Im Quellenvergleich
Alle Inhalte werden von KI erstellt. Dieser Überblick fasst zusammen, worin sich mehrere Quellen einig sind und worin sie sich unterscheiden — die Bewertung bleibt dir überlassen.
Meta hat Muse Code veröffentlicht, einen KI-Codierungsagenten für das Terminal, der sich in der Beta-Phase befindet. Dazu kommt Muse Spark 1.2, ein Update der Muse-Spark-Modellfamilie mit Fokus aufs Programmieren. Damit tritt Meta in direkte Konkurrenz zu Claude Code von Anthropic und Codex von OpenAI. Muse Code nutzt laut Meta asynchrone Hintergrundagenten, die während der gesamten Sitzung aktiv bleiben. Bei großen Aufgaben arbeiten parallele Unteragenten in getrennten Git-Worktrees. Ein lokales Ereignisprotokoll macht den Ablauf laut Meta „replay-exact and restart-safe“, sodass unterbrochene Aufgaben exakt fortgesetzt werden können. Muse Spark 1.2 wurde laut Meta gemeinsam mit Muse Code trainiert und mit einem Selbstverbesserungszyklus optimiert. In einem Testlauf optimierte der Agent GPU-Kernel über 24 Stunden und mehr als 1.000 Tool-Aufrufe hinweg mit „substanziellen Verbesserungen“. Die Preisgestaltung hat zwei Stufen: Die Standard-Stufe kostet 1,25 Dollar pro Million Input-Tokens und 4,25 Dollar pro Million Output-Tokens. Die Beitrags-Stufe kostet 0,10 Dollar Input und 0,20 Dollar Output, erlaubt Meta aber, die Daten zum Training zu nutzen. Laut Meta ist das der günstigste Preis auf dem Markt. In einem Test von VentureBeat verlangte auch die Beitrags-Stufe eine Zahlungsmethode. Eine Erwähnung von Open Source fehlt in der Ankündigung, was auffällig ist für ein Unternehmen, das sich jahrelang als Vorreiter offener KI positionierte. Die Installation erfolgt mit einem einzigen Befehl. Muse Code basiert auf Metas eigenem Codierungsmodell Muse Spark. Metas KI-Chef Alexandr Wang betont die Kostenvorteile des Tools. Meta investiert verstärkt in KI und war zuvor im Juni mit einem Agenten für Kundenservice in den Enterprise-Markt eingestiegen. Muse Code läuft im Terminal und unterstützt macOS und Linux. Die Nutzung von Muse Code selbst ist kostenlos, abgerechnet wird nach Token-Verbrauch über die API. Der Agent plant Änderungen, schreibt Code und prüft Ergebnisse. Bei Benchmarks erreichte Muse Spark 1.2 in „Terminal-Bench 2.1“ 82,9 Prozent, in „DeepSWE 1.1“ 59,3 Prozent. Damit übertrifft es den Vorgänger, bleibt aber hinter Claude Opus 5 von Anthropic zurück. Die Benchmarkplattform Artificial Analysis zählt Muse Spark 1.2 zu den kosteneffizientesten Modellen seiner Klasse. Im Modellvergleich erreicht es 54 Punkte, etwa auf dem Niveau von Grok 4.5 und GPT-5.5, aber hinter den Spitzenmodellen von Anthropic und OpenAI. Anders als bei Llama veröffentlicht Meta die Modellgewichte nicht. Der Agent entscheidet selbst, wann er dem Hauptprogramm berichtet. Muse Code hat einen Planungsmodus „/plan“ sowie einen Gegenbefehl „/grill“, der Pläne auf Schwachstellen prüft. Ein Teil der Trainingsdaten stammt vom Vorgängermodell 1.1, das Aufgaben erzeugte und Lösungen bewertete. Muse Code hat ein Kontextfenster von 1 Million Token. Das Modell wurde auf Aufgaben mit langer Laufzeit trainiert, etwa das Erzeugen ganzer Repositories. In Benchmarks vergleicht Meta das Modell mit Grok 4.5, Claude Opus 5, GPT-5.6 Terra und Gemini 3.6 Flash. Meta räumt ein, dass der Testaufbau nicht auf fremde Modelle abgestimmt ist. In Coding-Benchmarks fällt das Bild gemischt aus: In einem Test schnitt das Modell besser ab als sein Vorgänger, in einem anderen schlechter.