Meta официально вышла на рынок ИИ-инструментов для программирования 5 августа, представив Muse Code — терминальный агент для написания кода — вместе с моделью Muse Spark 1.2, ориентированной на программирование. Релиз нацелен напрямую на таких признанных конкурентов, как Claude Code от Anthropic и Codex от OpenAI, и знаменует собой один из наиболее быстро растущих коммерческих сегментов генеративного ИИ как конкурентной области.

В отличие от моделей Llama с открытыми весами, Muse Code представляет собой платное ПО, доступное для macOS и Linux. Компания позиционирует его как инструмент для полномасштабной разработки ПО в крупных кодовых базах, а не просто для генерации отдельных фрагментов кода. Muse Code тесно интегрирован с моделью Muse Spark 1.2. Переход к платным проприетарным инструментам означает заметный сдвиг в коммерческой стратегии Meta, которая сформировала свою репутацию в области ИИ благодаря свободному выпуску весов моделей Llama для исследовательского и разработческого сообщества.

Генеральный директор Meta Марк Цукерберг заявил, что агент способен выполнять «полноценные задачи по программной инженерии в крупных репозиториях: планирование изменений, написание кода, проверка результатов». Он отметил, что внутреннее тестирование продемонстрировало способность агента одновременно создавать шесть различных игровых функций без проблем, и указал, что в будущем последуют дополнительные запуски ИИ-ПО с открытыми весами.

Позиция Meta на переполненном рынке

Meta выходит в сектор, где Anthropic и OpenAI уже являются доминирующими игроками, а стартапы вроде Cursor подтвердили высокий спрос на ИИ-инструменты для программной инженерии. Конкурентное поле теперь охватывает как помощники, интегрированные в IDE — например, Cursor, — так и терминальные агенты вроде Claude Code и Muse Code, отражая более широкую эволюцию отрасли от простого автодополнения кода к автономным агентам, способным обрабатывать многошаговые инженерные процессы.

Meta признаёт, что хотя Muse Spark 1.2 конкурентоспособен в определённых аспектах, он пока не является лидером рынка. Модель набрала 82,9% на Terminal-Bench 2.1, обойдя GPT-5.6 Terra и Grok 4.5, но уступив Opus 5 от Anthropic. На бенчмарке DeepSWE 1.1 Muse Spark 1.2 занял третье место, вновь проиграв Opus 5.

Сторонние оценки подтверждают эти результаты. По данным Artificial Analysis, Muse Spark 1.2 занимает 14-е место из 186 моделей в индексе Intelligence Index с результатом 54, что выше медианного значения 32. Модель отличается хорошей задержкой и относительно низкой ценой, что указывает на приоритет Meta — баланс между производительностью и стоимостью, а не погоню за максимальными результатами в бенчмарках. Поскольку результаты ведущих моделей на бенчмарках начали сближаться, экономика API становится всё более значимым фактором differentiation для разработчиков при выборе провайдера.

Ценообразование: Muse Spark 1.2 против семейства V4 от DeepSeek

Ценообразование может стать одним из наиболее значимых конкурентных преимуществ Meta — при условии, что разработчики готовы принять сопутствующие компромиссы.

По данным Reuters со ссылкой на Artificial Analysis, DeepSeek V4-Flash в настоящее время является наименее затратной широко используемой ИИ-моделью в тестах бенчмарков, что делает семейство DeepSeek V4 ключевым ориентиром ценообразования для конкурирующих передовых моделей.

Muse Spark 1.2 предлагает два ценовых тарифа. Стандартная цена для использования через API составляет $1,25 за миллион входных токенов, $0,15 за миллион кэшированных входных токенов и $4,25 за миллион выходных токенов. Meta также предлагает тариф Contributor для одобренных запросов и ответов, который существенно снижает расходы — до $0,10 за миллион входных токенов, $0,01 за миллион кэшированных входных токенов и $0,20 за миллион выходных токенов.

Для сравнения, DeepSeek берёт $0,14, $0,0028 и $0,28 за миллион входных, кэшированных входных и выходных токенов соответственно для V4-Flash. V4-Pro стоит $0,435, $0,0145 и $0,87 за те же категории токенов, причём ставки варьируются в зависимости от пикового и внепикового использования согласно документации API.

Эти цифры демонстрируют две различные стратегии ценообразования. По стандартным ценам Muse Spark 1.2 дороже обеих моделей DeepSeek. Однако по тарифу Contributor Meta предлагает более низкие цены на входные и выходные токены, чем V4-Flash и V4-Pro, что делает его одним из самых доступных вариантов для правомочных пользователей, готовых делиться своими данными.

Ценовое преимущество DeepSeek может оказаться временным. По данным Bloomberg, DeepSeek планирует существенное повышение цен на свои ИИ-услуги, хотя подробности пока не раскрываются. В случае реализации новое ценообразование может сократить разрыв между DeepSeek и другими крупными конкурентами.

Постоянные фоновые агенты и фокус на надёжность

Определяющей характеристикой агента Meta может оказаться его архитектура, а не результаты бенчмарков. Согласно инженерным заметкам компании, Muse использует постоянные фоновые агенты, которые сохраняют контекст репозитория на протяжении каждой сессии разработки, вместо того чтобы обнуляться при каждом запросе.

Для более крупных проектов Muse распределяет задачи по нескольким изолированным Git worktree, позволяя подагентам работать независимо, не влияя на основное рабочее пространство разработчика.

Meta также уделяет внимание надёжности. Каждый вызов модели, выполнение инструмента и редактирование файла записываются в локальный журнал событий, что позволяет прерванным сессиям возобновляться с контрольной точки, а не начинаться заново. Компания протестировала эту систему на более чем 1 000 вызовов инструментов в ходе 24-часовой задачи по инженерии GPU-ядра, подчёркивая свою приверженность длительной автономной программной инженерии. Эта архитектура отражает более широкий отраслевой сдвиг в сторону агентов, рассчитанных на устойчивые реальные процессы разработки, где непрерывность сессии и отказоустойчивость не менее важны, чем качество генерации кода как таковое.

Запуск усиливает конкуренцию в глобальном секторе ИИ. Появление Meta предоставляет разработчикам ПО дополнительную жизнеспособную альтернативу наряду с Anthropic, OpenAI и DeepSeek, усиливая давление на ИИ-провайдеров в части как возможностей программирования, так и моделей ценообразования. Эта динамика может ускорить циклы разработки продуктов, снизить затраты на инференс и расширить доступ к передовым ИИ-инструментам программирования для команд программной инженерии.