Co je Muse Code a proč Meta útočí právě teď
Muse Code je terminálový kódovací agent v beta verzi, který Meta představila v oficiálním blogu a propagoval ji i šéf společnosti Mark Zuckerberg na své síti Threads. Na rozdíl od Claude Code od Anthropicu nebo ChatGPT Codex od OpenAI nemá Muse Code žádnou dedikovanou aplikaci — funguje čistě z příkazové řádky na macOS a Linuxu a instaluje se jedním příkazem:
curl -fsS https://dev.meta.ai/install.sh | bash
Meta tak míří na stejnou skupinu vývojářů, kteří už běžně pracují s terminálovými agenty, ale nabízí jim výrazně levnější alternativu. Cílem je podle slov společnosti „další krok směrem k hranici schopností" s tím, že větší a výkonnější modely jsou na cestě.
Paralelní agenti a worktree: Váš kód zůstává nedotčený
Klíčovou vlastností Muse Code jsou takzvané asynchronní background agenty. Na rozdíl od běžných agentů, kteří se pro každý úkol spouštějí znovu, zůstávají tito specializovaní asistenti aktivní po celou dobu session a postupně si budují kontext. Sami rozhodují, kdy předat výsledek hlavnímu agentovi, čímž odpadá opakované shromažďování informací a snižuje se nutnost ručního řízení u složitých vícekrokových úloh.
Pokud je úloha dostatečně velká, Muse Code ji rozdělí mezi samostatné sub-agenty běžící paralelně v izolovaných worktree — pracovní kopie vývojáře tak zůstává nedotčena. Meta v testování tímto způsobem nechala postavit šest funkcí pro hru najednou, a to bez jediné kolize.
Auditovatelnost a odolnost proti pádům
Každé volání modelu, spuštění nástroje, schválení i editace se zapisuje do lokálního event logu dříve, než k akci vůbec dojde. Tento záznam slouží jako jediný zdroj pravdy: pokud agent spadne uprostřed úlohy, po restartu pokračuje přesně tam, kde skončil — bez ztracené práce a bez nutnosti znovu zadávat prompt. Právě díky tomu si Muse Code troufne na dlouhoběžící úlohy, které jiné agenty vzdávají.
Součástí balíčku jsou i vestavěné příkazy: /plan převede úlohu na plán se schvalovacími kroky, /grill tento plán zátěžově testuje, dokud neobstojí, a /goal pracuje na dosažení zadaného cíle.
Muse Spark 1.2: Model trénovaný spolu s agentem
Muse Code pohání nový Muse Spark 1.2, kódovací aktualizace modelu Muse Spark 1.1 z července 2026. Meta výrazně navýšila výpočetní výkon věnovaný tréninku na kódovacích úlohách a rozšířila diverzitu tréninkového prostředí. Model byl zároveň ko-trénován společně s Muse Code, aby podával nejlepší výkon právě ve spojení s tímto harnessem — trénink zahrnoval odmítnuté vzorky trajektorií i optimalizaci pro sub-agenty a kompaktnost kontextu.
Zajímavá je i metoda self-improvement: model Muse Spark 1.1 sám generoval náročná kódovací prostředí a šablony instrukcí, načež hodnotil, jak dobře kandidátní řešení splňují požadavky. Takto vzniklý dataset posloužil k tréninku 1.2. Model zvládá dlouhohorizontové úlohy včetně generování celých repozitářů a díky plánování a kompresi kontextu udrží směr i u rozsáhlých projektů.
Test na GPU kernelu: 24 hodin a tisíc volání nástrojů
Jako ukázku schopností Meta nechala Muse Spark 1.2 optimalizovat GPU kernely — konkrétně KDA a MLA kernely pro čipy NVIDIA Hopper. Agent během více než 1 000 volání nástrojů (až 24 hodin běhu) psal, kompiloval, profiloval a postupně vylepšoval výkon vůči výchozí implementaci FLA Triton. Podle Mety dosahoval podstatných zlepšení i dlouho po počáteční fázi průzkumu, když zkombinoval chunk-paralelní přípravný kernel se sekvenčním scanem a specifickými optimalizacemi pro KDA.
Cena: hlavní zbraň proti konkurenci
Pay-as-you-go přístup k Muse Spark 1.2 stojí 1,25 USD za milion vstupních tokenů a 4,25 USD za milion výstupních, což podle AI Expert podsekává srovnatelné modely od konkurence. K dispozici je navíc contributor tier pro vývojáře ochotné pomáhat s vylepšováním modelu — ten je více než desetkrát levnější než standardní sazba. Model běží v kontextu až 1 milionu tokenů a je dostupný jak v Muse Code, tak přes Meta Model API s rozšířeným globálním přístupem.
