Meta ist direkt in den Wettbewerb um die KI-gestützte Softwareentwicklung eingestiegen und bringt eine Beta-Version eines neuen Tools auf den Markt, das direkt gegen Claude Code von Anthropic und Codex von OpenAI antreten soll. Der Meta Muse Code Agent ist der erste dedizierte Coding-Assistent des Unternehmens und erscheint in einem Moment, in dem Meta unter Druck steht zu zeigen, dass seine massiven KI-Investitionen tatsächlich Einnahmen generieren können.
Summary
Wichtigste Erkenntnisse
- Meta hat Muse Code in der Beta gestartet, einen terminalbasierten Coding-Agenten, der im Wettbewerb zu Claude Code und OpenAI Codex steht.
- Das Tool läuft auf Muse Spark 1.2, einem auf Programmierung fokussierten Modell, das gemeinsam mit Muse Code selbst trainiert wurde.
- Muse Code kann Code planen, schreiben und validieren und dabei persistente Subagenten koordinieren, die während einer gesamten Sitzung aktiv bleiben.
- In einem Test optimierte das System Nvidia-Hopper-GPU-Kernel mit mehr als 1.000 Tool-Aufrufen über Sitzungen, die bis zu 24 Stunden dauerten.
- Der Zugang beginnt mit nutzungsabhängiger Bezahlung zu denselben Preisen wie bei Muse Spark 1.1, ergänzt um eine günstigere Contributor-Stufe für Entwickler, die der Datennutzung zustimmen.
Meta startet Muse Code Beta, um KI-Coding-Rivalen herauszufordern
Muse Code ist Metas Antwort auf einen Markt, der bisher weitgehend von Anthropic und OpenAI geprägt wurde. Der Agent ermöglicht es Entwicklern, ein einziges Kommandozeilen-Tool zu installieren und dann vollständige Software-Engineering-Aufgaben zu übergeben – von der Planung von Änderungen bis zum Schreiben und Prüfen von Code – ohne zwischen verschiedenen Anwendungen wechseln zu müssen.
Die Veröffentlichung stammt von Alexandr Wang, der Meta Superintelligence Labs leitet und die Arbeit des Unternehmens an Foundation Models überwacht. Wang kam Mitte 2025 zu Meta als zentrale Figur in CEO Mark Zuckerbergs Bemühungen, die KI-Strategie des Unternehmens neu auszurichten, und Muse Code ist sein jüngstes großes Produkt in diesem Rahmen. „Sie können es mit einem einzigen Befehl installieren und es dann nutzen, um vollständige Software-Engineering-Aufgaben in einer Vielzahl von Anwendungsfällen zu übernehmen – Änderungen planen, Code schreiben, die Ergebnisse validieren“, sagte Wang in einem Interview, das von CNBC berichtet wurde.
Das Timing ist entscheidend. Metas Aktien fielen, nachdem das Unternehmen eine verhaltene Umsatzprognose abgegeben und in seinen jüngsten Quartalsergebnissen einen rückläufigen freien Cashflow gemeldet hatte, was Zuckerbergs Suche nach Wegen, die hohen KI-Infrastrukturinvestitionen in zahlende Produkte zu verwandeln, zusätzlich Dringlichkeit verleiht.
Muse Code konkurriert mit Claude Code und OpenAI Codex
Funktional gehört Muse Code in dieselbe Kategorie wie Claude Code und Codex: Es verwaltet Flotten von KI-Subagenten, die beim Erstellen und Warten von Software innerhalb einer einzigen Oberfläche helfen. Wang hat die Wettbewerbsstrategie eher um den Preis als um die reine Leistungsfähigkeit herum formuliert und erklärt, Meta differenziere die Muse-Spark-Modellfamilie „über den Preis statt über die Fähigkeiten“ im Vergleich zu dem, was Anthropic und OpenAI anbieten.
Entwickler können über ein nutzungsabhängiges Bezahlmodell auf Muse Code zugreifen, das laut Wang dieselben API-Preise wie die frühere Veröffentlichung von Muse Spark 1.1 hat: 1,25 $ pro Million Eingabetokens und 4,25 $ pro Million Ausgabetokens. Eine günstigere „Contributor-Stufe“ ist ebenfalls verfügbar, die mehr als zehnmal unter dem Standardtarif für nutzungsabhängige Bezahlung liegt, aber erfordert, dass Entwickler zustimmen, dass Meta ihre Daten zur Verbesserung des Modells verwenden darf. Für Unternehmen, die keine Daten teilen wollen, gibt Meta an, dass es beginnt, Anfragen für eine Null-Daten-Speicherung zu akzeptieren – ein Feature, das Wang als wichtig für Unternehmenskunden beschreibt.
Verfügbarkeit auf macOS, Linux und über die Meta Model API
Die Beta von Muse Code ist derzeit auf macOS und Linux beschränkt. Meta erklärt, dass Zugriff und Abrechnung über dieselbe Entwicklerseite laufen, die bereits die Muse-Spark-API hostet, und dass das Muse Spark 1.2-Modell selbst ebenfalls über die Meta Model API mit breiterer globaler Verfügbarkeit erreichbar ist. Zudem wird erwartet, dass das Modell auf der OpenRouter-Plattform erscheint, die bereits Open-Weight-Modelle von Labs wie DeepSeek und Z.ai hostet und Entwicklern einen weiteren Zugang zu Metas Coding-Stack bietet.
Kerntechnologie und Fähigkeiten hinter dem Meta Muse Code Agent
Was den Meta Muse Code Agent von einem einfachen Chat-basierten Coding-Assistenten unterscheidet, ist seine Fähigkeit, mehrere Hintergrundprozesse gleichzeitig auszuführen und sich genau zu merken, wo er aufgehört hat. Anstatt für jede Anfrage einen neuen Subagenten zu starten, hält Muse Code Subagenten für die Dauer einer gesamten Sitzung am Leben.
Diese persistenten Subagenten können Informationen sammeln, zusätzliche Schritte ausführen und selbst entscheiden, wann sie ihre Ergebnisse an den Hauptagenten zurückmelden. Meta erklärt, dass diese Struktur wiederholte Informationsbeschaffung reduziert und die Latenz bei komplexen, mehrstufigen Coding-Aufgaben verringert – ein bedeutender Unterschied zu Agenten, die den Kontext bei jeder neuen Anweisung zurücksetzen.
Lokales Logging ermöglicht Sitzungswiederherstellung nach Abstürzen
Jede Modellanfrage, Toolausführung, Freigabe und Codeänderung wird in ein lokales Ereignisprotokoll geschrieben. Dieses Protokoll ermöglicht es der Laufzeitumgebung, eine Sitzung exakt so wieder aufzubauen, wie sie war, und die Arbeit an derselben Stelle fortzusetzen, falls der Prozess abstürzt oder unterbrochen wird. Für alle, die lange, unbeaufsichtigte Coding-Jobs ausführen, beseitigt diese Art von Kontinuität das Risiko, durch eine unterbrochene Verbindung Stunden an Fortschritt zu verlieren.
Eingebaute Befehle steuern Planung, Tests und Ziele
Muse Code wird mit einer Handvoll eingebauter Fähigkeiten ausgeliefert, die den Agenten auf Kurs halten sollen. Der Befehl /plan verwandelt eine Anfrage in einen strukturierten Plan, den ein Entwickler genehmigen muss, bevor die Arbeit beginnt. /grill testet diesen Plan anschließend auf Schwachstellen, und /goal hält den Agenten über eine lange Sitzung hinweg auf ein bestimmtes Ziel ausgerichtet. In einem von Meta geteilten Beispiel gab ein Nutzer dem Agenten eine Videotour durch ein Haus, und Muse Code interpretierte das Filmmaterial, um daraus eine funktionierende Website für die Vermarktung und Buchung einer Ferienunterkunft zu erstellen.
Muse Spark 1.2: das Modell, das den neuen Coding-Agenten antreibt
Muse Spark 1.2 ist ein auf Programmierung fokussiertes Update von Muse Spark 1.1, und Meta erklärt, dass es echte Verbesserungen bei der Codegenerierung, beim komplexen Debugging und beim Verständnis von Codebasen bringt, während die breiteren Agentenfähigkeiten erhalten bleiben. Meta trainierte das neue Modell gemeinsam mit Muse Code selbst – ein Ansatz, von dem das Unternehmen sagt, dass er verbessert hat, wie gut das Modell mit dem Planungssystem des Agenten, der Toolnutzung, dem Kontextmanagement und den Subagenten zusammenarbeitet.
Um dies zu erreichen, erhöhte Meta die für Programmieraufgaben speziell eingesetzte Trainingsrechenleistung und erweiterte die Vielfalt der Umgebungen, auf denen das Modell trainiert wurde. Die Trainingsläufe umfassten Aufgaben mit langer Laufzeit, wie das Erstellen kompletter Repositories von Grund auf, das vollständige Abschließen großer Projekte und das Ausführen automatisierter Forschungsaufgaben. Das Modell stützt sich auf Planung, um seine eigene Arbeit zu organisieren, und auf Kontextkomprimierung, um wichtige Details über längere Sitzungen hinweg zu behalten. Meta nutzte außerdem das ältere Muse Spark 1.1, um schwierige Programmierumgebungen und Anweisungs-Templates zu erzeugen und ließ es anschließend Kandidatenlösungen bewerten, um zusätzliche Trainingsdaten für seinen Nachfolger zu generieren.
Ein 24-Stunden-GPU-Kernel-Test zeigt die Ausdauer des Agenten
Metas deutlichste Demonstration dessen, was Persistenz über lange Sitzungen leisten kann, betraf Nvidia-Hardware. In einem Test nutzte Muse Spark 1.2 Muse Code, um GPU-Kernel zu optimieren für Nvidia Hopper GPUs und führte dabei mehr als 1.000 Tool-Aufrufe über Sitzungen aus, die sich über bis zu 24 Stunden erstreckten. Der Agent schrieb, kompilierte, profilierte und verfeinerte seinen eigenen Code wiederholt, und Meta berichtete von erheblichen Leistungsgewinnen im Vergleich zu den Ausgangsimplementierungen.
Warum das für den KI-Coding-Markt wichtig ist
Der Einstieg von Meta in den Markt für Coding-Agenten verändert die Wettbewerbssituation für Anthropic und OpenAI, die beide bedeutende Entwicklergeschäfte rund um Claude Code und Codex aufgebaut haben. Indem Meta Muse Code und Muse Spark aggressiv bepreist – einschließlich einer Contributor-Stufe, die laut Wang mehr als zehnmal günstiger ist als die Standardtarife für nutzungsabhängige Bezahlung – signalisiert das Unternehmen, dass es in erster Linie über die Kosten konkurrieren will, nicht nur über die Modellleistung.
Diese Strategie fügt sich auch in Metas größere finanzielle Gesamtsituation ein. Das Unternehmen erwirtschaftet rund 98 % seiner Einnahmen aus Werbung, und auf Datenteilung basierende Coding-Tools geben ihm einen neuen Hebel, um die enormen Investitionen in KI-Infrastruktur zu kompensieren. Ob Entwickler, die an Claude Code oder Codex gewöhnt sind, bereit sind, für niedrigere Preise das Tool zu wechseln – insbesondere im Austausch für die Zustimmung zur Datenerfassung – wird wahrscheinlich entscheidend dafür sein, wie schnell Muse Code in einem Markt an Zugkraft gewinnt, in dem Wechselkosten und bestehende Workflows weiterhin eine Rolle spielen.
FAQ
Was ist Muse Code?
Muse Code ist ein KI-Terminal-Coding-Agent, den Meta in der Beta gestartet hat und der darauf ausgelegt ist, Softwareänderungen zu planen, Code zu schreiben, Ergebnisse zu validieren und komplexe Programmieraufgaben zu verwalten.
Welches KI-Modell treibt Muse Code an?
Muse Code wird vom KI-Modell Muse Spark 1.2 angetrieben, das auf Codiereffizienz, Debugging und Entwickler-Workflows fokussiert ist.
Wie funktionieren die persistenten Subagenten von Muse Code?
Persistente Subagenten bleiben während der gesamten Coding-Sitzungen aktiv, um die Latenz zu verringern und wiederholte Informationsbeschaffung zu vermeiden, und koordinieren komplexe Aufgaben mit weniger Benutzereingaben.
Auf welchen Plattformen ist Muse Code verfügbar?
Die Muse Code Beta ist auf macOS und Linux verfügbar, während Muse Spark 1.2 über die Meta Model API für eine breitere globale Nutzung zugänglich ist.
{„@context“:“https://schema.org“,“@type“:“FAQPage“,“mainEntity“:[{„@type“:“Question“,“name“:“Was ist Muse Code?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Muse Code ist ein KI-Terminal-Coding-Agent, den Meta in der Beta gestartet hat und der darauf ausgelegt ist, Softwareänderungen zu planen, Code zu schreiben, Ergebnisse zu validieren und komplexe Programmieraufgaben zu verwalten.“}},{„@type“:“Question“,“name“:“Welches KI-Modell treibt Muse Code an?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Muse Code wird vom KI-Modell Muse Spark 1.2 angetrieben, das auf Codiereffizienz, Debugging und Entwickler-Workflows fokussiert ist.“}},{„@type“:“Question“,“name“:“Wie funktionieren die persistenten Subagenten von Muse Code?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Persistente Subagenten bleiben während der gesamten Coding-Sitzungen aktiv, um die Latenz zu verringern und wiederholte Informationsbeschaffung zu vermeiden, und koordinieren komplexe Aufgaben mit weniger Benutzereingaben.“}},{„@type“:“Question“,“name“:“Auf welchen Plattformen ist Muse Code verfügbar?“,“acceptedAnswer“:{„@type“:“Answer“,“text“:“Die Muse Code Beta ist auf macOS und Linux verfügbar, während Muse Spark 1.2 über die Meta Model API für eine breitere globale Nutzung zugänglich ist.“}}]}
Artikel mit Unterstützung künstlicher Intelligenz erstellt und von der Redaktion überprüft.
