Meta hat am 5. August 2026 mit Muse Code einen eigenen KI-Coding-Agenten vorgestellt und tritt damit direkt gegen Anthropics Claude Code und OpenAIs Codex an. Das Tool läuft im Terminal, plant und schreibt Code für größere Repositories eigenständig und lässt sich aktuell als Beta für macOS und Linux installieren. Angetrieben wird Muse Code vom neuen Modell Muse Spark 1.2, das Meta parallel dazu veröffentlicht hat.
Kurz zusammengefasst:
- Muse Code ist ein Terminal-Agent für komplexe Softwareentwicklung, aktuell in der Beta für macOS und Linux.
- Das Modell dahinter heißt Muse Spark 1.2 und ist auch über die Meta Model API nutzbar.
- Installation über einen einzelnen Terminalbefehl, Zugang über dev.meta.ai.
- Preise hat Meta noch nicht veröffentlicht, positioniert das Tool aber als günstigere Alternative zu Claude Code und Codex.
Was ist Muse Code?
Muse Code installiert man über die Kommandozeile und startet ihn dort auch. Statt einzelner Codezeilen übernimmt der Agent komplette Softwareentwicklungsaufgaben in großen Repositories: Er plant Änderungen, schreibt den Code und prüft anschließend, ob das Ergebnis funktioniert. Damit zielt Meta erkennbar auf dieselbe Zielgruppe wie Claude Code von Anthropic und Codex von OpenAI, allerdings mit einem Kostenargument im Rücken, dazu weiter unten mehr.
Wer es ausprobieren will, installiert Muse Code mit einem einzigen Befehl im Terminal:
curl -fsSL https://dev.meta.ai/install.sh | bashEine Windows-Version hat Meta bislang nicht angekündigt. Wer auf Windows unterwegs ist, kommt aktuell nur über WSL an das Tool.
Muse Spark 1.2: das Modell hinter dem Agenten
Hinter Muse Code steckt Muse Spark 1.2, ein auf Programmieraufgaben spezialisiertes Sprachmodell. Meta hat es gezielt für lange Coding-Sessions trainiert, also für Arbeit über mehrere Dateien und Repositories hinweg statt für kurze Autocomplete-Vorschläge. Beim Training ist ein Detail interessant: Die Vorgängerversion Muse Spark 1.1 hat einen Teil der Trainingsdaten für 1.2 selbst erzeugt, ein Selbstverbesserungs-Loop also. Zusätzlich wurden Modell und Agent parallel trainiert, damit beide möglichst gut zusammenspielen.
Über die Model API von Meta ist Muse Spark 1.2 inzwischen auch außerhalb von Muse Code nutzbar, laut Meta mit erweitertem globalem Zugang. Die Modellgewichte gibt es nicht zum Download, das Modell läuft ausschließlich gehostet bei Meta.
Diese Funktionen bringt Muse Code mit
Ein paar technische Details unterscheiden Muse Code von klassischen Autocomplete-Tools:
Async Background Agents: Statt für jede Teilaufgabe einen neuen Prozess zu starten, bleibt bei Muse Code ein Satz von Hintergrund-Agenten über die gesamte Sitzung aktiv. Das soll doppelte Informationsbeschaffung und unnötige Wartezeiten bei mehrstufigen Aufgaben vermeiden.
Event-Log-Runtime: Jeder Modellaufruf, jeder Tool-Lauf und jede Bearbeitung landet in einem lokalen Protokoll, das nur ergänzt und nie überschrieben wird. Klingt nach Buchhaltung, ist aber praktisch: Stürzt eine Sitzung ab, lässt sie sich exakt an derselben Stelle fortsetzen, ohne dass Kontext verloren geht.
Bundled Skills: Drei eingebaute Befehle steuern den Workflow. /plan wandelt eine Aufgabe in einen genehmigungspflichtigen Plan um, /grill stresstestet diesen Plan, bevor er umgesetzt wird, und /goal hält den Agenten auf ein definiertes Ziel fokussiert.
Parallele Sub-Agenten in isolierten Worktrees: Bei größeren Projekten lässt Muse Code mehrere Teilagenten gleichzeitig arbeiten, jeweils in einem eigenen Arbeitsbereich, der vom Hauptverzeichnis getrennt ist. Laut einem Bericht von TechCrunch hat Mark Zuckerberg das Tool selbst genutzt, um sechs Features für ein Spiel gleichzeitig entwickeln zu lassen, ohne dass sich die Änderungen gegenseitig überschrieben haben.
Benchmarks und eine 24-Stunden-GPU-Fallstudie
Meta hat Muse Spark 1.2 gegen drei Benchmarks getestet:
| Benchmark | Umfang |
|---|---|
| Terminal-Bench 2.1 | 89 Aufgaben, gemessen als Pass@1 über fünf Versuche |
| DeepSWE v1.1 | 113 Aufgaben aus 91 Repositories in 5 Programmiersprachen |
| Meta Internal Coding Bench | 440 Aufgaben aus echten Pull Requests |
Konkrete Prozentwerte hat Meta bislang nur in Balkendiagrammen veröffentlicht, ohne exakte Zahlen im Fließtext zu nennen. Aussagekräftiger ist da schon eine Fallstudie zur GPU-Kernel-Optimierung, die im offiziellen Blogpost beschrieben wird: Über mehr als 1.000 Tool-Aufrufe hinweg, verteilt auf bis zu 24 Stunden, hat das Modell Kernel für Nvidias Hopper-Architektur optimiert. Bei sogenannten KDA-Kernels kombinierte es dabei eine chunk-parallele Vorbereitung mit einem sequenziellen Inter-Chunk-Scan und kam laut Meta auf spürbare Verbesserungen gegenüber der vorgegebenen Baseline. Wer schon mal versucht hat, GPU-Code von Hand zu tunen, weiß, wie viel Frickelarbeit da normalerweise drinsteckt, 24 Stunden am Stück ohne Pause klingt nach einer Aufgabe, die kein Mensch freiwillig übernehmen würde. Wie belastbar solche synthetischen Benchmarks am Ende für den echten Entwickleralltag sind, zeigt sich ähnlich wie bei klassischen Hardware-Tests wie Geekbench oft erst nach ein paar Monaten Praxiseinsatz.
Verfügbarkeit, Preis und Installation
| Entwickler | Meta (Meta Superintelligence Labs) |
| Modell | Muse Spark 1.2 |
| Plattformen | macOS, Linux (Beta) |
| Installation | curl -fsSL https://dev.meta.ai/install.sh | bash |
| Zugang | dev.meta.ai |
| Preis | Noch nicht veröffentlicht |
| Veröffentlichung | 5. August 2026 |
Beim Preis hält sich Meta bislang bedeckt. Weder ein Abo-Modell noch API-Preise pro Token wurden öffentlich kommuniziert. Metas KI-Chef Alexandr Wang hat gegenüber TechCrunch aber schon angedeutet, wohin die Reise gehen soll: Muse Code könne „an incredibly good option“ sein, „especially from a cost perspective“. Meta positioniert das Tool also ziemlich offen als die günstigere Alternative zu Claude Code und Codex, konkrete Zahlen fehlen aber noch.
Muse Code, Claude Code und Codex: eine Einordnung
Mit Muse Code reiht sich Meta in ein Feld ein, das sich gerade rasant weiterentwickelt. Anthropic hat mit Claude Code vorgelegt, OpenAI zieht mit Codex nach, und jetzt kommt Meta mit eigenem Modell und eigenem Terminal-Agenten dazu. Auffällig ist, wie stark Meta bei der Architektur auf Ausfallsicherheit und Parallelisierung setzt, das Event-Log und die isolierten Worktrees für Sub-Agenten wirken wie eine direkte Antwort auf ein Problem, das erfahrene Nutzer von Coding-Agenten kennen: abgebrochene Sessions und kollidierende Änderungen bei parallelen Aufgaben.
Ob Muse Code im Alltag mit Claude Code oder Codex mithalten kann, lässt sich nach wenigen Tagen Beta noch nicht seriös beurteilen. Die drei genannten Benchmarks sind Metas eigene Auswahl, unabhängige Vergleichstests stehen noch aus. Spannend wird vor allem, was aus der angekündigten Kostenvorteil-Strategie wird, sobald Meta konkrete Preise nennt.
Fazit
Muse Code zeigt, dass Meta den Markt für KI-Coding-Agenten nicht länger Anthropic und OpenAI allein überlassen will. Technisch bringt das Tool mit persistenten Hintergrund-Agenten, einem restart-sicheren Event-Log und parallelen Sub-Agenten in isolierten Worktrees einige durchdachte Details mit. Wer jetzt schon auf macOS oder Linux experimentieren möchte, installiert die Beta mit einem Terminalbefehl über dev.meta.ai. Für eine endgültige Einschätzung braucht es aber unabhängige Tests im echten Entwickleralltag, und vor allem müssen noch handfeste Preise auf den Tisch.
Quellen: Meta AI Developer Blog, Meta AI Research, TechCrunch, 9to5Mac, MarkTechPost
