Meta uruchomiła 5 sierpnia 2026 roku swojego pierwszego agenta do kodowania — Muse Code — oraz nowy model Muse Spark 1.2, który go napędza. To bezpośrednia próba wejścia na rynek narzędzi programistycznych zdominowany przez Anthropic i OpenAI. Według szefa Meta Superintelligence Labs koncern zamierza konkurować przede wszystkim ceną, a nie samymi możliwościami.
Najważniejsze w skrócie
- Muse Code to pierwszy agent kodujący Meta, dostępny w wersji preview i instalowany jedną komendą w terminalu.
- Muse Spark 1.2 to model napędzający agenta, trenowany równolegle z nim pod kątem zadań programistycznych.
- Agenty działające w tle pozostają aktywne przez całą sesję i skracają opóźnienia przy zadaniach wieloetapowych.
- Model zoptymalizował kernele GPU w ponad 1000 wywołań narzędzi w ciągu 24 godzin dla układów NVIDIA Hopper.
- Najtańsza warstwa dostępu jest ponad 10 razy tańsza od opcji pay-as-you-go, ale wymaga zgody na wykorzystanie danych do treningu.
Agent w terminalu, model pod spodem
Muse Code to narzędzie działające w wierszu poleceń, które przejmuje całe zadania inżynierii oprogramowania — od planowania zmian, przez pisanie kodu, po sprawdzanie wyników. Alexandr Wang, szef Meta Superintelligence Labs, opisał je w wywiadzie jako gotowe do pracy na dużych repozytoriach zaraz po instalacji jedną komendą. Podobnie jak asystenci Claude od Anthropic i Codex od OpenAI, narzędzie łączy budowę aplikacji i zarządzanie flotą cyfrowych agentów w jednym interfejsie.
Pod agentem działa tzw. harness — warstwa zarządzania modelami AI dostrojona do projektów programistycznych. Muse Code korzysta z agentów działających w tle, które nie są uruchamiane osobno dla każdego zadania, lecz pozostają aktywne przez całą sesję. Zdaniem Meta AI ogranicza to opóźnienia przy problemach wieloetapowych.
Środowisko uruchomieniowe opiera się na lokalnym logu zdarzeń, dzięki czemu — jak podaje dokumentacja Meta — jest „replay-exact” i odporne na restart po awarii, co pozwala prowadzić długie zadania bez utraty stanu. Agent dostarcza też wbudowane komendy: „/plan” tworzy plan wymagający zatwierdzenia, „/grill” testuje go pod kątem słabych punktów, a „/goal” prowadzi pracę do ukończenia zadania.
Muse Spark 1.2 — model trenowany na kodzie
Nowy model rozwija linię Muse Spark, którą Meta udostępniła w API miesiąc wcześniej. Firma zwiększyła moc obliczeniową na trening zadań programistycznych i rozszerzyła różnorodność środowisk treningowych. Model radzi sobie z zadaniami o długim horyzoncie — generowaniem całych repozytoriów i dużych projektów — a część danych do nauki powstała w pętli samodoskonalenia, w której starszy Muse Spark 1.1 generował materiał treningowy dla nowszej wersji.
Meta pokazała wyniki na benchmarkach Terminal-Bench 2.1, DeepSWE 1.1 oraz własnym Meta Internal Coding Bench, ale nie podała bezpośrednich porównań liczbowych z modelami Anthropic czy OpenAI. Najbardziej wymownym przykładem jest studium optymalizacji kerneli GPU: model dostrajał kernele KDA i MLA dla układów NVIDIA Hopper przez ponad 1000 wywołań narzędzi w ciągu 24 godzin, uzyskując istotną poprawę względem bazowej implementacji.
Konkurencja na cenę, nie na możliwości
Meta różnicuje Muse Code i rodzinę modeli Muse Spark wobec ofert konkurencji przede wszystkim ceną, a nie możliwościami — podkreślił Wang. Deweloperzy mogą płacić w modelu pay-as-you-go, ale dostępna jest też warstwa „contributor”, która według Wanga wchodzi „ponad 10 razy taniej” niż opcja pay-as-you-go. W zamian użytkownicy najtańszego planu muszą zgodzić się na wykorzystanie ich danych do ulepszania modelu.
Nowy model Meta trafi także na platformę OpenRouter, która hostuje popularne modele, w tym rozwiązania o otwartych wagach chińskich laboratoriów, takich jak DeepSeek AI i Z.ai. Firma zaczyna też przyjmować zgłoszenia na tryb zero-data retention, w którym nie zatrzymuje danych deweloperów — Wang nazwał to ważną funkcją dla klientów korporacyjnych. To istotny sygnał, bo Meta czerpie około 98 procent przychodów z reklam opartych na danych użytkowników.
Dlaczego to ważne?
Strategia cenowa Meta to zakład na utowarowienie agentów kodujących. Umieszczając swój model obok chińskich modeli o otwartych wagach na jednej platformie, firma traktuje modele do kodu jak wymienną infrastrukturę, w której liczy się koszt jednostkowy. Warstwa „dane za zniżkę” wykorzystuje reklamowe DNA koncernu, ale rodzi napięcie z zaufaniem korporacyjnym — stąd równoległa oferta zero-data retention. Jeśli jakość Muse Code dorówna liderom, presja cenowa może uderzyć w marże płatnych asystentów, dla których argumentem były dotąd możliwości, a nie cena.
Co dalej?
- Muse Code pozostaje w wersji preview, a Wang odmówił podania statystyk użytkowników — o adopcji zdecydują dopiero kolejne dane.
- Meta przyjmuje zgłoszenia na tryb zero-data retention?Zero-data retention: Tryb, w którym dostawca nie przechowuje danych przesłanych do modelu ani nie używa ich do treningu., co otwiera drogę do wdrożeń korporacyjnych.
- Udostępnienie modelu na OpenRouter rozszerzy jego zasięg poza własną stronę deweloperską Meta.
