Meta hat Muse Code (Beta) veröffentlicht, einen terminalbasierten Codierungsagenten, der von Muse Spark 1.2 angetrieben wird – dem auf Codierung fokussierten, aktualisierten Modell des Unternehmens. Das Tool ist nun über die Meta Model API und ein Curl-Installationsskript verfügbar.

Muse Code koordiniert persistente Hintergrund-Subagenten und führt ein exakt wiedergebbares Ereignisprotokoll, das es dem Agenten ermöglicht, nach einem Abbruch genau an der Stelle fortzufahren, an der er gestoppt wurde.

In Metas eigenen Benchmark-Diagrammen liegt Muse Spark 1.2 bei allen gezeigten Codierungs-Benchmarks hinter Anthropics Opus 5, schlägt jedoch OpenAIs Codex und Googles Antigravity in den meisten Metriken.

Meta ist der jüngste Technologieriese, der einen eigenen Codierungsagenten auf den Markt bringt, und tritt einem umkämpften Feld bei, das von Anthropic und OpenAI dominiert wird. Die Veröffentlichung signalisiert, dass terminalnative Codierungsagenten – popularisiert durch Anthropics Claude Code – zu einer standardmäßigen Wettbewerbsarena geworden sind, in der mittlerweile jedes bedeutende Labor ein eigenes Äquivalent entwickelt oder ausliefert.

"Wir freuen uns, Muse Code (Beta) zu veröffentlichen – einen terminalbasierten Codierungsagenten, der von Muse Spark 1.2, unserem neuesten Modell, angetrieben wird", schrieb das Unternehmen in einer offiziellen Ankündigung. "Dies markiert unseren nächsten Schritt in Richtung der Frontier, wobei größere und wesentlich leistungsfähigere Modelle folgen werden."

Entwickelt für Engineering in großen Repositories

Muse Code wurde für Software-Engineering in großen Repositories konzipiert. Lut Meta "übernimmt es komplexe Software-Engineering-Aufgaben in großen Repositories: das Planen von Änderungen, das Schreiben von Code und das Validieren der Ergebnisse. Es kann mehrere persistente Subagenten für jede Aufgabe koordinieren und so schwierige Probleme schneller, genauer und mit weniger Eingriffen lösen."

Ein herausragendes Merkmal ist die Laufzeitarchitektur. Muse Code protokolliert jeden Modellaufruf, jede Tool-Ausführung, jede Freigabe und jede Bearbeitung in einem lokalen Ereignisprotokoll, das als alleinige Wahrheitsquelle dient.

"Diese alleinige Wahrheitsquelle macht die Laufzeit exakt wiedergebbar und neustartsicher: Nach einem Absturz kann der Agent genau dort fortfahren, wo er gestoppt wurde", so Meta. Bei lang andauernden Engineering-Aufgaben kann diese Fähigkeit wichtiger sein als reine Verarbeitungsgeschwindigkeit – eine Dimension, die konkurrierende Produkte nicht hervorgehoben haben. Absturzresilienz ist ein bemerkenswert vernachlässigtes Problem im Bereich des agentenbasierten Codierens, wo mehrstündige Aufgaben durch ein einzelnes Laufzeitversagen scheitern können.

Der Agent wird mit mehreren Standardfähigkeiten ausgeliefert. Der Befehl "/plan" wandelt eine Aufgabe in einen freigabegesteuerten Plan um, "/grill" setzt diesen Plan unter Druck, bis er standhält, und "/goal" arbeitet auf die erfolgreiche Erreichung des Ziels hin – ähnlich wie Hermes. Meta gab an, Muse Spark 1.2 gemeinsam mit Muse Code trainiert zu haben, sodass das Kern-LLM und der Agent synergetisch zusammenarbeiten.

Benchmarks zeigen Fortschritt, aber keine Vorherrschaft

Muse Spark 1.2 ist ein auf Codierung fokussiertes Update von Muse Spark 1.1. Meta erklärte, man habe "die Trainingsrechenleistung für Codierungsaufgaben erheblich skaliert und gleichzeitig die Vielfalt der Trainingsumgebungen erweitert, was zu Verbesserungen bei Codegenerierung, komplexem Debugging und End-to-End-Entwickler-Workflows führte."

Bei Terminal-Bench 2.1 erzielte Muse Spark 1.2 mit Muse Code 82,9 % – hinter Claude Code auf Opus 5 mit 86,7 %, aber vor GPT-5.6 Terra auf Codex (81,8 %) und Grok Build (81,6 %).

DeepSWE 1.1, das agentenbasierte Codierungsfähigkeiten misst, zeigte eine engere Lücke: 59,3 % für Muse gegenüber 65,0 % für Opus 5 und 64,8 % für Codex. Bei Metas internem Codierungs-Benchmark erreichte Muse 70,6 % im Vergleich zu Opus 5's 79,4 %.

Die Beschleunigungsdiagramme kehrten die Reihenfolge um. Bei über 1.000 Tool-Aufrufen verzeichnete Opus 5 den größten Gewinn gegenüber der Basislinie (etwa 74–75 %), wobei Muse Spark 1.2 im Mittelfeld bei ungefähr 61–69 % lag, je nach Durchlauf. Meta betonte, dass der Agent sich mit zunehmenden Tool-Aufrufen kontinuierlich verbessert – ein wünschenswertes Verhalten für ein Langzeit-Codierungssystem.

Langzeit- und Multimodal-Demos

Die bemerkenswertesten Demonstrationen konzentrierten sich auf Langzeit- und Multimodal-Fähigkeiten. Während des Stresstests erklärte Meta, Muse Code habe "iterativ GPU-Kernels über 1.000+ Tool-Aufrufe (bis zu 24 Stunden) auf Nvidia Hopper GPUs optimiert" und damit die Fähigkeit gezeigt, die Leistung über längere Zeiträume hinweg zu verbessern.

Das Tool bietet außerdem eine visuelle Codierungsfunktion. In einer Demo legt ein Nutzer ein Durchflugvideo eines Hauses als mp4-Datei im Terminal ab, und Muse Code "interpretiert das Video und erstellt eine visuell ansprechende Website mit Buchungsfunktionen." Die Fähigkeit, Rohvideo in eine funktionierende Webanwendung umzuwandeln, repräsentiert das Multimodal-Versprechen, das Meta über die gesamte Muse-Produktlinie vorantreibt.

Siehe den Launch-Thread:

Here's an example of Muse Code's multimodal visual coding capabilities. In this demo, the user inputs a fly-through video of a home into the terminal as an mp4 file. Muse Code interprets the video and produces a visually rich website with booking capabilities. pic.twitter.com/3CAfIMYmAB

— AI at Meta (@AIatMeta) August 5, 2026

Ein umkämpftes Feld

Meta betritt einen Markt mit etablierten Akteuren. OpenAIs Codex betreibt bereits parallele Cloud-Agenten; DeepSeek hat einen eigenen Konkurrenten zu Claude Code entwickelt; und agentenbasierte Tools wie Hermes und OpenClaw sind bereits funktionale Alternativen mit sich erweiternden Fähigkeiten.

Muse Codes herausragende Merkmale sind seine absturzsichere Laufzeit und die Subagenten-Koordinationsarchitektur rather als Benchmark-Führerschaft. Für Meta scheint die Strategie auf Zuverlässigkeit und Autonomie statt auf rohe Modell-Dominanz zu setzen – eine Wette darauf, dass Enterprise- und Forschungs-Entwickler zuverlässige, langlaufende Agenten über marginale Benchmark-Gewinne priorisieren.

Das inhärente Risiko des agentenbasierten Codierens bleibt bestehen: Ein Agent, der nach einem Absturz fortgesetzt wird und 24 Stunden lang weiter Tools aufruft, ist ebenso leistungsstark wie unvorhersehbar. Meta setzt darauf, dass Entwickler ein solches Maß an Autonomie wünschen.

Muse Code ist nach der Installation zum Testen verfügbar, indem der folgende Befehl eingegeben wird:

curl -fsSL | bash