Meta hat mit Muse Code seinen ersten eigenen KI-Coding-Agenten veröffentlicht und gleichzeitig das Modell Muse Spark 1.2 vorgestellt, das gemeinsam mit dem Agenten trainiert wurde. Der Konzern kündigte beide Produkte am 5. August 2026 in seinem Forschungsblog an. Muse Code läuft als Beta im Terminal von macOS und Linux und übernimmt komplette Entwicklungsaufgaben vom Planen über das Programmieren bis zum Prüfen.
Damit greift Meta die etablierten Coding-Agenten Claude Code von Anthropic und Codex von OpenAI direkt an.
Terminal-Bench 2.1: Muse Code erreicht 82,9 Prozent
Laut den von Meta veröffentlichten Benchmark-Grafiken erreicht Muse Code im Terminal-Bench 2.1 einen Wert von 82,9 Prozent. Das reicht für einen knappen Vorsprung vor OpenAIs GPT-5.6 Terra auf Codex (81,8 Prozent), die Spitze verteidigt Anthropics Claude Code mit 86,7 Prozent.
Der Fortschritt zum eigenen Vorgänger fällt moderat aus. Muse Spark 1.1 lag im selben Benchmark bei 80,0 Punkten. Ergebnisse zu DeepSWE 1.1, GDPval und einem internen Meta-Benchmark zeigt der Konzern ebenfalls, allerdings nur als Grafiken ohne genaue Werte im Text.
Terminal-Bench 2.1: Coding-Agenten im Vergleich
Erfolgsquote in Prozent. Muse Code (grün) schiebt sich zwischen die beiden etablierten Konkurrenten.
Quelle: Meta AI Research, Benchmark-Grafiken zur Vorstellung von Muse Code
Genau an diesen Grafiken setzt die erste Kritik an. Forbes-Kolumnist Jon Markman weist in seiner Kolumne zum Muse-Code-Start darauf hin, dass Meta die Benchmark-Ergebnisse nur als Bilder ohne Angaben zur Methodik veröffentlicht hat. Solche Zahlen seien Marketing, solange sie niemand unabhängig nachprüft.
Dauerhafte Hintergrund-Agenten und ein Event-Log gegen Abstürze
Muse Code startet seine Agenten nicht für jede Aufgabe neu, sondern hält mehrere spezialisierte Hintergrund-Agenten dauerhaft aktiv. Das ist die auffälligste technische Entscheidung des Systems. Parallele Worker übernehmen die Umsetzung, Reviewer prüfen die Ergebnisse im Hintergrund, während der Haupt-Agent den Überblick behält.
Drei Befehle liefert Meta standardmäßig mit:
- /plan verwandelt eine Aufgabe in einen Plan, den der Nutzer erst freigeben muss
- /grill unterzieht diesen Plan einem Stresstest, bis er belastbar ist
- /goal arbeitet eigenständig auf das definierte Ziel hin
Als Absicherung dient ein lokales Event-Log. Es protokolliert jeden Modell-Aufruf, jeden Tool-Lauf, jede Genehmigung und jede Code-Änderung. Stürzt das System ab, setzt der Agent exakt an der unterbrochenen Stelle wieder auf. Der Agent greift auf lokale Dateien, GitHub-Projekte und das Web zu, die Installation erledigt ein einzelner Terminal-Befehl.
Mark Zuckerberg ließ das System nach einem t3n-Bericht zu Muse Code sechs neue Features für ein Spiel parallel entwickeln, ohne dass sich die Agenten gegenseitig störten. Wie eigenständig aktuelle KI-Agenten handeln können, zeigte zuletzt auch der AISI-Test mit Claude Mythos 5.
Muse Spark 1.2: Modell und Agent gemeinsam trainiert
Muse Spark 1.2 ist ein auf Programmierung ausgerichtetes Update von Spark 1.1 mit einem Kontextfenster von 1 Million Token. Meta hat das Modell im Co-Training direkt mit Muse Code abgestimmt. Ausgewählte Arbeitsverläufe des Agenten flossen ins Training ein, ebenso Optimierungen für Ziele, Kontext-Verdichtung und Sub-Agenten.
Beim Training half das Vorgängermodell mit. Spark 1.1 erzeugte anspruchsvolle Programmier-Übungsumgebungen, Spark 1.2 bewertete die Lösungen. Auf diesem Weg kam Meta an skalierbare Trainingsdaten, ohne sie von Menschen erstellen zu lassen.
Als Härtetest diente die Optimierung von GPU-Kernels für Nvidias Hopper-Chips (KDA- und MLA-Kernel). Der Agent arbeitete in Sessions von bis zu 24 Stunden und setzte dabei über 1.000 Tool-Aufrufe ab.
Contributor-Tarif: ein Bruchteil des Preises, bezahlt mit Daten
Meta verkauft Muse Spark 1.2 in zwei Tarifen, und der Preisabstand ist enorm. Die Million Output-Token kostet im Standard-Tarif 4,25 US-Dollar, im Contributor-Tarif nur 0,20 US-Dollar. Im Gegenzug darf Meta dort alle Ein- und Ausgaben für das Training der eigenen Modelle verwenden.
| Tarif | Input pro Mio. Token | Cache-Input | Output |
|---|---|---|---|
| Standard | 1,25 USD | 0,15 USD | 4,25 USD |
| Contributor (Meta trainiert mit den Daten) | 0,10 USD | 0,002 USD | 0,20 USD |
Forbes-Kolumnist Markman deutet das Preismodell als Einkaufsprogramm. Meta habe keinen Rabatt-Tarif gebaut, sondern ein Angebot, Quellcode anzukaufen, bezahlt in Rechenleistung. Dahinter stehen für 2026 geplante Investitionen von 130 bis 145 Milliarden US-Dollar in KI-Infrastruktur, während der freie Cashflow laut Forbes zuletzt von 8,5 Milliarden auf 784 Millionen US-Dollar fiel.
Markman verweist außerdem auf eine MIT-Studie (Project NANDA), nach der 95 Prozent der KI-Pilotprojekte in Unternehmen keinen messbaren Ertrag bringen. Programmieren gilt darin als Ausnahme, weil sich Code kompilieren und testen lässt und Fehler sofort auffallen.
Hinweis für Unternehmen: Im günstigen Contributor-Tarif werden Prompts und Code zu Trainingsdaten für Meta. Wer an Kundenprojekten oder vertraulichem Firmencode arbeitet, sollte den Standard-Tarif wählen oder den Einsatz vorab rechtlich prüfen lassen (Stichworte Geheimhaltung und DSGVO).
Muse Code steht ab sofort als Beta für macOS und Linux zum Download bereit, Muse Spark 1.2 ist über die Meta Model API verfügbar, nach Meta-Angaben mit erweitertem globalem Zugang. Eine Windows-Version hat das Unternehmen bisher nicht angekündigt.