A Meta augusztus 5-én nyilvános bétában kiadta a Muse Code nevű terminálalapú MI-kódolóügynökét, amely közvetlenül a parancssorból vezérelve ír, módosít és ellenőriz kódot nagyobb szoftvertárakon. A Muse Code a cég legfrissebb, kódolásra hangolt Muse Spark 1.2 modelljére épül, és a Meta ezzel az Anthropic Claude Code-jának, illetve az OpenAI Codex-ének kíván közvetlen versenytársat állítani a fejlesztői piacon.
Hogyan működik a Muse Code a gyakorlatban?
A Muse Code nem böngészőből elérhető csevegőfelület, hanem közvetlenül a terminálban fut, és ott dolgozik, ahol a fejlesztő is. A telepítése egyetlen paranccsal megtörténik macOS-en és Linuxon: curl -fsSL https://dev.meta.ai/install.sh | bash. Windowsra egyelőre nincs hivatalos verzió. A rendszer indításkor Meta-fiókhoz és számlázási adatokhoz köti a hozzáférést, utána pedig a helyi Git-tárat elemezve áll munkába.
A Muse Code egyik jellegzetessége az úgynevezett háttérügynök-rendszer. Amikor a felhasználó kiad egy komplexebb utasítást, a fő ágens részfeladatokra bontja azt, és alügynököket indít, amelyek párhuzamosan dolgoznak különböző fájlokon vagy könyvtárakon. Ezek a háttérfolyamatok az egész munkamenet során aktívak maradnak, és nem kell újra és újra elmagyarázni nekik a projekt kontextusát, ami különösen nagyobb kódbázisoknál takarít meg időt.
A Meta emellett egy helyi, csak hozzáfűzéses eseménynaplót épített a rendszerbe. Ennek köszönhetően a Muse Code összeomlás, hálózati hiba vagy a terminál véletlen bezárása után pontosan onnan folytatja a munkát, ahol abbahagyta, anélkül hogy a korábbi lépések elvesznének. A fejlesztők ezt replay-exact működésnek nevezik.
Muse Code árazás és adatvédelmi figyelmeztetés
A Meta az új ügynökhöz forgalomalapú árazást társít: a fizetős szinten egymillió bemeneti tokenért 1,25 dollárt, egymillió kimeneti tokenért pedig 4,25 dollárt kér. Emellett létezik egy contributor csomag is, amely a hivatalos tájékoztató szerint tízszeres árelőnyt kínál, viszont fontos kitétel, hogy ebben az üzemmódban a felhasználó kódja és utasításai bekerülhetnek a Meta tanítóadatai közé. Aki saját fejlesztésű, üzletileg érzékeny kódon dolgozik, annak kifejezetten a magasabb árkategóriát javasolják, amelynél a cég nem használja fel a bemenetet modellképzésre.
Muse Code a benchmarkokon: hol tart a riválisokhoz képest?
A teljesítményt tekintve a kép vegyes. A Meta saját mérései szerint a Muse Spark 1.2 a Terminal-Bench 2.1 és a DeepSWE 1.1 teszteken versenyképes eredményeket mutat, és az OpenAI GPT-5.6 Terra modelljét egyes feladattípusokon megelőzi. A nagyobb iparági benchmarkokon viszont még van lemaradás. A SWE-bench Verified teszten az Anthropic Claude Opus 5 modellje körülbelül 96-97 százalékos pontossággal vezet, a Claude Fable 5 a nehezebb SWE-bench Pro teszten körülbelül 80 százalékot ér el, míg a Muse Spark korábbi 1.1-es változata a Pro szinten nagyjából 61,5 százalékon állt.
A Meta a Muse Code esetében nem kizárólag a nyers benchmarkeredményekre helyezi a hangsúlyt, hanem az integrációra és a fejlesztői élményre. A háttérágens-rendszer, az összeomlásbiztosság és a párhuzamos alügynökök együttese olyan gyakorlati előnyöket jelent, amelyeket a szintetikus tesztek nem feltétlenül ragadnak meg. Az viszont tény, hogy a SWE-bench Pro-n mért különbség az Anthropic és a Meta megoldása között továbbra is jelentős, és a fejlesztők számára ez az egyik legfontosabb összehasonlítási szempont a döntéshozatalban.
Ki számára érdemes kipróbálni?
A Muse Code leginkább azoknak a fejlesztőknek lehet vonzó, akik már a Meta ökoszisztémájában dolgoznak, vagy akik a terminálközpontú munkafolyamatot részesítik előnyben a webes felületek helyett. A contributor szintű árazás különösen olcsó belépési pontot kínál hobbifeladatokra és személyes projektekre, amennyiben a felhasználó elfogadja, hogy a kódja tanítóadatként szolgálhat. Üzleti környezetben viszont érdemes a magasabb fizetős szintet választani, és figyelni arra, hogy a Meta alapértelmezés szerint a betáplált kódot felhasználhatja saját modelljeinek fejlesztéséhez.
