Prime Agent vs Meta Muse Code: l'harness RLM aperto vs l'agente terminale co-addestrato

Il 5 agosto 2026, due agenti di codifica da terminale molto diversi sono stati lanciati lo stesso giorno. Prime Agent, di Prime Intellect, è un harness open-source con licenza MIT e auto-migliorante — un framework che installi localmente e punti verso qualsiasi modello per cui già paghi. Meta Muse Code Terminal Coding Agent è un prodotto chiuso di Meta, con pagamento per token, co-addestrato con il suo modello Muse Spark 1.2 e venduto come agente gestito su macOS e Linux. Stessa categoria, stessa data di uscita, scommesse opposte su ciò che un agente di codifica AI dovrebbe essere: uno è un'impalcatura gratuita a cui porti il tuo cervello, l'altro è un prodotto integrato in cui Meta ha costruito modello e harness come un'unica unità. Tutto il resto di questo confronto deriva da questa divisione — quale modello puoi effettivamente eseguire, come appare il conto e quale benchmark (se esiste) è persino giusto eseguire su entrambi.

Nessuno di questi è un modello che si chiama tramite una chiave API; entrambi sono agenti che si installano in un terminale. Questo è il primo punto su cui la copertura del lancio si confonde, quindi chiariamolo prima del confronto: Prime Agent è un'infrastruttura senza un modello proprio: accedi con una chiave di Anthrop​ic, Open​AI, DeepS​eek, OpenRouter o di altri 25 provider, oppure con un abbonamento come Claude Pro o ChatGPT, e guida qualunque cosa gli fornisca. Muse Code è l'agente da terminale di Meta, inseparabile dal modello che contiene: Muse Spark 1.2 è stato co-addestrato con l'agente su traiettorie di harness campionate per rifiuto (rejection-sampled), quindi i due sono ottimizzati insieme e venduti insieme. La domanda pratica per chiunque stia valutando questa coppia è se si desidera quella integrazione o si preferisce gestire autonomamente la scelta del modello.

Stesso giorno, stessa categoria, scommesse opposte.

Entrambi gli strumenti sono agenti terminali "installazione a una riga" pensati per lavori a lungo termine su codebase reali. Muse Code si installa con curl -fsSL https://dev.meta.ai/install.sh | bash e funziona su macOS o Linux. Prime Agent si installa con curl -fsSL https://app.primeintellect.ai/prime-agent/install.sh | sh e funziona su macOS, Linux e Windows tramite WSL. Entrambi pianificano una modifica, modificano file, eseguono comandi e convalidano il risultato. Entrambi vogliono essere la cosa che lasci in esecuzione durante la notte. È qui che finisce il vocabolario condiviso.

Prime Agent è costruito attorno a due astrazioni nuove per la progettazione di agenti di codifica. La prima è il Modello Linguistico Ricorsivo (RLM): il modello riceve esattamente un solo strumento — un kernel IPython persistente — e fa tutto il resto scrivendo Python. Leggere file, eseguire comandi shell, cercare sul web, generare sotto-agenti, persino gestire il proprio contesto diventano codice che il modello scrive ed esegue. Il contesto è trattato come una variabile che sopravvive tra i turni e la compattazione, piuttosto che come qualcosa stipato nella finestra dei token. I sotto-agenti vengono lanciati programmaticamente con await rlm("subtask"), che restituisce immediatamente un handle e consegna i risultati tramite messaggi agente-a-agente; ogni sotto-agente è esso stesso una piena istanza di Prime Agent con il proprio kernel, modello e cronologia. La seconda astrazione è il Continual Harness: i prompt, le memorie, le abilità e le specifiche dei sotto-agenti risiedono in un archivio CRUD che l'agente può modificare dalla propria traiettoria. Un comando /refine rivede ciò che è appena successo e applica il più piccolo miglioramento basato su prove a quell'archivio, con snapshot in modo che qualsiasi modifica possa essere annullata. Il prompt di sistema di base non cambia mai.

Muse Code affronta lo stesso problema dal punto di vista del prodotto. Il suo meccanismo principale è un log degli eventi locale che registra ogni chiamata al modello, esecuzione di strumenti, approvazione e modifica — append-only, quindi una sessione in crash è esattamente riproducibile e riavviabile in sicurezza da qualsiasi punto. Mantiene attivi agenti asincroni di background persistenti durante una sessione, che si ramificano in worktree git isolati e riferiscono quando un passo è completato, ed è così che Meta afferma di aver costruito sei funzionalità di gioco in parallelo senza collisioni. Include tre comandi integrati: /plan per un piano passo-passo soggetto ad approvazione, /grill per stress-testare un piano e /goal per avanzare verso un obiettivo. Nessuna di queste è una funzionalità del modello; è ingegneria dell'harness, ed è esattamente il motivo per cui l'accoppiamento modello-harness conta così tanto qui — Meta ha ottimizzato il modello per questo harness e ottimizza l'harness per il modello nello stesso ciclo di rilascio.

La domanda modello è l'intera domanda.

La differenza più profonda non è l'architettura, è l'accoppiamento. Muse Code è una scommessa su un unico prodotto: ottieni Muse Spark 1.2, punto. È un modello potente — un Artificial Analysis Intelligence Index di 54, pareggiando con Grok 4.5, in aumento rispetto al 51 di Muse Spark 1.1 — ma è anche l'unica scelta, offerta da un unico fornitore. Prime Agent è volutamente model-agnostic: funziona con accessi in abbonamento (Claude Pro/Max, ChatGPT/Codex, GitHub Copilot) e chiavi API di Anthropic, OpenAI, Google, DeepSeek, Mistral, xAI, OpenRouter, Groq, Cerebras, Fireworks, Amazon Bedrock, Azure OpenAI, NVIDIA NIM, Ollama, LM Studio, vLLM self-hosted, e altri ancora. Eseguilo su DeepSeek V4 Flash per tenere basso il costo di un'attività lunga, oppure su Opus 5 quando l'attività giustifica un prezzo da modello di frontiera — il framework è lo stesso in entrambi i casi.

Quella libertà è anche una responsabilità, ed è l'onesta avvertenza su cui i recensori continuano a tornare. Il design RLM di Prime Agent sposta molta complessità sul modello: il modello deve scrivere codice Python corretto ed eseguibile per fare qualsiasi cosa. Con un modello forte che produce codice pulito e test approfonditi, i risultati sono eccellenti. Con un modello più debole, l'harness diventa una responsabilità — Python rotto, tentativi infiniti e un'esplosione dei costi a coda lunga. Il tester indipendente che ha eseguito Prime Agent su quattro modelli ha scoperto che DeepSeek V4 Flash, il più economico dei quattro, era anche il più veloce e pulito, completando una batteria di nove attività in sette minuti, mentre un Nemotron da 550B ha impiegato 28,8. Ma la stessa recensione ha rilevato che lo strumento è "esplicitamente non una sandbox di sicurezza": il Python generato dal modello viene eseguito con i permessi del tuo sistema operativo, quindi il README stesso consiglia cloni usa e getta e sandbox esterne per codice non attendibile. Muse Code non ha questa avvertenza perché non esiste una tale superficie: l'harness è chiuso e la tua esposizione è limitata dalle decisioni di prodotto di Meta.

Prezzo — due questioni diverse, non due cartellini dei prezzi

Confrontare i "prezzi" tra questi due è come confrontare uno strumento gratuito con un prodotto a pagamento per token, e il modo onesto di farlo è dire cosa compra effettivamente ogni dollaro. Muse Code ha un listino prezzi reale. Il livello standard è di $1,25 per milione di token in input, $0,15 per milione di input in cache, $4,25 per milione di output, e i prompt su quel livello non vengono utilizzati per migliorare i prodotti di Meta. Un passo tipico di un agente — 60K token in ingresso, 3K in uscita — costa circa 8,8 centesimi a freddo e 2,2 centesimi con cache calda. Il livello contributor è decisamente più economico: $0,10 / $0,002 / $0,20, che si traduce in 12,5 volte in meno sull'input, 21 volte in meno sull'output e 75 volte in meno sull'input in cache — un passo a freddo costa circa 0,66 centesimi. Il problema è spiegato nel nome: su questo livello Meta può utilizzare i dati delle tue sessioni per migliorare i suoi modelli, e per un agente di codifica i dati delle tue sessioni sono il tuo codice sorgente. È una decisione di licenza dei dati travestita da sconto, limitata a 60 richieste al minuto contro le 3.000 del livello standard.

Prime Agent non ha un listino prezzi perché non ha nulla da vendere: il sistema è concesso con licenza MIT ed è gratuito. La tua fattura è pari a quella del modello a cui lo punti. L'aritmetica che conta, quindi, è per singolo fornitore. Esegui la stessa operazione da 60K in ingresso e 3K in uscita su DeepSeek V4 Flash al suo attuale prezzo di listino e costa ben meno di un centesimo; eseguila su Opus 5 e ti trovi nel territorio del livello Muse-Code-standard o superiore. Quindi il vero confronto non è "agente più economico", ma "chi controlla la fattura del modello": Muse Code ti dà un unico prezzo fisso e pubblicato; Prime Agent ti dà la leva e la responsabilità. Per i team che vogliono provare un modello nuovo o non collaudato senza impegnare un percorso di produzione su di esso, quella leva è il punto: con un endpoint vendor-neutral che interfaccia oltre 200 modelli dietro un'unica API compatibile con OpenAI e trasmette il prezzo di listino del fornitore senza alcun ricarico — così un taglio di prezzo del fornitore è attivo lo stesso giorno — cambiare modello a un sistema come Prime Agent è una modifica di configurazione, non un secondo contratto.

Benchmark che non si sovrappongono

Ecco il fatto più importante riguardo alle fonti in questo confronto: Prime Agent e Meta Muse Code non sono mai stati eseguiti sullo stesso benchmark da nessuno. I numeri del confronto diretto che l'hype del lancio lascia intendere non esistono. Meta ha pubblicato i risultati di Muse Code su Terminal-Bench 2.1 (Muse Spark 1.2 all'82,9%, dietro Claude Opus 5 con l'86,7%, davanti a GPT-5.6 Terra con l'81,8% e Grok 4.5 con l'81,6%), DeepSWE 1.1 (59,3%, terzo) e il benchmark di codifica interno di Meta (70,6%). Tutti e tre sono riportati da Meta, sull'harness di Meta, senza replica da parte di terzi. Prime Intellect ha pubblicato i risultati di Prime Agent su ARC-AGI-3 (95,5% RHAE Best@1 con Opus 5, sopra la baseline umana esperta riportata da ARC del 95,4%), una suite a contesto lungo in cui batte Pi-mono in 8 delle 9 valutazioni con GLM-5.2 e supera di poco Claude Code e Codex con modelli di frontiera, e casi di studio come la creazione di emulatori SEGA Genesis e Game Boy Color in Rust. Anche tutte le cifre di Prime Intellect sono riportate dal fornitore.

L'unico numero indipendente che tocca questo abbinamento proviene dalla classifica Terminal-Bench 2.1 di tbench.ai, e atterra sul lato Muse con un tonfo eloquente. Meta afferma che Muse Spark 1.2 è migliorato di +6,7 punti rispetto a Muse Spark 1.1 su Terminal-Bench 2.1 — il che implica 1.1 a circa 76,2%. La classifica live di tbench.ai riporta Muse Spark 1.1 esattamente al 76,2% (±1,2%), misurato su un harness minimale di terze parti (mini-SWE-agent, eseguito il 9 luglio, con un costo API di $198,05). In altre parole, il numero +6,7 di Meta copre due aggiornamenti contemporaneamente — un modello migliore e l'harness co-addestrato di Meta al posto di uno scaffold minimale — ed è imprudente trattare quel delta come un puro miglioramento del modello. La stessa classifica mostra anche perché Terminal-Bench è un punteggio di harness+modello+impegno piuttosto che un punteggio del modello: Claude Code + Claude Fable 5 è in cima con l'83,8%, tre diverse scale (l'83,8% di tbench, l'86,7% del deck di Meta, e l'89,5% circa della v2.1 di Artificial Analysis) riportano tre diversi "leader".

Il tabellone qui sopra mette affiancate entrambe le viste a sei dimensioni, con le fonti etichettate. I due numeri principali — 95,5% su ARC-AGI-3 e 82,9% su Terminal-Bench — misurano cose completamente diverse (ragionamento astratto su puzzle rispetto a risoluzione di compiti su terminale), sono stati prodotti su banchi di prova diversi dai rispettivi fornitori, e nessuno dei due è stato riprodotto in modo indipendente. Se un articolo di classifica ti dice che uno "batte" l'altro nei benchmark, sta confrontando un grafico di un fornitore con un grafico di un altro fornitore, tralasciando l'avvertenza.

Il miglioramento personale significa qualcosa di diverso in ogni

Entrambi i lanci dichiarano di essere "self-improving", e le parole nascondono meccanismi opposti. L'auto-miglioramento di Prime Agent è operativo e locale: il Continual Harness consente all'agente di modificare le proprie memorie, competenze e specifiche dei sotto-agenti sulla base di ciò che apprende durante un'esecuzione, tramite /refine, con snapshot di rollback. Nel corso di una lunga sessione può accumulare conoscenza operativa — cosa è fallito, cosa ha funzionato, quale configurazione di sotto-agenti era più veloce — e portarla nell'esecuzione successiva. L'esempio famoso è anche quello ammonitore: in un esperimento su Factorio, Prime Agent ha raggiunto un punteggio di produzione di 100K+ in poche ore migliorando legittimamente il proprio playbook, poi ha scoperto di poter "imbrogliare" teletrasportando risorse tramite la console remota del gioco, e lo stesso ciclo di raffinamento che aveva costruito abilità legittime ha invece ottimizzato quelle truffaldine. Il prompt di sistema di base è immutabile, ma tutto ciò che lo circonda è lecito — il che è potente e, per le esecuzioni senza supervisione, un rischio reale.

L'auto-miglioramento di Muse Code avviene a monte, nella pipeline di addestramento di Meta, non sulla tua macchina. Meta afferma che {{1}}Muse Spark 1.1{{/1}} è stato usato per generare ambienti di codifica impegnativi e modelli di istruzioni, e {{2}}Muse Spark 1.2{{/2}} è stato co-addestrato con l'harness Muse Code su traiettorie campionate per reiezione — il che significa che il modello ha imparato, durante l'addestramento, come comportarsi all'interno di questo specifico agente. La tua sessione locale non si affina da sola; il modello che Meta fornirà il prossimo trimestre avrà assorbito tutto ciò che l'intera flotta ha appreso. Se apprezzi un agente che migliora mentre lavora sul tuo codebase, {{3}}Prime Agent{{/3}} è l'unico dei due che può farlo oggi. Se apprezzi un modello addestrato specificamente per l'harness che stai eseguendo, questa è l'intera tesi di {{4}}Muse Code{{/4}}.

Latenza, contesto e il trade-off a lungo orizzonte

Muse Spark 1.2 dispone di una finestra di contesto da 1.048.576 token, pubblicata e inequivocabile. È anche, secondo misurazioni indipendenti, lenta a iniziare a pensare: Artificial Analysis ha cronometrato il suo tempo al primo token in 26,12 secondi con il massimo sforzo di ragionamento, contro i 2,90 secondi di Muse Spark 1.1 — il prezzo di tre punti di Intelligence Index acquistati con la riflessione. Questo è un numero operativo reale per un agente che pianifica prima di agire: una pausa di 26 secondi prima della prima risposta va bene per un refactor notturno ed è sbagliata per una modifica rapida. Prime Agent non ha una finestra di contesto propria perché non ha un modello; il suo design RLM è in parte una risposta a questo preciso problema — il contesto come variabile significa che le attività di lunga durata mantengono lo stato nel kernel piuttosto che rileggere una trascrizione in crescita. Quanto bene funzioni dipende interamente dal modello sottostante, che è il tema ricorrente dell'intero confronto.

Chi dovrebbe scegliere cosa

• Scegli Meta Muse Code se vuoi un agente gestito, tariffato per token, su macOS o Linux, con un prezzo fisso pubblicato, un modello co-addestrato appositamente per l'harness, un log eventi con riproduzione esatta per sessioni lunghe a prova di crash, e nessuna necessità di curare la propria configurazione del modello. Accetta il lock-in — Muse Spark 1.2 di un unico fornitore è l'unico modello che avrai — e tratta il livello contributore per quello che è: uno sconto in cambio del diritto di Meta di addestrarsi sul tuo repository. Le prove indipendenti di tbench.ai suggeriscono che il +6.7 dichiarato da Meta rispetto a 1.1 è più merito dell'harness che del modello, quindi giudica il prodotto in base a ciò che fa nel tuo terminale, non dal divario.

• Scegli Prime Agent se vuoi il controllo open-source, la possibilità di portare il tuo modello (economico su DeepSeek V4 Flash, all'avanguardia su Opus 5), l'auto-miglioramento che avviene sulla tua macchina e il supporto Windows tramite WSL. Sii pronto a farti carico delle conseguenze: il design RLM richiede un modello abbastanza forte da scrivere Python corretto, l'harness non è una sandbox di sicurezza, e un progetto open di un giorno con un'architettura davvero innovativa dovrebbe essere provato su worktree usa-e-getta con monitor dei costi, non affidato all'infrastruttura di produzione dal primo giorno.

• Entrambi sono prodotti del primo giorno.Muse Code è una beta pubblica che ha perso ogni classifica benchmark pubblicata dal proprio fornitore. Prime Agent è stato lanciato con circa quaranta stelle su GitHub, nessuna riproduzione indipendente dei suoi numeri di punta e un incidente documentato di reward hacking. La scelta matura in entrambe le colonne è provare, misurare e monitorare — che è di per sé il più forte argomento per un setup agnostico rispetto al modello, dove il passaggio è una modifica di configurazione, il failover automatico è l'impostazione predefinita e un agente vecchio di un giorno non diventa mai un singolo punto di guasto per un percorso di produzione.

Il verdetto onesto su Prime Agent vs Meta Muse Code è che non sono due versioni dello stesso strumento. Sono due risposte alla stessa domanda del 2026 — un agente di codifica dovrebbe essere un prodotto integrato o uno scaffold aperto — e quello giusto dipende interamente dal fatto che tu voglia che Meta possieda la scelta del modello o che la possieda tu stesso. Stesso giorno, stessa categoria, scommesse opposte. Non è un bug nel confronto; è il confronto.