Muse Code vs Muse Spark 1.1: Wat Meta's 6,7-puntsupgrade daadwerkelijk meet

Doe eerst de aftrekking. Meta's lanceringsdeck voor Muse Code, de terminal-codeeragent die op 5 augustus 2026 uitkwam, rapporteert 82,9% op Terminal-Bench 2.1 en presenteert dat als een winst van 6,7 punten ten opzichte van Muse Spark 1.1, het model waar de meeste mensen die dit lezen al voor betalen. Trek 6,7 af van 82,9 en je krijgt 76,2 — wat geen getal is dat Meta publiceerde, maar precies de score is die op het openbare Terminal-Bench 2.1-klassement staat voor Muse Spark 1.1 bij xhigh effort, ingediend in juli, gedraaid met Princeton's mini-SWE-agent-harness.

Dat toeval is het nuttigste feit in deze vergelijking, omdat mini-SWE-agent een doelbewust minimaal raamwerk is — een paar honderd regels, geen persistente subagenten, geen eventlog, geen planningsvaardigheden. Meta's 82,9% is Muse Spark 1.2 die draait in een speciaal gebouwde agent die Meta gebruikte om het model mee te trainen. Als die twee rijen 6,7 punten uit elkaar liggen, dan is de belangrijkste generatiewinst een modelupgrade en een harness-upgrade gebundeld in één getal, en Meta heeft niets gepubliceerd dat ze scheidt.

Meta heeft niet vermeld welke harness het gebruikte voor zijn 1.1-basislijn, dus de match is eerder suggestief dan bewezen. Maar het herformuleert de beslissing voor iedereen die momenteel Muse Spark 1.1 via een API aanroept, wat de eerlijke versie van deze vergelijking is: je kiest niet tussen twee modellen. Je kiest tussen een model dat je zelf bestuurt en een agent die een nieuwer model voor je bestuurt, en slechts één van die twee dingen is gemeten door iemand anders dan Meta.

Dit zijn niet dezelfde categorie, en het specificatieblad zegt dat ook.

De helft van de verwarring rond deze combinatie komt doordat Muse Code wordt aangezien voor een modelrelease. Dat is het niet. Het is een CLI, en Muse Spark 1.2 is wat het aanroept.

• Wat het is — Muse Code is een terminalagent die met één regel wordt geïnstalleerd (curl -fsSL https://dev.meta.ai/install.sh | bash); Muse Spark 1.1 is een modelendpoint dat je aanroept vanuit je eigen code, je eigen agentframework, of elke CLI die een aangepaste basis-URL accepteert.

• Onderliggend model — Muse Code draait op Muse Spark 1.2, meegetraind met de agent; Muse Spark 1.1 is de juli-generatie, wordt nog steeds aangeboden en staat nog steeds vermeld.

• Waar het draait — Muse Code is alleen voor macOS en Linux, alleen terminal, geen GUI, geen IDE-extensie; Muse Spark 1.1 draait overal waar HTTPS draait, inclusief Windows.

• Invoer — Muse Code neemt een repository en een prompt; Muse Spark 1.1 accepteert tekst, afbeeldingen, video, audio en PDF-documenten in een context van 1.048.576 tokens en retourneert tekst.

• Status — Muse Code is publieke bèta en wordt als zodanig gelabeld; Muse Spark 1.1 is sinds juli 2026 algemeen beschikbaar en verwerkt echt productieverkeer.

• Catalogusprijs — beide factureren via de Meta Model API tegen $1.25 per miljoen invoertokens, $0.15 voor gecachte invoer en $4.25 voor uitvoer op de standaardlaag. De tariefkaart is dezelfde tariefkaart.

De laatste regel is degene die mensen verrast, en hij doodt de voor de hand liggende aanname. Het adopteren van Muse Code kost niet meer per token dan wat je al draait. Wat het kost, wordt gemeten in andere valuta's — platformondersteuning, latentie, modaliteit, en, op de goedkope tier, je broncode. Dat zijn de vier assen die de discussie waard zijn.

De benchmark waar ze uiteenlopen, gelezen met het harnas bevestigd

Meta publiceerde twee generatiedelta's ten opzichte van Muse Spark 1.1: +6,7 punten op Terminal-Bench 2.1 en +6,3 op DeepSWE 1.1. Beide zijn door de leverancier gerapporteerd, beide komen uit grafieken die zijn gepubliceerd als afbeeldingen zonder een beschrijving van de methodologie, en geen van beide is door een derde partij gereproduceerd. Reken je ze eruit, dan liggen Meta's impliciete 1.1-baselines op ongeveer 76,2% en 53,0%.

Zet Meta's 82.9% nu eens naast de ranglijst die het niet aanhaalde. De openbare Terminal-Bench 2.1-ranglijst toont, op het moment van schrijven, Claude Code gekoppeld aan Claude Fable 5 op 83.8% ± 1.2%, Codex met GPT-5.5 op 83.1% ± 1.1%, Terminus 2 met Claude Fable 5 op 80.4%, Cursor CLI met Grok 4.5 op 79.3%, en mini-SWE-agent met Muse Spark 1.1 op 76.2% op de achtste plaats. De zelfgerapporteerde 82.9% van Muse Code zou op de derde plaats uitkomen — onder twee agent-modelparen die nergens in Meta's presentatie voorkomen, die in plaats daarvan vergelijkt met Claude Opus 5 op 86.7%, GPT-5.6 Terra op 81.8% en Grok 4.5 op 81.6% in afzonderlijke runs met maximale inspanning.

Twee scoreborden, één benchmark, getallen die niet op één lijn liggen — en een volledig derde schaal als je naar Artificial Analysis kijkt, wiens onafhankelijke Terminal-Bench v2.1-evaluatie uitkomt op bijna 89,5% voor GPT-5.6 Sol, tegen een plafond van 83,8% op het openbare klassement. Geen van deze partijen liegt. Een Terminal-Bench-rij is een score voor een harness, plus een model, plus een inspanningsinstelling, plus een rekenbudget, en het verwisselen van een van die factoren verplaatst het resultaat meer dan de hele spreiding die Meta als een generatie claimt.

Daarom is het interessante cijfer op het openbare scorebord niet de nauwkeurigheidskolom, maar de kostenkolom. Muse Spark 1.1 voltooide zijn run van 76,2% voor $198,05. Claude Code met Claude Fable 5 kocht zijn 83,8% voor $552,67, en Codex met GPT-5.5 betaalde $2.059,19 voor 83,1%. Dat is 7,6 punten nauwkeurigheid voor 2,8 keer het geld in het eerste geval en ruwweg 10 keer in het tweede — gemeten door dezelfde operator, op dezelfde taken, onder dezelfde regels, precies de appels-met-appels-vergelijking die Meta's grafiek je niet biedt. Het scorebord trekt ook punten af voor taken die zijn opgelost door de omgeving te misbruiken; de inzending van Muse Spark 1.1 vertoont geen dergelijke aftrek, terwijl de run van Cursor CLI's Grok 4.5 een aftrek van 9 punten met zich meebrengt.

Meta publiceerde geen kostencijfer voor zijn 82,9%.

Wat Muse Spark 1.1 al doet dat Muse Code niet kan

De pitch voor Muse Code is dat een co-getrainde agent beter is dan 'een generieke wrapper rond een extern model' — Meta's formulering, Meta's bewering, door niemand anders getest. Het is een redelijke claim. Het is ook gericht op een gat dat Muse Spark 1.1 specifiek is gebouwd om te dichten.

Muse Spark 1.1 spreekt native het Model Context Protocol, beheert zijn eigen MCP-verbindingen zonder extern framework, orkestreert intern de rollen van primaire agent en subagenten, en generaliseert zero-shot naar nieuwe tools en aangepaste vaardigheden. Meta's eigen lanceringscijfers ervoor waren toolgebruikcijfers: 88.1 op MCP Atlas voor geschaald toolgebruik — vóór de 82.2 die het rapporteerde voor Claude Opus 4.8 en 75.3 voor GPT-5.5 — en 54.7 op JobBench. Allemaal door de leverancier gerapporteerd, allemaal van juli, geen daarvan onafhankelijk gereproduceerd. Het punt blijft toch staan: 1.1 is geen chatmodel waar iemand een agent aan vastgeschroefd heeft. Zet het in OpenCode, Cline, of een andere CLI die een aangepast endpoint accepteert en je hebt vandaag een agent.

En dan is er alles waar Muse Code structureel niet aan kan komen. Muse Spark 1.1 redeneert over afbeeldingen, video, audio en pdf's in één contextvenster. Een terminal-coderingsagent heeft niets aan dat oppervlak en kan het ook niet blootleggen. Als jouw workload een designmock is die in componenten wordt omgezet, een supportgesprek dat wordt getranscribeerd en gescreend, of een specificatie van 400 pagina's die tegen een implementatie wordt afgezet, dan is het nieuwere het minder capabele — en Meta's positionering voor de 1.2-generatie verschoof van "multimodaal diepgaand onderzoek over gemengde media" naar multi-bestandsrefactoring en generatie van een volledige repository, zonder dat iemand een gepubliceerd video- of audioresultaat voor 1.2 heeft.

De echte asymmetrie werkt de andere kant op, en het is een runtime-eigenschap in plaats van een mogelijkheid. Muse Code voegt elke modelaanroep, tooluitvoering, goedkeuring en bewerking toe aan een lokaal gebeurtenislogboek, waarvan Meta zegt dat het een sessie replay-exact en herstartveilig maakt: laat het crashen en de agent hervat waar hij stopte in plaats van zijn context opnieuw af te leiden. De achtergrondagenten blijven de hele sessie bestaan in plaats van per subtask te worden opgestart en afgebroken. Het bewijs van Meta is een enkele casestudy: een run van 24 uur met meer dan 1.000 toolaanroepen, waarbij GPU-kernels op NVIDIA Hopper-hardware werden geoptimaliseerd. Er is geen versnellingscijfer gepubliceerd, dus de duur is de claim. Als je ooit een migratie van negen uur bent kwijtgeraakt omdat het framework op stap 300 vergat waar het mee bezig was, dan is dat iets wat je écht wilt, en geen hoeveelheid MCP-ondersteuning in het model geeft je dat.

Dezelfde lijstprijs, totdat je de tweede laag leest

Omdat de standaardlaag aan beide kanten identiek is, zit het prijsargument in deze vergelijking volledig in de laag die Meta samen met Muse Code introduceerde. De bijdragelaag kost $0,10 per miljoen invoertokens, $0,002 voor gecachte invoer en $0,20 voor uitvoer — 12,5x goedkoper op invoer, 21x op uitvoer, 75x op gecachte invoer — in ruil voor expliciete toestemming om je prompts en completions te gebruiken om toekomstige Meta-modellen te trainen. Volgens Meta wordt standaardlaag-verkeer niet op die manier gebruikt.

Voer er een realistische agentstap doorheen uit — 60.000 tokens repositorycontext erin, 3.000 tokens plan-and-patch eruit — en duizend stappen kosten $87,75 op de standaardlaag met koude cache, $21,75 als de repositorycontext in de cache terechtkomt, $6,60 op de contributorlaag met koude cache, en $0,72 op de contributorlaag met een warme cache. Meta's eigen 24-uurs kernelrun komt uit op bijna negentig dollar op de laag die je code beschermt, en op minder dan een dollar op de laag die dat niet doet.

Dat is geen factureringskeuze. De prompts van een codeeragent zijn je codebase — interne API's, het commentaar dat uitlegt waarom de workaround bestaat, wat je fixtures ook bevatten. Bij een open-source-boom is de contributietier bijna gratis geld. Bij een propriëtaire repository is het een datalicentiebeslissing verkleed als korting, en het hoort te worden voorgelegd aan degene die de gegevensverwerking goedkeurt, in plaats van aan degene die de cloudrekening in de gaten houdt. Meta stelde de korting vast op 12x omdat de data voor Meta minstens dat waard is.

Op Muse Spark 1.1 blijven omzeilt de vraag volledig, en het is de moeite waard om precies te weten wat dat kost en waar. Muse Spark 1.1 staat in de OrcaRouter-catalogus voor $1,25 en $4,25 — Meta's catalogusprijs tot op de cent, omdat wij 0% opslag rekenen en de providerprijzen rechtstreeks doorgeven, wat ook de reden is waarom een tariefwijziging van Meta bij ons verschijnt op de dag dat Meta deze doorvoert, in plaats van na een contractcyclus. Onze zeven dagen durende productietelemetrie daarvoor toont een p50-time-to-first-token van 1,84 seconden en een p95 van 6,00 seconden, wat een veel bruikbaardere verwachting is dan welke benchmarkopstelling dan ook je aanreikt. Muse Spark 1.2 is niet in onze catalogus; het wordt rechtstreeks door Meta aangeboden en door niemand anders, dus de nieuwere helft van deze vergelijking heeft momenteel precies één provider en per constructie geen failover-pad. Als je het evalueert, is die blootstelling aan één leverancier onderdeel van wat je evalueert.

De latency-trade waar niemand het over heeft in de verslaggeving rond de lancering

Artificial Analysis, die onafhankelijk meet bij de maximale redeneringsinspanning van elk model, klokte de tijd tot het eerste token van Muse Spark 1.1 op 2,90 seconden en die van Muse Spark 1.2 op 26,12 seconden. De outputsnelheid daalde van 213,5 naar 165 tokens per seconde. De winst was drie punten op de Intelligence Index, van 51 naar 54, en een sprong van #22 naar #13 van de 185 modellen.

Gelezen als een general-purpose modelrelease is het een slechte ruil — negen keer zo lang wachten voor drie punten. Gelezen als de motor van een codeeragent is het duidelijk de juiste, want niemand die wacht op een refactor van twaalf bestanden merkt zesentwintig seconden planning op, en iedereen die wacht op een chatcompletion merkt dat allemaal wel. Dat is de duidelijkste verklaring voor wie elke kant van deze vergelijking bedoeld is, en het is gemeten door een derde partij in plaats van beweerd door Meta.

Het betekent ook dat de overstap niet gratis is, zelfs als het je alleen om code gaat. Alles interactiefs dat je op Muse Spark 1.1 had gericht — inline-aanvulling, een reviewbot, een chatomgeving over je documenten — wordt aanzienlijk slechter als je het met veel moeite naar de 1.2-generatie verplaatst. De upgrade is doelgericht, en doelgerichtheid heeft een richting.

Welke je eigenlijk zou moeten draaien

Blijf op Muse Spark 1.1 als uw werk geen repository is. Multimodale pijplijnen, analyse van lange contexten, mixed-media-onderzoek, alles wat interactief is, alles op Windows, alles wat al via MCP is aangesloten en werkt. Niets in de Muse Code-lancering verbetert die, en de latentiemeting maakt er ten minste één slechter.

Probeer Muse Code als je faalmodus de duur is. Monorepo-migraties, dependency-upgrades, wekenlange refactors — taken waar je nu op past omdat de agent de draad kwijtraakt. Het eventlog en persistente achtergrondagenten richten zich precies daarop, en een benchmarktekort van een paar punten doet er het minst toe waar de run het langst duurt. Bèta, op een wegwerpclone, op een repository die je gerust kunt verliezen.

Doe het eerlijke experiment als je probeert te beslissen over het model. Houd je testopstelling constant en vervang Muse Spark 1.1 door Muse Spark 1.2 eronder. Dat isoleert de ene variabele die Meta's grafiek bundelt, en het is de enige manier om erachter te komen of de co-training-premie echt is of dat 1.2 gewoon een competent codeermodel is waar je het ook plaatst. Een enkele gateway maakt dit een stringwijziging in plaats van een inkoopproces — Muse Spark 1.1, Claude Opus 5, GPT-5.6 Terra, Grok 4.5 en Claude Fable 5 zitten allemaal achter één OrcaRouter-sleutel tegen de catalogusprijs met automatische failover tussen providers, dus de vergelijkingsset kost je niets om warm te houden. Muse Spark 1.2 is de uitzondering en moet van Meta komen.

Vragen die de moeite waard zijn om te stellen voordat je iets installeert

Kan ik Muse Code richten op Muse Spark 1.1 in plaats van 1.2?

Het materiaal dat Meta bij de lancering uitbracht zegt het niet, en de twee werden als een samen getraind paar uitgebracht, wat een argument is tegen de ondersteuning of het nut ervan. De omgekeerde richting is echter goed gedocumenteerd: Muse Spark 1.1 werkt in elke agent die een aangepast eindpunt accepteert, en dat is hoe de meeste mensen het tegenwoordig als agent draaien. Als uw doel een gecontroleerde vergelijking is, voer dan 1.1 en 1.2 uit in uwtestopstelling in plaats van te proberen Meta's te verbuigen.

Geldt het contributieniveau ook voor Muse Spark 1.1?

Meta introduceerde de {{1}}tweeledige structuur{{/1}} bij de lancering van Muse Code en Muse Spark 1.2, en de gepubliceerde tariefkaart koppelt de bijdragersprijzen aan die release. Ga ervan uit dat de 12x-korting een aanbod van de 1.2-generatie is totdat Meta anders aangeeft, en prijs elk 1.1-workload op {{2}}$1,25 en $4,25{{/2}}. Als je OrcaRouter gebruikt, zit je per definitie op de lijstprijs, dus er is geen datadeling-niveau waarvoor je je kunt aan- of afmelden.

Is de bewering van 6,7 punten dan fout?

Nee — het is niet gecontroleerd en onvoldoende gespecificeerd, wat anders is. Meta heeft mogelijk zijn 1.1-baseline gedraaid in een opzet die vergelijkbaar is met die van Muse Code, in welk geval de winst een zuiver model-tegen-modelresultaat is. Maar er is geen methodologie gepubliceerd, de impliciete baseline komt precies uit op de score van een minimaal scaffold van een derde partij, en dezelfde benchmark levert drie verschillende schalen op, afhankelijk van wie hem draait. Behandel +6,7 als richtinggevend en bereken je eigen getal voordat je erop plant.

Wat zou dit oplossen?

Eén inzending. Als Meta Muse Code op het openbare Terminal-Bench 2.1-klassement plaatst onder dezelfde regels waaronder iedereen anders heeft ingezonden — geen aangepaste time-outs of resources, kostenkolom ingevuld, hack-aftrekken toegepast — wordt de 82,9% vergelijkbaar met de 76,2% naast de naam van Muse Spark 1.1 en met de 83,8% bovenaan, en lost dit hele argument zich in één middag op. Tot die tijd is het enige onafhankelijk geverifieerde getal in de onderlinge vergelijking afkomstig van het oudere model, en het zegt dat Muse Spark 1.1 driekwart van Terminal-Bench 2.1 oploste binnen een scaffold die klein genoeg is om in één keer te lezen, voor minder dan tweehonderd dollar.

{{1}}Het tweede punt dat het waard is om in de gaten te houden, is smaller en komt eerder:{{/1}} of Artificial Analysis de coderings- en agentische subscores voor de 1.2-generatie publiceert, die het al publiceert voor 1.1. Agentische prestaties waren veruit de zwakste gepubliceerde dimensie van 1.1. {{2}}Het is precies het getal waarvan Meta beweert dat het is opgelost, en precies het getal dat nog door niemand buiten Meta is gemeten.{{/2}}