर आधारित है, जिसे अलग-अलग पंक्तियों के बजाय बड़े कोड रिपॉज़िटरी में लंबे समय तक चलने वाले इंजीनियरिंग कार्यों पर काम करने के लिए बनाया गया है। व्यवसाय मालिक के लिए सीधा निष्कर्ष यह है: AI कोडिंग टूल सुझाव देने और कोड पूरा करने से आगे बढ़कर घंटों चलने वाले पूरे कार्यों को अंजाम देने लगे हैं, और इससे डेवलपमेंट की गति और लागत दोनों बदलती हैं। एक चीज़ नहीं बदलती: जो आवश्यकताओं, रिव्यू और टेस्ट का मालिक है, वही अंतिम सिस्टम की गुणवत्ता का भी मालिक बना रहता है।

Meta ने ठीक-ठीक क्या लॉन्च किया?

Muse Code macOS और Linux के लिए एक कमांड-लाइन टूल है, जिसे बीटा में जारी किया गया है और इसका कोई डेस्कटॉप ऐप्लिकेशन नहीं है — यानी यह आम उपयोगकर्ताओं के लिए नहीं, बल्कि डेवलपमेंट टीमों के लिए है। इसके भीतर एसिंक्रोनस बैकग्राउंड एजेंट पूरे सेशन के दौरान सक्रिय रहते हैं ताकि एक से अधिक कार्य एक साथ चल सकें, और साथ में एक लोकल इवेंट लॉग है जिससे किसी रन को बाद में रिव्यू के लिए हूबहू दोबारा चलाया जा सकता है। इसमें बिल्ट-इन कमांड हैं, जैसे कार्य योजना बनाने के लिए /plan, लक्ष्य तय करने के लिए /goal और किसी समाधान को स्वीकार करने से पहले उसकी कड़ी परीक्षा लेने के लिए /grill।

इसके पीछे का मॉडल Muse Spark 1.2 है, और Meta के विवरण में तीन बातों पर ज़ोर था: कोड जनरेशन, डिबगिंग और बड़े कोडबेस को समझने में सुधार; लंबी अवधि के कोडिंग कार्यों पर प्रशिक्षण, जिसमें पूरे रिपॉज़िटरी का निर्माण भी शामिल है; और ऐसी व्यवस्थाएँ जो लंबे कार्यों के दौरान मॉडल को सही रास्ते पर रखती हैं, जैसे योजना बनाना, लक्ष्य-आधारित कंडीशनिंग और कॉन्टेक्स्ट कम्पैक्शन। Meta ने तीन मूल्यांकनों पर तुलना प्रकाशित की — Terminal-Bench 2.1, DeepSWE 1.1 और उसका आंतरिक कोडिंग बेंचमार्क — लेकिन उन्हें संख्याओं की सटीक तालिका के बजाय चार्ट के रूप में प्रस्तुत किया, इसलिए कहीं और प्रसारित हो रहे किसी भी विशिष्ट स्कोर को सावधानी से लेना चाहिए। यह मॉडल Muse Code के भीतर और Meta Model API के माध्यम से उपलब्ध है।

मूल बदलाव: एक पंक्ति पूरी करने से पूरे सिस्टम पर काम करने तक

पारंपरिक कम्प्लीशन असिस्टेंट और आधुनिक एजेंट के बीच का अंतर कोड की सुंदरता से ज़्यादा कार्य के दायरे में है। असिस्टेंट आपकी अगली पंक्ति सुझाता है; एजेंट दर्जनों फ़ाइलें खोलता है, कमांड चलाता है, टेस्ट का आउटपुट पढ़ता है, बदलाव करता है, दोबारा कोशिश करता है और एक घंटे या उससे अधिक समय तक काम करता रहता है। यहीं पर Meta द्वारा ज़ोर दी गई विशेषताएँ मायने रखती हैं: कॉन्टेक्स्ट कम्पैक्शन का अर्थ है कि एजेंट लंबे कार्य की शुरुआत में किया गया काम नहीं भूलता, और इवेंट लॉग का अर्थ है कि जो हुआ उसे कदम-दर-कदम रिव्यू किया जा सकता है, न कि केवल एक अंतिम आउटपुट जिस पर आप या तो भरोसा करें या न करें।

सॉफ़्टवेयर प्रोजेक्ट्स पर इसका व्यावहारिक असर साफ़ है। थकाऊ, दोहराव वाला काम — सैकड़ों फ़ाइलों में एक पुरानी लाइब्रेरी को अपग्रेड करना, कोड स्टाइल को एकरूप बनाना, छूटे हुए टेस्ट जोड़ना, किसी API को एक संस्करण से अगले संस्करण में माइग्रेट करना — अब उस हद तक ऑटोमेट किया जा सकता है जो एक साल पहले व्यावहारिक नहीं था। और यही वह काम है जो कंपनियों के भीतर लेगेसी सिस्टम के रखरखाव बजट को खा जाता है।

निर्णय लेने वालों को ध्यान देने वाली बात: कीमत बनाम आपका डेटा

Meta Model API की प्रकाशित कीमतों के अनुसार, मॉडल का स्टैंडर्ड टियर लगभग $1.25 प्रति मिलियन इनपुट टोकन और $4.25 प्रति मिलियन आउटपुट टोकन का है, जबकि contributor नाम का कहीं सस्ता टियर इस सहमति के बदले उपलब्ध है कि आपके डेटा का उपयोग Meta के उत्पादों को बेहतर बनाने के लिए किया जा सकता है। लागत के लिहाज़ से यह विकल्प आकर्षक है और गवर्नेंस के लिहाज़ से चिंताजनक: आपके प्रोजेक्ट के कोड में आपका बिज़नेस लॉजिक, आपके सिस्टम से जुड़ने वाली कुंजियाँ और कभी-कभी वास्तविक जीवन से लिया गया टेस्ट डेटा होता है।

हम जिस नियम पर काम करते हैं वह सरल है: कीमत में कितना भी अंतर हो, कोई भी प्रोडक्शन कोड और कोई भी ग्राहक डेटा ऐसे टियर से नहीं गुज़रता जो ट्रेनिंग की अनुमति देता हो। और अगर प्रोसेस किया जा रहा डेटा सऊदी अरब साम्राज्य के भीतर के व्यक्तियों का है, तो आप व्यक्तिगत डेटा संरक्षण कानून (PDPL) के दायरे में आते हैं, जिसकी निगरानी सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण (SDAIA) करता है। उसके उद्देश्य सीमा, डेटा न्यूनीकरण और जवाबदेही के सिद्धांतों का व्यवहार में अर्थ है कि सबसे सस्ता होना किसी प्रदाता को चुनने के लिए पर्याप्त मानदंड नहीं है।

व्यवहार में आपकी कंपनी के लिए इसका क्या मतलब है

पहला, टूल मत ख़रीदिए — परिणाम ख़रीदिए। एक शक्तिशाली कोडिंग एजेंट होने का अपने-आप यह मतलब नहीं कि आपका प्रोजेक्ट जल्दी पूरा होगा; किसी प्रोजेक्ट को वास्तव में तेज़ करती हैं स्पष्ट आवश्यकताएँ और अच्छा डिज़ाइन। एजेंट उस टीम की गति को कई गुना कर देता है जो जानती है कि वह क्या बना रही है, और उस टीम की अव्यवस्था को कई गुना कर देता है जो नहीं जानती।

दूसरा, उम्मीद रखिए कि डेवलपमेंट की लागत लिखने के घंटों से हटकर रिव्यू और सत्यापन के घंटों की ओर जाएगी। तैयार होने वाले कोड की मात्रा बढ़ गई है, इसलिए अब बाधा टाइपिंग नहीं, बल्कि ऑटोमेटेड टेस्ट, पीयर रिव्यू और सुरक्षा जाँचें हैं। जिस कंपनी के पास आज ऑटोमेटेड टेस्ट नहीं हैं, वह यह अंतर जल्दी महसूस करेगी।

तीसरा, यह लेगेसी सिस्टम को आधुनिक बनाने का वास्तविक अवसर है। कई कंपनियाँ पुराने सिस्टम का माइग्रेशन इसलिए टालती रहती हैं क्योंकि मैन्युअल लागत बहुत ज़्यादा है; आधुनिक एजेंट क्रमिक माइग्रेशन को सस्ता और तेज़ बनाते हैं, एक शर्त पर: ऐसे टेस्ट जो साबित करें कि माइग्रेशन के बाद व्यवहार नहीं बदला।

चौथा, प्रदाताओं के बीच कीमतों की प्रतिस्पर्धा पर नज़र रखिए। कोडिंग एजेंट बाज़ार में एक और बड़े खिलाड़ी के आने से कीमतें नीचे जाती हैं, जो आपके पक्ष में है, लेकिन ज़्यादा अहम कदम यह है कि आप अपने सिस्टम ऐसे बनाएँ कि वे किसी एक विक्रेता से बंधे न रहें और स्विच करने की लागत आगे चलकर कभी जाल न बने।

कोडिंग एजेंट क्या नहीं बदलता

एजेंट आपके अलिखित व्यावसायिक नियमों को नहीं जानता, उस पर कोई कानूनी ज़िम्मेदारी नहीं होती, और वह यह तय नहीं करता कि कोई फ़ीचर बनाने लायक है भी या नहीं। वह अब भी पूरे आत्मविश्वास के साथ गलतियाँ करता है, ख़ासकर बाहरी सिस्टम के साथ इंटीग्रेशन में और दुर्लभ एज केस में। इसलिए समीकरण पहले जैसा ही है: स्पष्ट विनिर्देश, सही होने का प्रमाण देने वाले टेस्ट, संवेदनशील सीमाओं पर मानवीय रिव्यू, और एक रिकॉर्ड जो दिखाए कि किसने क्या और कब बदला।

Origami में हम इसके साथ कैसे काम करते हैं

हम एक टेक्नोलॉजी कंपनी हैं, और हम कोडिंग एजेंट का उपयोग स्पष्ट इंजीनियरिंग सीमाओं के भीतर करते हैं: एक प्राइवेट रिपॉज़िटरी, वास्तविक ग्राहक डेटा के बजाय सिंथेटिक टेस्ट डेटा, हर बदलाव पर चलने वाले ऑटोमेटेड टेस्ट, और किसी भी रिलीज़ से पहले मानवीय रिव्यू। हमारे ग्राहक को जो लाभ मिलता है वह यह नहीं कि हम बाज़ार का सबसे नया मॉडल इस्तेमाल करते हैं — बल्कि यह कि लागत और समयसीमा घटती है, जबकि गुणवत्ता प्रमाणित करने योग्य और रिव्यू करने योग्य बनी रहती है।

स्रोत

  • Muse Code और Muse Spark 1.2 पर Meta की आधिकारिक घोषणा: research.meta.ai
  • Meta का डेवलपर मॉडल पेज: developer.meta.com
  • लॉन्च और प्राइसिंग टियर की विस्तृत कवरेज: developersdigest.tech
  • सऊदी डेटा और आर्टिफ़िशियल इंटेलिजेंस प्राधिकरण (SDAIA) — व्यक्तिगत डेटा संरक्षण कानून (PDPL): sdaia.gov.sa