Meta veröffentlicht Muse Code und Muse Spark 1.2
Meta hat den KI-basierten Terminal-Agenten Muse Code als Beta-Version für macOS und Linux veröffentlicht. Das System wird vom Modell Muse Spark 1.2 angetrieben und erledigt komplexe Programmieraufgaben autonom durch Sub-Agenten. Ein lokales Protokoll sichert die Arbeit bei Abstürzen, während das Modell sogar aus Videos direkt fertige Websites programmiert.
Mit einem Datenteiler-Tarif auf DeepSeek-Niveau greift Meta etablierte Konkurrenten wie OpenAI und Anthropic aggressiv über den Preis an. Meta Research: Introducing Muse Code and Muse Spark 1.2 X (ehemals Twitter): Ankündigung von AI at Meta Meta hat den Terminal-Agenten Muse Code als Beta-Version für macOS und Linux veröffentlicht. Angetrieben vom neuen KI-Modell Muse Spark 1.2 bearbeitet die Software komplexe Programmieraufgaben in großen Repositories autonom und zielt auf Langzeiteinsätze ab.
Asynchrone Helfer im Hintergrund Muse Code integriert sich direkt in das Terminal. Der Agent plant Code-Änderungen, schreibt die entsprechenden Zeilen und validiert die Ergebnisse selbstständig. Bei großen Aufträgen teilt er die Arbeit auf mehrere Sub-Agenten auf.
Diese arbeiten parallel in isolierten Worktrees. Der eigentliche Arbeitsstand des Nutzers bleibt dabei unangetastet. Die asynchronen Hintergrundagenten bleiben während der gesamten Sitzung aktiv.
Sie sammeln kontinuierlich Kontext und entscheiden selbst, wann sie Informationen an den Hauptagenten zurückmelden. Dieses Vorgehen verhindert redundante Suchanfragen und senkt die Latenz bei mehrstufigen Aufgaben. Anzeige Lokales Protokoll sichert Dauerbetrieb Ein zentrales Problem von KI-Agenten ist der Umgang mit Abbrüchen bei langen Laufzeiten.
Muse Code schreibt jeden API-Aufruf, jede Werkzeugnutzung und jede Code-Bearbeitung in ein lokales Ereignis-Log. Dieses Log speichert die Daten ausschließlich als neue Einträge ab. Stürzt das System ab, liest der Agent dieses Protokoll aus und setzt die Arbeit exakt an der Unterbrechungsstelle fort.
Wie ausdauernd das System arbeitet, belegt ein Testlauf zur Optimierung von GPU-Kerneln auf Nvidia-Hopper-Hardware. Muse Code führte über 24 Stunden hinweg mehr als 1000 Werkzeugaufrufe durch. Die daraus resultierende Leistungssteigerung gegenüber dem Basis-Code veranschaulicht die folgende Grafik. + Quelle: Meta Top-Werte in den Artificial-Benchmarks Als Motor dient das neue Modell Muse Spark 1.2.
Meta hat die Rechenleistung für das Training im Bereich Programmierung spürbar erhöht. In übergreifenden Vergleichen wie dem Artificial Analysis Intelligence Index rückt das Modell dicht an die Leistungsspitze heran. + + Quelle: Meta Gleichzeitig gehört das System im Preis-Leistungs-Index zu den attraktivsten Angeboten am Markt. Es platziert sich dort exakt an der Grenze zum besten Quadranten. + Quelle: Meta Starke Code-Leistung und Kampfpreis Das spiegelt sich in den spezifischen Programmier-Auswertungen wider.
Bei Agenten-Aufgaben ordnet sich Muse Spark 1.2 knapp hinter Claude Opus 5 ein und übertrifft GPT 5.6 Terra. In Tests wie dem Terminal-Bench 2.1 oder DeepSWE erreicht Meta durchweg Platzierungen im oberen Drittel. + + Quelle: Meta Meta greift die Konkurrenz dabei über den Preis an. Wer seine Daten zur Verbesserung der Meta-Produkte freigibt, zahlt im Contributor-Tarif lediglich 0,10 US-Dollar pro Million Input-Token und 0,20 US-Dollar für den Output.
Wer seine Daten schützen möchte, nutzt den Standard-Tarif für 1,25 US-Dollar bzw. 4,25 US-Dollar. Meta integriert Muse Spark 1.2 ab heute für Entwickler in die hauseigene Model API.