разработки. В ходе обучения существенно увеличили вычислительные ресурсы, направленные на задачи по программированию, а также расширили разнообразие обучающих сред, при этом модель сохранила сильные стороны в других областях, например в решении общих агентных задач. Muse Spark 1.2 обучалась совместно с Muse Code — с использованием траекторий, отобранных методом rejection sampling в тестовой среде (harness), а также оптимизаций рецептов для постановки целей, сжатия контекста (compaction) и работы с подагентами (subagents), наряду с интеграцией набора инструментов Muse Code. Модель прошла интенсивное обучение на задачах программирования с длинным горизонтом планирования, включая генерацию целых репозиториев, крупные сквозные проекты и автоматизированные исследования (auto-research). Саймон Уиллисон (Simon Willison) сравнил качество SVG-изображения пеликана, сгенерированного Muse Spark 1.2, и отметил небольшое, но заметное улучшение по сравнению с версией 1.1.