Muse Code: Meta ha lanciato un agente di codifica che perde sul suo stesso benchmark

I fornitori di solito non pubblicano la classifica in cui arrivano secondi. Meta ne ha pubblicate tre. Nel deck di lancio di Muse Code — l'agente di codifica terminale che Meta Superintelligence Labs ha rilasciato il 5 agosto 2026, basato sul coevo Muse Spark 1.2 — Claude Opus 5 è in vantaggio su ogni classifica che Meta ha scelto di mostrare, inclusa quella che Meta ha costruito e controlla essa stessa. Su Terminal-Bench 2.1 il divario è di 3,8 punti. Su DeepSWE 1.1 è di 5,7, con GPT-5.6 Terra anch'esso in vantaggio. Sul benchmark di codifica interno di Meta è di 8,8. La versione virale di questo lancio — "59% su DeepSWE 1.1, superando Grok 4.5 e Gemini 3.6 Flash" — è vera, ed è la dichiarazione vera più ristretta disponibile.

Che rende il lancio più interessante, non meno. Meta ha pubblicato un benchmark che non vince e lo ha pubblicato comunque, perché il punteggio non è ciò che vende. Ciò che vende è un runtime che sopravvive a un lavoro di 24 ore, e un prezzo che sottoscatta il campo di oltre un ordine di grandezza — purché tu sia disposto a lasciare che Meta legga il tuo repository. Ogni dato di benchmark qui sotto proviene dai grafici di Meta, pubblicati senza metodologia; dove esiste una misurazione indipendente, la frase lo dice.

Cosa ha effettivamente rilasciato Meta

Due cose nello stesso giorno, deliberatamente accoppiate.

• Muse Code — un agente di codifica da terminale, in beta pubblica, installabile con una sola riga: curl -fsSL https://dev.meta.ai/install.sh | bash. Solo macOS e Linux; non esiste una build nativa per Windows, né GUI né estensione per IDE. Meta descrive il suo compito come affrontare complesse attività di ingegneria del software su repository di grandi dimensioni — pianificare modifiche, scrivere codice, validare i risultati.

• Muse Spark 1.2 — una revisione del modello di ragionamento di Meta incentrata sul coding, con contesto da 1.048.576 token, disponibile all'interno di Muse Code e tramite l'API Meta Model in anteprima pubblica. Meta afferma di aver aumentato la potenza di calcolo per l'addestramento su compiti di coding e ampliato la diversità degli ambienti di addestramento, con l'obiettivo di supportare attività a lungo orizzonte: generazione di interi repository, refactoring multi-file e debugging esteso.

L'accoppiamento è la tesi. Meta afferma che i due sono stati addestrati congiuntamente e che l'abbinamento produce quindi "un uso migliore degli strumenti, meno tentativi e un output di qualità superiore rispetto a un wrapper generico attorno a un modello esterno". Questa è la formulazione di Meta e l'affermazione di Meta; nessuna terza parte ha testato il modello all'interno di un harness rivale per verificare se il vantaggio del co-training sia reale o se Muse Spark 1.2 si comporti semplicemente come un modello di codifica competente ovunque lo si metta.

Tre skill incluse sono fornite con l'agente e descrivono lo stile di lavoro previsto meglio di quanto faccia il testo di marketing: /plan produce un piano soggetto ad approvazione prima che venga scritto qualsiasi cosa, /grill mette alla prova quel piano, e /goal spinge verso il completamento di un obiettivo dichiarato. Pianifica, attacca il piano, poi esegui — che è il modello a cui gli utenti esperti di Claude Code e Codex sono arrivati manualmente, ora disponibile come comandi di prima classe.

Il deck di benchmark, letto onestamente.

Meta ha pubblicato confronti su Terminal-Bench 2.1, DeepSWE 1.1, il proprio Meta Internal Coding Bench e GDPval. I numeri, come riportato da Meta:

• Terminal-Bench 2.1 — Claude Opus 5 al massimo sforzo in Claude Code 86,7%, Muse Spark 1.2 in Muse Code 82,9%, GPT-5.6 Terra in Codex 81,8%, Grok 4.5 in Grok Build 81,6%. Secondo posto, e dal secondo al quarto sono separati da 1,3 punti.

• DeepSWE 1.1 — Claude Opus 5 65.0%, GPT-5.6 Terra 64.8%, Muse Spark 1.2 59.3%. Terzo posto, e l'unica classifica in cui il divario è decisivo piuttosto che cosmetico.

• Meta Internal Coding Bench — Claude Opus 5 79.4%, Muse Spark 1.2 70.6%. La gara di casa di Meta, e la sconfitta più ampia di Meta.

• Di generazione in generazione — Meta riporta +6,7 punti su Terminal-Bench e +6,3 su DeepSWE rispetto a Muse Spark 1.1. Sono i numeri più grandi nella presentazione, e sono quelli a cui un utente di Muse Spark 1.1 dovrebbe davvero prestare attenzione.

Un intoppo aritmetico merita di essere menzionato, perché è il motivo per cui tutto quanto sopra va considerato come indicativo. Togliendo il +6.7 di Meta, Muse Spark 1.1 si attesta intorno al 76% su Terminal-Bench 2.1 — ma la classifica pubblica di tbench.ai riporta un verificato 80.0% per Muse Spark 1.1 dalla fine di luglio. Entrambi i numeri possono essere onesti e comunque divergere, perché una riga di Terminal-Bench non è un punteggio del modello. È un punteggio per un insieme di harness più modello più impostazione di sforzo, e l'harness interno di Meta per la 1.1 non era quello usato da tbench. Questo singolo fatto danneggia il confronto tra vendor più di qualunque singolo dato contestato, e porta direttamente alla sezione successiva.

Il runtime è il prodotto

Elimina i punteggi e ciò che resta è una proposta ingegneristica sul non morire. Due meccanismi la sostengono.

Il primo è il registro degli eventi. Muse Code aggiunge ogni chiamata al modello, ogni esecuzione di strumento, ogni approvazione e ogni modifica a un registro locale, che Meta descrive come ciò che rende la sessione riproducibile con esattezza e sicura al riavvio: uccidila, mandala in crash, perdi la macchina, e l'agente riprende esattamente da dove si era fermato, invece di ricavare di nuovo il proprio contesto da zero. I concorrenti hanno un ripristino in caso di crash di qualità variabile; nessuno di loro ne ha fatto il punto di forza. È anche, per inciso, un artefatto di audit — una registrazione locale completa di ciò che un processo autonomo ha fatto al tuo albero di lavoro, che è esattamente il documento che una revisione di sicurezza richiede e che la maggior parte delle CLI per agenti non può produrre.

Il secondo è ciò che Meta chiama agenti di background asincroni. La differenza rispetto ai subagent ordinari è che non vengono generati per ogni sottoattività e poi smantellati; restano attivi per l'intera sessione, portano avanti i passaggi successivi in autonomia e scelgono quando riferire al loop principale. Il vantaggio dichiarato è una latenza inferiore, perché l'orchestratore non sostiene il costo di avvio ogni volta che delega.

L'evidenza a supporto di Meta è un caso di studio: Muse Code in esecuzione per 24 ore nel corso di più di 1.000 chiamate a strumenti, ottimizzando autonomamente i kernel GPU su hardware NVIDIA Hopper, con quelli che Meta definisce miglioramenti sostanziali rispetto all'implementazione baseline fornita. Non è stata pubblicata alcuna cifra di speedup, quindi la quantità interessante non è il risultato ma la durata. Mille chiamate a strumenti senza intervento umano rappresentano una superficie di errore diversa da un refactor di cinquanta chiamate, ed è un carico di lavoro in cui un deficit di 3,8 punti nel benchmark conta molto meno del fatto che il processo sia ancora vivo alla nona ora.

Il prezzo è l'arma — e parte di esso è pagata in codice sorgente

Non c'è abbonamento a Muse Code. La fatturazione è a token, su uno dei due livelli, e la differenza tra loro è la cosa più aggressiva di questo lancio:

• Standard — $1,25 per milione di token di input, $0,15 per milione di input in cache, $4,25 per milione di output. I prompt su questo livello non vengono utilizzati per migliorare i prodotti di Meta.

• Contributore — $0,10 per milione di input, $0,002 per milione di input in cache, $0,20 per milione di output. In cambio, Meta può utilizzare i dati per migliorare i propri modelli.

Questo è 12,5 volte più economico sull'input, 21 volte più economico sull'output e 75 volte più economico sull'input in cache. Applicandolo a un passo di agente realistico — 60.000 token di contesto del repository in ingresso, 3.000 token di piano-e-patch in uscita — i quattro angoli della griglia dei prezzi sono sorprendenti. Livello Standard con prompt a freddo: 8,8 centesimi a passo, 87,75 $ per mille passi. Livello Standard con il contesto del repository in cache: 2,2 centesimi, 21,75 $ per mille. Livello Contributor a freddo: 0,66 centesimi, 6,60 $ per mille. Livello Contributor con cache calda: 0,72 $ per gli stessi mille passi.

Lo stesso lavoro, a 122 volte il costo o a 1/122 di esso, a seconda di due scelte. L'esecuzione del kernel di Meta, di 24 ore e 1.000 chiamate, costa circa novanta dollari di token sul livello che protegge i tuoi dati, e meno di un dollaro su quello che non lo fa.

Qual è la decisione reale che questo lancio mette davanti ai team, e non è una decisione di prezzo. Un agente di coding terminale legge il tuo codebase — è la sua intera funzione — quindi i prompt sul livello contributor contengono il tuo codice sorgente, le tue API interne, i tuoi commenti sul perché esiste la soluzione alternativa, e qualunque fixture di test il tuo repository contiene. Per un progetto secondario o un albero open-source, il livello contributor è praticamente denaro gratuito. Per un codebase proprietario, o qualsiasi repository a portata di dati dei clienti, è una decisione di licenza travestita da sconto, e va davanti a chi approva la gestione dei dati piuttosto che a chi controlla la bolletta del cloud. Meta lo ha prezzato con uno sconto di 12x perché i dati valgono almeno quel tanto per Meta.

Cosa non puoi ottenere tramite l'API

L'82,9% appartiene a Muse Spark 1.2 all'interno di Muse Code. Se chiami il modello dal tuo framework di agenti, hai comprato la componente modello di quella coppia e nessuna componente infrastrutturale — nessun registro di eventi, nessun agente di background persistente e, se l'affermazione di co-training di Meta significa qualcosa, nemmeno il comportamento di uso degli strumenti ottimizzato. Quindi qui ci sono due valutazioni separate e confonderle è l'errore più facile da fare questa settimana: Muse Code batte l'agente che già esegui, e Muse Spark 1.2 è un modello migliore di quello che chiami attualmente?

La seconda domanda è quella più economica a cui rispondere, perché richiede solo di mantenere costante il tuo harness e sostituire il modello sottostante. Vale la pena essere precisi sulla disponibilità: Muse Spark 1.2 è servito direttamente da Meta e non è nel catalogo OrcaRouter. Muse Spark 1.1 lo è, a $1,25 e $4,25 — esattamente il prezzo di listino di Meta, perché OrcaRouter applica un margine dello 0% e trasmette direttamente i prezzi del provider, il che è anche il motivo per cui una variazione di prezzo del fornitore compare dalla nostra parte il giorno stesso in cui avviene, invece che dopo un ciclo contrattuale. La nostra telemetria di produzione su sette giorni per la 1.1 mostra un p50 del time-to-first-token di 1,84 secondi e un p95 di 6,00 secondi, che è un'aspettativa di latenza più utile di qualsiasi benchmark harness.

Il valore pratico di un gateway unico in una settimana come questa è che il set di confronto — Claude Opus 5, GPT-5.6 Terra, Grok 4.5, Gemini 3.6 Flash e Muse Spark 1.1 — si trova dietro un'unica chiave al prezzo di listino, quindi un test A/B è un cambio di stringa piuttosto che un esercizio di procurement. Copre anche il rischio strutturale dell'offerta di Meta: Muse Spark 1.2 ha esattamente un fornitore, il che lo rende un punto unico di guasto per costruzione. Il failover automatico tra i provider è la differenza tra un brutto pomeriggio per Meta che diventa un brutto pomeriggio per il tuo agente, oppure no.

Questo è anche il motivo per cui la versione 1.2 è uscita in sordina e con lentezza.

Muse Spark 1.2 è apparso sull'API di Meta il 5 agosto senza alcun annuncio e senza numeri modificati — stesso contesto da 1M, stessi $1,25 e $4,25, stesso selettore di ragionamento a cinque livelli di Muse Spark 1.1. L'unica cosa che è cambiata è stata misurata dall'esterno: Artificial Analysis ha misurato un time-to-first-token di 26,12 secondi contro i 2,90 secondi della 1.1 al massimo livello di ragionamento, guadagnando tre punti di Intelligence Index, da 51 a 54. Letto come rilascio di un modello general-purpose, è uno scambio strano — nove volte l'attesa per tre punti.

Letto come la metà modello di un agente co-addestrato, è il compromesso ovvio. Nessuno in attesa di un refactor di dodici file nota ventisei secondi di pianificazione; la persona in attesa di una risposta di chat nota tutto. Meta non stava rilasciando un modello di chat in silenzio sperando che nessuno misurasse la latenza. Stava consegnando il motore prima dell'auto, e l'annuncio è arrivato quando è arrivata l'auto. Anche la pagina sviluppatori di Muse Spark di Meta ora riporta la versione 1.2.

Il corollario è un avvertimento per chi ha adottato questa famiglia per la sua ampiezza. Muse Spark 1.1 è stato venduto come modello di ragionamento multimodale — testo, immagini, video, audio e PDF, adatto per la ricerca su media misti. Il posizionamento della versione 1.2 è il lavoro software, e il suo materiale di lancio è un agente di codifica. La superficie multimodale non è stata rimossa, ma non è più ciò che Meta sta ottimizzando o pubblicizzando, e nessuno al di fuori di Meta ha pubblicato un risultato video o audio per la 1.2.

Dove Muse Code è ancora scarso

• È in beta, ed è etichettato come tale. Nessuno al di fuori di Meta ha verificato nulla riguardo alla garanzia del registro eventi.

• Solo macOS e Linux. Gli sviluppatori Windows sono su WSL o niente, il che è un vero vincolo per le flotte aziendali piuttosto che un inconveniente.

• Solo da terminale. Nessuna GUI, nessuna integrazione IDE e nessun agente parallelo ospitato su cloud del tipo che Codex già offre. Il materiale di lancio di Meta non menziona il supporto MCP.

• Nessuna metodologia pubblicata alla base dei grafici di benchmark, e nessuna valutazione indipendente è stata ancora condotta né sull'agente né sui punteggi secondari di codifica di Muse Spark 1.2. Artificial Analysis ha un indice composito per la 1.2, ma non la suddivisione per benchmark di codifica e agentica che pubblica per la 1.1 — e il punteggio agentico della 1.1 era la sua dimensione più debole di un ampio margine, il che lo rende esattamente il numero che risolverebbe questa release.

• Meta è in ritardo.Claude Code e Codex hanno un anno di abitudine, ecosistemi di plugin e flussi di lavoro di team costruiti attorno a loro. Un registro eventi a prova di crash è una buona ragione per provare qualcosa; non è di per sé una ragione per spostare un team.

Domande che le persone fanno realmente

Muse Code è gratuito?

No, ma non c'è nemmeno un abbonamento — a differenza dei piani Claude Code e Codex con cui compete, Muse Code fattura esclusivamente a token tramite la Meta Model API. Il costo quindi scala con quanto contesto del repository caricano le tue sessioni, non con il numero di utenti, il che favorisce chi ne fa un uso occasionale ma intensivo e penalizza gli agenti sempre attivi. Il livello contributor è abbastanza vicino al gratuito da non rendere il prezzo una vera barriera per provarlo.

Il livello Contributor si addestra sul mio codice privato?

I termini di Meta per quel livello prevedono che i dati possano essere utilizzati per migliorare i suoi modelli, e i prompt di un agente di codifica contengono il tuo codice. Meta afferma che i prompt del livello standard non vengono utilizzati per migliorare i suoi prodotti; è quello da usare per qualsiasi cosa proprietaria. Tratta la scelta come una decisione di gestione dei dati con uno sconto associato, non come una preferenza di fatturazione — e nota che lo sconto si applica per token, quindi l'incentivo a declassare silenziosamente cresce esattamente quanto il tuo utilizzo.

Posso usare Muse Spark 1.2 con Claude Code o con il mio agente?

Il modello è disponibile tramite l'API Meta Model indipendentemente da Muse Code, quindi sì per qualsiasi cosa che accetti un endpoint personalizzato. Quello che non otterrai è l'abbinamento co-addestrato a cui Meta attribuisce i suoi risultati di benchmark, e l'aspettativa onesta è che un modello eseguito al di fuori dell'harness con cui è stato ottimizzato ottenga punteggi inferiori al numero sul grafico. Se l'obiettivo è valutare il modello piuttosto che l'agente, eseguilo contro Claude Opus 5 e GPT-5.6 Terra nel tuo harness e ignora del tutto la presentazione.

Chi dovrebbe installarlo questa settimana

Se esegui lavori autonomi a lungo orizzonte — migrazioni, aggiornamenti di dipendenze attraverso un monorepo, qualsiasi cosa che attualmente dovresti supervisionare perché l'agente perde il filo — Muse Code merita un pomeriggio su un clone di prova. Il log degli eventi e gli agenti di background persistenti sono mirati esattamente a quella modalità di errore, e il deficit nei benchmark è minore dove la durata delle attività è più lunga.

Se ti trovi su un codebase open-source o non sensibile e il costo è il tuo vincolo principale, il livello contributor è il numero più interessante nel mercato degli agenti di coding in questo momento, e 0,66 centesimi a step non è un refuso.

Se stai gestendo un team su Claude Code o Codex contro un repository proprietario, non c'è ancora nulla qui che costringa a cambiare. Muse Code è seconda o terza in ogni classifica selezionata dal suo stesso vendor, con prezzi del piano standard alla pari con la concorrenza piuttosto che inferiori, e il fattore distintivo è una proprietà di affidabilità che nessuno al di fuori di Meta ha testato. La cosa da osservare non è il prossimo benchmark. È se il registro degli eventi regge quando qualcuno che non lavora in Meta ci fa passare mille chiamate agli strumenti.