Muse Code vs Muse Spark 1.1: O que a atualização de 6,7 pontos da Meta está realmente medindo

Faça a subtração primeiro. O deck de lançamento da Meta para o Muse Code, o agente de codificação de terminal que ela lançou em 5 de agosto de 2026, relata 82,9% no Terminal-Bench 2.1 e credita isso como um ganho de 6,7 pontos sobre Muse Spark 1.1, o modelo pelo qual a maioria das pessoas que estão lendo isto já pagam. Subtraia 6,7 de 82,9 e você obtém 76,2 — que não é um número publicado pela Meta, mas é exatamente a pontuação que está no leaderboard público do Terminal-Bench 2.1 para o Muse Spark 1.1 em xhigh effort, submetida em julho, executada pelo harness mini-SWE-agent de Princeton.

Essa coincidência é o fato mais útil nesta comparação, porque o mini-SWE-agent é um arcabouço deliberadamente mínimo — algumas centenas de linhas, sem subagentes persistentes, sem registro de eventos, sem habilidades de planejamento. Os 82,9% da Meta são Muse Spark 1.2 rodando dentro de um agente de propósito específico com o qual a Meta cotreinou o modelo. Se essas duas linhas são o intervalo dos 6,7 pontos, então o ganho geracional de destaque é um upgrade de modelo e um upgrade de harness agrupados em um único número, e a Meta não publicou nada que os separe.

Meta não informou qual harness usou para sua linha de base 1.1, então a correspondência é sugestiva, e não comprovada. Mas isso reformula a decisão para qualquer pessoa que atualmente faz chamadas ao Muse Spark 1.1 por meio de uma API, o que é a versão honesta dessa comparação: você não está escolhendo entre dois modelos. Você está escolhendo entre um modelo que você mesmo conduz e um agente que conduz um modelo mais novo para você, e apenas uma dessas duas coisas foi medida por alguém que não seja a Meta.

Estas não são a mesma categoria, e a ficha técnica diz isso.

Metade da confusão em torno desse pareamento vem de tratar o Muse Code como um lançamento de modelo. Não é. É uma CLI, e Muse Spark 1.2 é o que ela chama.

• O que é — Muse Code é um agente de terminal instalado com uma única linha (curl -fsSL https://dev.meta.ai/install.sh | bash); Muse Spark 1.1 é um endpoint de modelo que você chama a partir do seu próprio código, do seu próprio framework de agente ou de qualquer CLI que aceite uma URL base personalizada.

• Modelo subjacente — O Muse Code roda o Muse Spark 1.2, co-treinado com o agente; o Muse Spark 1.1 é a geração de julho, ainda servido e ainda listado.

• Onde roda — Muse Code é apenas para macOS e Linux, apenas terminal, sem GUI, sem extensão de IDE; Muse Spark 1.1 roda em qualquer lugar onde HTTPS funcione, incluindo Windows.

• Entradas — O Muse Code recebe um repositório e um prompt; o Muse Spark 1.1 aceita texto, imagens, vídeo, áudio e documentos PDF em um único contexto de 1.048.576 tokens e retorna texto.

• Status — O Muse Code está em beta público e rotulado como tal; o Muse Spark 1.1 está disponível para o público em geral desde julho de 2026 e está suportando tráfego real de produção.

• Preço de tabela — ambos são cobrados por meio da Meta Model API a US$ 1,25 por milhão de tokens de entrada, US$ 0,15 por entrada em cache e US$ 4,25 por saída no nível padrão. A tabela de preços é a mesma tabela de preços.

A última linha é a que surpreende as pessoas, e ela elimina a suposição óbvia. Adotar o Muse Code não custa mais por token do que o que você já executa. O custo é medido em outras moedas — suporte de plataforma, latência, modalidade e, no nível barato, seu código-fonte. Esses são os quatro eixos que valem a pena discutir.

O benchmark onde eles divergem, lido com o harness conectado

A Meta publicou dois deltas geracionais em relação ao Muse Spark 1.1: +6,7 pontos no Terminal-Bench 2.1 e +6,3 no DeepSWE 1.1. Ambos são relatados pelo fornecedor, ambos vêm de gráficos publicados como imagens sem uma descrição de metodologia, e nenhum deles foi reproduzido por terceiros. Se os removermos, as linhas de base implícitas do 1.1 da Meta ficam em aproximadamente 76,2% e 53,0%.

Agora coloque os 82,9% da Meta ao lado do quadro que ela não citou. O leaderboard público do Terminal-Bench 2.1, no momento em que escrevo, mostra o Claude Code emparelhado com Claude Fable 5 a 83,8% ± 1,2%, o Codex com GPT-5.5 a 83,1% ± 1,1%, o Terminus 2 com Claude Fable 5 a 80,4%, o Cursor CLI com Grok 4.5 a 79,3%, e o mini-SWE-agent com Muse Spark 1.1 a 76,2% em oitavo lugar. Os 82,9% autorrelatados do Muse Code entrariam em terceiro — abaixo de dois pares agente-modelo que não aparecem em lugar nenhum no deck da Meta, que em vez disso compara com Claude Opus 5 a 86,7%, GPT-5.6 Terra a 81,8% e Grok 4.5 a 81,6% em execuções separadas com esforço máximo.

Duas placas, um benchmark, números que não se alinham — e uma terceira escala inteira se você olhar para a Artificial Analysis, cuja avaliação independente do Terminal-Bench v2.1 chega perto de 89,5% para o GPT-5.6 Sol, contra um teto de 83,8% no leaderboard público. Nenhuma dessas partes está mentindo. Uma linha do Terminal-Bench é uma pontuação para um harness, mais um modelo, mais uma configuração de esforço, mais uma permissão de computação — e trocar qualquer um desses elementos move o resultado por mais do que toda a diferença que a Meta está alegando como uma geração.

É por isso que o número interessante no quadro público não é a coluna de precisão. É a coluna de custo. O Muse Spark 1.1 completou sua execução de 76,2% por $198,05. O Claude Code com Claude Fable 5 obteve seus 83,8% por $552,67, e o Codex com GPT-5.5 pagou $2.059,19 por 83,1%. Isso representa 7,6 pontos de precisão por 2,8x o dinheiro no primeiro caso e aproximadamente 10x no segundo — medidos pelo mesmo operador, nas mesmas tarefas, sob as mesmas regras, o que é exatamente a comparação direta que o gráfico da Meta não oferece. O quadro também desconta tarefas resolvidas por explorar o ambiente; a submissão do Muse Spark 1.1 não mostra tal desconto, enquanto a execução do Grok 4.5 no Cursor CLI apresenta um desconto de 9 pontos.

A Meta não publicou nenhum valor de custo para seus 82,9%.

O que o Muse Spark 1.1 já faz que o Muse Code não consegue

O argumento de venda do Muse Code é que um agente co-treinado supera "um invólucro genérico em torno de um modelo externo" — a frase da Meta, a afirmação da Meta, não testada por mais ninguém. É uma afirmação razoável. Também visa uma lacuna que o Muse Spark 1.1 foi especificamente criado para preencher.

Muse Spark 1.1 fala nativamente o Model Context Protocol, gerencia suas próprias conexões MCP sem um framework externo, orquestra internamente os papéis de agente principal e subagente e generaliza zero-shot para novas ferramentas e habilidades personalizadas. Os próprios números de lançamento da Meta para ele eram números de uso de ferramentas: 88,1 no MCP Atlas para uso de ferramentas em escala — à frente dos 82,2 que relatou para o Claude Opus 4.8 e dos 75,3 para o GPT-5.5 — e 54,7 no JobBench. Todos relatados pelo fornecedor, todos de julho, nenhum reproduzido de forma independente. O ponto continua válido: o 1.1 não é um modelo de chat ao qual alguém acoplou um agente. Coloque-o no OpenCode, no Cline ou em qualquer CLI que aceite um endpoint personalizado e você terá um agente hoje.

E depois há tudo o que o Muse Code, estruturalmente, não consegue tocar. O Muse Spark 1.1 raciocina sobre imagens, vídeo, áudio e PDFs em uma única janela de contexto. Um agente de codificação de terminal não tem utilidade para essa superfície e nenhuma maneira de expô-la. Se a sua carga de trabalho é um protótipo de design transformado em componentes, uma chamada de suporte transcrita e categorizada, ou uma especificação de 400 páginas referenciada de forma cruzada com uma implementação, a coisa mais nova é a menos capaz — e o posicionamento da Meta para a geração 1.2 passou de "pesquisa profunda multimodal sobre mídia mista" para refatorações de múltiplos arquivos e geração de repositório inteiro, sem nenhum resultado de vídeo ou áudio publicado para a 1.2 por ninguém.

{{1}}A assimetria genuína corre na outra direção, e é uma propriedade de tempo de execução, não uma capacidade.{{/1}} {{2}}O Muse Code anexa toda chamada de modelo, execução de ferramenta, aprovação e edição a um log de eventos local, que a Meta afirma tornar a sessão exata em reprodução e segura para reinicialização: se travar, o agente retoma de onde parou, em vez de derivar novamente seu contexto.{{/2}} {{3}}Seus agentes em segundo plano persistem durante a sessão, em vez de serem criados e destruídos a cada subtarefa.{{/3}} {{4}}A evidência da Meta é um único estudo de caso — uma execução de 24 horas com mais de 1.000 chamadas de ferramenta otimizando kernels de GPU em hardware NVIDIA Hopper.{{/4}} {{5}}Nenhum número de aceleração foi publicado, então a duração é a alegação.{{/5}} {{6}}Se você já perdeu uma migração de nove horas porque o harness esqueceu o que estava fazendo no passo 300, isso é algo que realmente se quer, e nenhuma quantidade de suporte MCP no modelo lhe dá isso.{{/6}}

Mesmo preço de tabela, até você ler o segundo nível.

Como o nível padrão é idêntico em ambos os lados, o argumento de preços nesta comparação reside inteiramente no nível que a Meta introduziu junto com o Muse Code. O nível de contribuidor custa US$ 0,10 por milhão de tokens de entrada, US$ 0,002 de entrada em cache e US$ 0,20 de saída — 12,5x mais barato na entrada, 21x na saída, 75x na entrada em cache — em troca de permissão explícita para usar seus prompts e completions para treinar futuros modelos da Meta. O tráfego do nível padrão, afirma a Meta, não é usado dessa forma.

Rode uma etapa realista de agente através disso — 60.000 tokens de contexto do repositório de entrada, 3.000 tokens de plano-e-correção de saída — e mil etapas custam US$ 87,75 no nível padrão a frio, US$ 21,75 com o contexto do repositório acertando o cache, US$ 6,60 no nível contribuidor a frio e US$ 0,72 no contribuidor com cache quente. A própria execução de kernel de 24 horas da Meta fica perto de noventa dólares no nível que protege seu código e abaixo de um dólar no nível que não protege.

Isso não é uma escolha de faturamento. As instruções de um agente de codificação são o seu código-fonte — APIs internas, o comentário explicando por que a solução alternativa existe, tudo o que seus fixtures contêm. Em uma árvore de código aberto, o nível de contribuidor é quase dinheiro grátis. Em um repositório proprietário, é uma decisão de licenciamento de dados vestindo a roupa de um desconto, e cabe a quem assina o tratamento de dados, não a quem observa a conta da nuvem. A Meta definiu o desconto em 12x porque os dados valem pelo menos isso para a Meta.

Permanecer no Muse Spark 1.1 contorna a questão por completo, e vale a pena saber exatamente o que isso custa e onde. O Muse Spark 1.1 está no catálogo da OrcaRouter por US$ 1,25 e US$ 4,25 — o preço de tabela da Meta ao centavo, porque adicionamos 0% de margem e repassamos o preço do provedor diretamente, o que também explica por que uma mudança de preço da Meta aparece do nosso lado no dia em que a Meta a faz, em vez de depois de um ciclo de contrato. Nossa telemetria de produção de sete dias para ele mostra p50 de tempo até o primeiro token em 1,84 segundos e p95 em 6,00 segundos, o que é uma expectativa muito mais útil do que qualquer suíte de benchmarks lhe dará. O Muse Spark 1.2 está não em nosso catálogo; ele é servido diretamente pela Meta e por mais ninguém, portanto a metade mais nova desta comparação atualmente tem exatamente um provedor e nenhum caminho de failover por construção. Se você está avaliando isso, essa exposição a um único fornecedor faz parte do que você está avaliando.

A troca de latência que ninguém menciona na cobertura do lançamento

A Artificial Analysis, medindo de forma independente no esforço máximo de raciocínio de cada modelo, registrou o tempo até o primeiro token do Muse Spark 1.1 em 2,90 segundos e o do Muse Spark 1.2 em 26,12 segundos. A velocidade de saída caiu de 213,5 para 165 tokens por segundo. O ganho foi de três pontos no Intelligence Index, de 51 para 54, e um salto de #22 para #13 entre 185 modelos.

Lido como um lançamento de modelo de propósito geral, é um mau negócio — nove vezes a espera por três pontos. Lido como o motor de um agente de codificação, é obviamente a escolha certa, porque ninguém esperando por uma refatoração de doze arquivos nota vinte e seis segundos de planejamento, e todos esperando por uma conclusão de chat notam tudo isso. Essa é a declaração mais clara de para quem cada lado dessa comparação é feito, e foi medida por um terceiro, em vez de afirmada pela Meta.

Isso também significa que a troca não é gratuita, mesmo que você só se importe com código. Qualquer coisa interativa que você tenha apontado para o Muse Spark 1.1 — conclusão inline, um bot de revisão, uma superfície de chat sobre seus documentos — fica materialmente pior se você a mover para a geração 1.2 com alto esforço. A atualização é direcionada, e direcionamento tem uma direção.

Qual deles você deveria realmente estar executando

Continue no Muse Spark 1.1 se o seu trabalho não for um repositório. Pipelines multimodais, análise de contexto longo, pesquisa de mídia mista, qualquer coisa interativa, qualquer coisa no Windows, qualquer coisa já conectada via MCP e funcionando. Nada no lançamento do Muse Code melhora esses casos, e a medição de latência piora pelo menos um deles.

Experimente o Muse Code se o seu modo de falha for duração. Migrações de monorepo, atualizações de dependências, refatorações de uma semana — trabalhos que você atualmente supervisiona de perto porque o agente perde o fio da meada. O registro de eventos e os agentes persistentes em segundo plano visam exatamente isso, e um déficit de alguns pontos no benchmark importa menos justamente quando a execução é mais longa. Beta, em um clone descartável, em um repositório que você não se importaria de perder.

Faça o experimento honesto se você está tentando decidir sobre o modelo. Mantenha sua estrutura de teste constante e troque Muse Spark 1.1 por Muse Spark 1.2 nela. Isso isola a única variável que o gráfico da Meta agrupa, e é a única maneira de descobrir se o prêmio de co-treinamento é real ou se o 1.2 é simplesmente um modelo de codificação competente onde quer que você o coloque. Um único gateway torna isso uma mudança de string em vez de um exercício de aquisição — Muse Spark 1.1, Claude Opus 5, GPT-5.6 Terra, Grok 4.5 e Claude Fable 5 ficam todos atrás de uma chave OrcaRouter ao preço de tabela com failover automático entre provedores, então o conjunto de comparação não custa nada para manter ativo. Muse Spark 1.2 é a exceção e precisa vir da Meta.

Perguntas que valem a pena fazer antes de instalar qualquer coisa.

Posso apontar o Muse Code para o Muse Spark 1.1 em vez do 1.2?

O material de lançamento da Meta não afirma isso, e os dois foram lançados como um par co-treinado, o que é um argumento contra a ideia de que isso seja suportado ou útil. A direção inversa está bem documentada, no entanto: o Muse Spark 1.1 funciona em qualquer agente que aceite um endpoint personalizado, que é como a maioria das pessoas o executa como agente hoje. Se seu objetivo é uma comparação controlada, execute 1.1 e 1.2 no seu harness, em vez de tentar adaptar o da Meta.

O nível de contribuidor também se aplica ao Muse Spark 1.1?

A Meta introduziu a estrutura de dois níveis com o lançamento do Muse Code e do Muse Spark 1.2, e seu card de preços publicado vincula o preço do contribuidor a essa versão. Considere que o desconto de 12x é uma oferta da geração 1.2 até que a Meta diga o contrário, e precifique qualquer workload 1.1 em US$ 1,25 e US$ 4,25. Se você está no OrcaRouter, você está no preço de tabela por definição, portanto não há camada de compartilhamento de dados para aderir ou cancelar.

Então, a afirmação de 6,7 pontos está errada?

Não — não foi auditado e é subespecificado, o que é diferente. A Meta pode muito bem ter rodado sua baseline 1.1 em um arcabouço comparável ao do Muse Code; nesse caso, o ganho é um resultado limpo de modelo sobre modelo. Mas nenhuma metodologia foi publicada: a baseline implícita cai exatamente na pontuação de um scaffold mínimo de terceiros, e o mesmo benchmark produz três escalas diferentes dependendo de quem o executa. Trate o +6.7 como direcional e obtenha seu próprio número antes de planejar com base nele.

O que resolveria isso

Uma submissão. Se a Meta colocar o Muse Code no ranking público do Terminal-Bench 2.1 sob as mesmas regras que todos os outros seguiram — sem timeouts ou recursos modificados, coluna de custo preenchida, deduções por hacks aplicadas — os 82,9% se tornam comparáveis aos 76,2% ao lado do nome do Muse Spark 1.1 e aos 83,8% no topo, e toda essa discussão se resolve em uma tarde. Até lá, o único número verificado de forma independente no confronto pertence ao modelo mais antigo, e ele diz que o Muse Spark 1.1 resolveu três quartos do Terminal-Bench 2.1 dentro de um scaffold pequeno o suficiente para ser lido de uma só vez, por menos de duzentos dólares.

A segunda coisa que vale a pena observar é mais restrita e chega mais cedo: se a Artificial Analysis publica os subescores de codificação e agênticos para a geração 1.2, que já publica para a 1.1. O desempenho agêntico foi a dimensão publicada mais fraca da 1.1 por ampla margem. É precisamente o número que a Meta afirma ter corrigido, e precisamente aquele que ninguém fora da Meta ainda mediu.