Muse Code: Meta lançou um agente de codificação que perde no seu próprio benchmark.

Os fornecedores normalmente não publicam o gráfico em que ficam em segundo lugar. A Meta publicou três deles. No deck de lançamento do Muse Code — o agente de codificação de terminal que a Meta Superintelligence Labs lançou em 5 de agosto de 2026, rodando no mesmo dia Muse Spark 1.2 — Claude Opus 5 está à frente em todos os quadros que a Meta escolheu mostrar, incluindo aquele que a Meta construiu e controla. No Terminal-Bench 2.1 a diferença é de 3,8 pontos. No DeepSWE 1.1 é de 5,7, com GPT-5.6 Terra também à frente. No benchmark interno da Meta é de 8,8. A versão viral deste lançamento — "59% no DeepSWE 1.1, superando Grok 4.5 e Gemini 3.6 Flash" — é verdadeira, e é a afirmação verdadeira mais restrita disponível.

O que torna o lançamento mais interessante, não menos. A Meta lançou um conjunto de benchmarks que ela não vence e o publicou mesmo assim, porque a pontuação não é o que ela está vendendo. O que ela está vendendo é um runtime que sobrevive a um trabalho de 24 horas e um preço que subcotiza o mercado por mais de uma ordem de grandeza — desde que você esteja disposto a deixar a Meta ler seu repositório. Todos os números de benchmark abaixo vêm dos próprios gráficos da Meta, publicados sem metodologia; onde existe uma medição independente, a frase o diz.

O que a Meta realmente lançou

Duas coisas no mesmo dia, deliberadamente acopladas.

• Muse Code — um agente de codificação de terminal, beta público, instalado com uma linha: curl -fsSL https://dev.meta.ai/install.sh | bash. macOS e Linux apenas; não há versão nativa para Windows, nem GUI, nem extensão de IDE. A Meta descreve seu trabalho como assumir engenharia de software complexa em grandes repositórios — planejando mudanças, escrevendo código, validando resultados.

• Muse Spark 1.2 — uma revisão focada em codificação do modelo de raciocínio da Meta, com contexto de 1.048.576 tokens, disponível no Muse Code e através da API Model Meta em pré-visualização pública. A Meta afirma que aumentou o poder computacional de treinamento em tarefas de codificação e ampliou a diversidade dos ambientes de treinamento, com o objetivo sendo trabalhos de longo horizonte: geração de repositório inteiro, refatorações de múltiplos arquivos, depuração estendida.

O acoplamento é a afirmação. A Meta afirma que os dois foram co-treinados e que a combinação, portanto, produz "melhor uso de ferramentas, menos tentativas e saída de maior qualidade do que um wrapper genérico em torno de um modelo externo". Essa é a formulação e a afirmação da Meta; nenhum terceiro testou o modelo dentro de um harness concorrente para verificar se o prêmio do co-treinamento é real ou se o Muse Spark 1.2 simplesmente se comporta como um modelo de codificação competente onde quer que você o coloque.

Três habilidades integradas acompanham o agente, e elas descrevem o estilo de trabalho pretendido melhor do que o texto de marketing: /plan produz um plano sujeito a aprovação antes que qualquer coisa seja escrita, /grill submete esse plano a testes de estresse e /goal impulsiona para a conclusão de um objetivo declarado. Planeje, ataque o plano, depois execute — que é o padrão para o qual usuários experientes de Claude Code e Codex convergiram manualmente, agora incluído como comandos de primeira classe.

O deck de benchmark, lido honestamente.

Meta publicou comparações no Terminal-Bench 2.1, DeepSWE 1.1, seu próprio Meta Internal Coding Bench e GDPval. Os números, conforme relatados pela Meta:

• Terminal-Bench 2.1 — Claude Opus 5 com esforço máximo no Claude Code 86,7%, Muse Spark 1.2 no Muse Code 82,9%, GPT-5.6 Terra no Codex 81,8%, Grok 4.5 no Grok Build 81,6%. Em segundo lugar, e do segundo ao quarto colocado há uma diferença de 1,3 pontos.

• DeepSWE 1.1 — Claude Opus 5 65,0%, GPT-5.6 Terra 64,8%, Muse Spark 1.2 59,3%. Terceiro lugar, e a única tabela onde a diferença é decisiva em vez de cosmética.

• Meta Internal Coding Bench — Claude Opus 5 79,4%, Muse Spark 1.2 70,6%. A prova em casa da Meta, e a derrota mais ampla da Meta.

• Geração após geração — A Meta relata +6,7 pontos no Terminal-Bench e +6,3 no DeepSWE contra o Muse Spark 1.1. Esses são os maiores números do conjunto, e são aqueles com os quais um usuário do Muse Spark 1.1 deveria realmente se importar.

Um obstáculo aritmético merece ser mencionado, porque é a razão para tratar tudo o que foi dito acima como direcional. Retirando o +6,7 da Meta, o Muse Spark 1.1 fica perto de 76% no Terminal-Bench 2.1 — mas o leaderboard público do tbench.ai tem apresentado um verificado 80,0% para o Muse Spark 1.1 desde o final de julho. Ambos os números podem ser honestos e ainda assim discordar, porque uma linha do Terminal-Bench não é uma pontuação de modelo. É uma pontuação para um harness mais um modelo mais uma configuração de esforço, e o harness interno da Meta para o 1.1 não foi o que o tbench executou. Esse único fato causa mais dano à comparação de benchmarks entre fornecedores do que qualquer valor individual contestado, e leva diretamente à próxima seção.

O runtime é o produto

Remova as pontuações e o que resta é um discurso de engenharia sobre não morrer. Dois mecanismos o sustentam.

O primeiro é o log de eventos. O Muse Code acrescenta cada chamada de modelo, cada execução de ferramenta, cada aprovação e cada edição a um log local, que a Meta descreve como tornando a sessão exatamente reproduzível e segura para reinício: encerre-o, faça-o travar, perca a máquina, e o agente retoma precisamente de onde parou, em vez de rederivar o contexto do zero. Os concorrentes têm recuperação de falhas de qualidade variada; nenhum deles fez disso o destaque. Aliás, é também um artefato de auditoria — um registro local completo do que um processo autônomo fez à sua árvore de trabalho, que é exatamente o documento que uma revisão de segurança pede e que a maioria dos CLIs de agente não consegue produzir.

O segundo é o que a Meta chama de agentes de segundo plano assíncronos. A distinção em relação aos subagentes comuns é que eles não são gerados por subtarefa e encerrados; eles permanecem ativos durante toda a sessão, executam as próximas etapas por conta própria e escolhem quando reportar de volta ao loop principal. O benefício alegado é uma latência menor, porque o orquestrador não paga o custo de inicialização toda vez que delega uma tarefa.

A evidência de apoio da Meta é um estudo de caso: o Muse Code rodando por 24 horas em mais de 1.000 chamadas de ferramenta, otimizando autonomamente kernels de GPU no hardware NVIDIA Hopper, com o que a Meta chama de melhorias substanciais em relação à implementação de base fornecida. Nenhum número de aceleração foi publicado, então a quantidade interessante não é o resultado, mas a duração. Mil chamadas de ferramenta sem resgate humano são uma superfície de falha diferente de um refator de cinquenta chamadas, e é uma carga de trabalho em que um déficit de 3,8 pontos no benchmark importa muito menos do que se o processo continua vivo na nona hora.

O preço é a arma — e parte dele é paga em código-fonte

Não há assinatura do Muse Code. A cobrança é por tokens, em um de dois níveis, e a diferença entre eles é o aspecto mais agressivo deste lançamento:

• Standard — $1,25 por milhão de tokens de entrada, $0,15 por milhão de entrada em cache, $4,25 por milhão de saída. Os prompts neste nível não são usados para melhorar os produtos da Meta.

• Contribuidor — $0.10 por milhão de entrada, $0.002 por milhão de entrada em cache, $0.20 por milhão de saída. Em troca, a Meta pode usar os dados para melhorar seus modelos.

Isso é 12,5x mais barato na entrada, 21x mais barato na saída e 75x mais barato na entrada em cache. Coloque isso em um passo realista de agente — 60.000 tokens de contexto do repositório na entrada, 3.000 tokens de plano e patch na saída — e os quatro cantos da grade de preços são impressionantes. Camada padrão com prompt frio: 8,8 centavos por passo, US$ 87,75 por mil passos. Camada padrão com o contexto do repositório no cache: 2,2 centavos, US$ 21,75 por mil. Camada de contribuidor fria: 0,66 centavos, US$ 6,60 por mil. Camada de contribuidor com cache quente: US$ 0,72 pelas mesmas mil etapas.

O mesmo trabalho, a 122x o custo ou 1/122 dele, dependendo de duas escolhas. A própria execução de kernel de 24 horas e 1.000 chamadas da Meta custa cerca de noventa dólares em tokens no nível que protege seus dados, e menos de um dólar no nível que não protege.

Qual é a decisão real que este lançamento coloca diante das equipes, e não é uma decisão de preço. Um agente de codificação de terminal lê seu código-fonte — essa é sua função inteira — portanto, os prompts no nível de contribuidor contêm seu código-fonte, suas APIs internas, seus comentários sobre por que a solução alternativa existe, e quaisquer fixtures de teste que seu repositório por acaso contenha. Para um projeto paralelo ou uma árvore de código aberto, o nível de contribuidor é quase dinheiro grátis. Para um código-fonte proprietário, ou qualquer repositório ao alcance de dados de clientes, é uma decisão de licenciamento disfarçada de desconto, e deve ser apresentada a quem aprova o tratamento de dados, em vez de a quem acompanha a fatura da nuvem. A Meta precificou com um desconto de 12x porque os dados valem pelo menos esse valor para a Meta.

O que você não consegue obter pela API

Os 82,9% pertencem ao Muse Spark 1.2 dentro do Muse Code. Se você chamar o modelo a partir do seu próprio framework de agente, você comprou a metade do modelo dessa dupla e nenhuma do arcabouço — sem log de eventos, sem agentes persistentes em segundo plano e, se a alegação de co-treinamento da Meta significa alguma coisa, também sem o comportamento ajustado de uso de ferramentas. Portanto, há duas avaliações separadas aqui e confundi-las é o erro mais fácil de cometer esta semana: o Muse Code vence o agente que você já executa, e o Muse Spark 1.2 é um modelo melhor do que aquele que você chama atualmente?

A segunda pergunta é a mais barata de responder, porque exige apenas manter seu harness constante e trocar o modelo por baixo dele. Vale a pena ser preciso sobre a disponibilidade: Muse Spark 1.2 é servido diretamente pela Meta e não está no catálogo do OrcaRouter. Muse Spark 1.1 está a US$ 1,25 e US$ 4,25 — exatamente o preço de tabela da Meta, porque o OrcaRouter adiciona margem de 0% e repassa o preço do provedor diretamente, o que também explica por que uma mudança de preço do fornecedor aparece do nosso lado no mesmo dia em que acontece, em vez de depois de um ciclo de contrato. Nossa telemetria de produção de sete dias para o 1.1 mostra p50 do tempo até o primeiro token em 1,84 segundos e p95 em 6,00 segundos, o que é uma expectativa de latência mais útil do que qualquer harness de benchmark vai te dar.

O valor prático de um único gateway em uma semana como esta é que o conjunto de comparação — Claude Opus 5, GPT-5.6 Terra, Grok 4.5, Gemini 3.6 Flash e Muse Spark 1.1 — fica atrás de uma única chave pelo preço de tabela, então um teste A/B é uma mudança de string em vez de um exercício de aquisição. Isso também cobre o risco estrutural na oferta da Meta: o Muse Spark 1.2 tem exatamente um provedor, o que o torna um ponto único de falha por construção. O failover automático entre provedores é a diferença entre uma tarde ruim para a Meta ser uma tarde ruim para o seu agente, ou não.

É também por isso que o 1.2 foi lançado silencioso e lento.

Muse Spark 1.2 apareceu na API da Meta em 5 de agosto sem anúncio e sem números alterados — mesmo contexto de 1M, mesmos US$ 1,25 e US$ 4,25, mesmo dial de raciocínio de cinco níveis do Muse Spark 1.1. A única coisa que mudou foi medida externamente: a Artificial Analysis cronometrou o tempo até o primeiro token em 26,12 segundos contra 2,90 segundos do 1.1 no esforço máximo de raciocínio, ganhando três pontos no Índice de Inteligência, de 51 para 54. Visto como um lançamento de modelo de uso geral, é uma troca estranha — nove vezes mais espera por três pontos.

Lido como a metade modelo de um agente co-treinado, é o trade óbvio. Ninguém esperando por um refactor de doze arquivos nota vinte e seis segundos de planejamento; a pessoa esperando por uma conclusão de chat nota tudo isso. A Meta não estava lançando um modelo de chat silenciosamente e esperando que ninguém medisse a latência. Estava enviando o motor antes do carro, e o anúncio chegou quando o carro chegou. A página de desenvolvedor do Muse Spark da Meta agora também mostra 1.2.

O corolário é um alerta para quem adotou esta família por sua amplitude. O Muse Spark 1.1 foi vendido como um modelo de raciocínio multimodal — texto, imagens, vídeo, áudio e PDFs, bom para pesquisas com mídias mistas. O posicionamento da versão 1.2 é trabalho de software, e seu material de lançamento é um agente de codificação. A superfície multimodal não foi removida, mas não é mais o que a Meta está otimizando ou divulgando, e ninguém fora da Meta publicou um resultado de vídeo ou áudio para a versão 1.2.

Onde o Muse Code ainda é superficial.

• É beta, e rotulado como tal. Nada sobre a garantia do registro de eventos foi verificado por ninguém fora da Meta.

• Apenas macOS e Linux. Desenvolvedores Windows estão no WSL ou sem nada, o que é uma restrição real para frotas empresariais, em vez de um inconveniente.

• Apenas terminal. Sem GUI, sem integração com IDE e sem agentes paralelos hospedados na nuvem do tipo que o Codex já oferece. O material de lançamento da Meta não menciona suporte a MCP.

• Nenhuma metodologia publicadapor trás de qualquer um dos gráficos de benchmark, e nenhuma avaliação independente ainda do agente ou das subpontuações de codificação do Muse Spark 1.2. A Artificial Analysis tem um índice composto para o 1.2, mas não o detalhamento por benchmark das pontuações de codificação e agênticas que publica para o 1.1 — e a pontuação agêntica do 1.1 foi sua dimensão mais fraca por ampla margem, o que a torna precisamente o número que resolveria esta versão.

• A Meta está atrasada.Claude Code e Codex têm um ano de hábito, ecossistemas de plugins e fluxos de trabalho de equipe construídos em torno deles. Um log de eventos à prova de falhas é um bom motivo para experimentar algo; não é, por si só, um motivo para mover uma equipe.

Perguntas que as pessoas estão realmente fazendo

O Muse Code é gratuito?

Não, mas também não há assinatura — ao contrário dos planos do Claude Code e do Codex com que concorre, o Muse Code cobra puramente por token por meio da API Meta Model. O custo, portanto, escala com o volume de contexto do repositório que suas sessões enviam, e não com o número de usuários, o que favorece usuários ocasionais de uso intenso e penaliza agentes sempre ativos. O nível de colaborador é tão próximo de gratuito que o preço não é uma barreira real para experimentá-lo.

O nível de contribuidor treina no meu código privado?

Os termos da Meta para esse nível são que os dados podem ser usados para melhorar seus modelos, e os prompts de um agente de codificação contêm seu código. A Meta afirma que prompts do nível padrão não são usados para melhorar seus produtos; esse é o nível a usar em qualquer coisa proprietária. Trate a escolha como uma decisão de tratamento de dados com um desconto associado, não uma preferência de cobrança — e observe que o desconto se aplica por token, então o incentivo para fazer downgrade silenciosamente cresce exatamente na mesma proporção que seu uso.

Posso usar o Muse Spark 1.2 com o Claude Code ou com meu próprio agente?

O modelo está disponível através da Meta Model API, independentemente do Muse Code, então sim, para qualquer coisa que aceite um endpoint personalizado. O que você não obterá é o pareamento co-treinado que a Meta credita pelos seus resultados de benchmark, e a expectativa honesta é que um modelo executado fora do harness com o qual foi ajustado pontue abaixo do número no gráfico. Se o objetivo é avaliar o modelo em vez do agente, execute-o contra Claude Opus 5 e GPT-5.6 Terra no seu próprio harness e ignore o deck por completo.

Quem deve instalá-lo esta semana

Se você executa trabalhos autônomos de longo horizonte — migrações, atualizações de dependências em todo um monorepo, qualquer coisa que você atualmente precise acompanhar de perto porque o agente perde o rumo — o Muse Code vale uma tarde em um clone descartável. O registro de eventos e os agentes de segundo plano persistentes visam exatamente a esse modo de falha, e o déficit de benchmark é menor onde a duração da tarefa é mais longa.

Se você está em uma base de código de código aberto ou não sensível e o custo é sua restrição limitante, o nível de contribuidor é o número mais interessante no mercado de agentes de codificação neste momento, e 0,66 centavos por etapa não é um erro de digitação.

Se você está liderando uma equipe no Claude Code ou no Codex em um repositório proprietário, ainda não há nada aqui que force uma mudança. O Muse Code está em segundo ou terceiro lugar em todos os rankings que seu próprio fornecedor selecionou, os preços do plano padrão estão em paridade com o mercado em vez de abaixo dele, e o diferencial é uma propriedade de confiabilidade que ninguém fora da Meta testou. O que se deve observar não é o próximo benchmark. É se o registro de eventos se sustenta quando alguém que não trabalha na Meta executa mil chamadas de ferramentas através dele.