Meta Muse Code: l'agente da terminale con Muse Spark 1.2, subagenti e ripresa dopo i crash

Perché se ne parla#

Il 5 agosto 2026 Meta ha presentato Muse Code, un agente di programmazione che si usa dal terminale, in beta per macOS e Linux. Sotto c'è un modello nuovo, Muse Spark 1.2, con un milione di token di contesto e, secondo Meta, addestrato insieme all'agente stesso.

La cosa interessante è che Meta non punta tutto sulla bravura del modello. Muse Code è costruito attorno a un runtime persistente, cioè al "motore" che tiene in piedi il lavoro: salva in locale tutto quello che succede, fa lavorare altri agenti in background e sa riprendere un compito dopo un riavvio.

Il lancio conta per tre motivi:

• tecnico: crash, lavoro in parallelo e memoria delle operazioni sono trattati come problemi del prodotto, non come dettagli lasciati al modello;

• economico: nel piano Standard un milione di token costa 1,25 dollari in ingresso e 4,25 in uscita, e c'è un piano Contributor molto più economico, in cambio dei dati;

• strategico: dopo Muse Spark 1.1, che era un modello da usare via API, Meta offre un'esperienza completa e sfida apertamente Claude Code, Codex e il resto degli agenti che lavorano nel terminale.

La scheda#

Cos'è Muse Code, in pratica#

Non è un editor e non è il completamento automatico che suggerisce la riga successiva. È un agente che lavora nel terminale: legge il repository, decide cosa cambiare, scrive i file, lancia comandi e test, controlla com'è andata e continua finché ritiene raggiunto l'obiettivo.

Per installarlo Meta indica un solo comando:

curl -fsSL https://dev.meta.ai/install.sh | bash

Le pagine ufficiali parlano di macOS e Linux; Windows non compare tra i sistemi del lancio. E trattandosi di una beta, l'accesso può dipendere dall'account e dai tempi di distribuzione.

Il metro giusto per giudicarlo quindi non è quante righe di codice produce, ma quanto bene regge un lavoro intero fatto di esplorazione, esecuzione, controllo e correzione. È lì che Meta ha messo le novità più concrete.

Un motore pensato per non perdere il lavoro#

Il registro degli eventi#

Il cuore del sistema è un registro locale in sola aggiunta (append-only event log): un diario in cui si scrive sempre in fondo e non si cancella mai. Muse Code non si limita a conservare la chat: annota eventi strutturati come le richieste al modello, le chiamate agli strumenti, i risultati, le modifiche ai file e l'avanzamento dell'agente. Meta lo chiama restart-safe: se il programma si blocca o il computer si riavvia, lo stato viene ricostruito rileggendo quel diario.

Sembra un dettaglio, non lo è. Basta poco per fermare un lavoro lungo: la CLI che va in errore, la connessione che cade, il computer che si riavvia. Se lo stato vive solo nella memoria del programma, contesto e intenzioni vanno ricostruiti da capo; con il diario si vede cosa è successo e ripartire costa meno. Non tutto andrà sempre liscio, ma la continuità è progettata, non sperata.

Anche l'interfaccia va in questa direzione: nella demo ufficiale l'agente mostra stati come reviewing e building, per distinguere il lavoro che avanza dal semplice testo che scorre.

Più agenti in parallelo, ognuno nella sua copia#

Muse Code può avviare agenti asincroni persistenti che lavorano in background. Le guide ufficiali spiegano anche come usare i git worktree: copie di lavoro separate dello stesso repository, così più attività possono modificare file senza calpestarsi a vicenda nella stessa cartella.

Un flusso verosimile: l'agente principale fa un piano, affida ricerca, scrittura del codice e verifica a processi diversi, ciascuno nella sua copia del repository, e alla fine rimette insieme i pezzi. Tenerli separati non cancella conflitti ed errori di logica, ma è molto più governabile di quattro agenti che scrivono sugli stessi file nello stesso istante.

Nella demo di Meta una richiesta viene divisa tra quattro ruoli, researcher, planner, coder e verifier, che passano da queued a done prima dell'unione finale. È la rappresentazione di uno schema (dividere il lavoro e poi ricomporlo), e non significa che quattro agenti siano la dose giusta per qualsiasi progetto.

Tre comandi per il lavoro di tutti i giorni#

Sono documentate tre skill integrate:

• /plan scrive un piano di implementazione prima di toccare il codice;

• /grill mette quel piano sotto torchio con una revisione critica;

• /goal tiene in vista l'obiettivo mentre l'agente lavora.

La sequenza ha senso: pianificare, contestare la strategia, non perdere di vista cosa significa "fatto". Non sostituisce però la revisione di una persona, soprattutto su sicurezza, migrazioni, permessi e logica che tocca soldi.

Due demo da prendere per quello che sono#

In una demo Muse Code parte da un video di riferimento, genera i file necessari e chiude con una landing page visualizzata nel browser: utile per capire che il sistema lavora anche su input visivi. In un'altra costruisce Embervault, un piccolo gioco isometrico che si vede girare, per mostrare che sa coordinare logica, interfaccia e grafica fino a un risultato interattivo e non solo a una patch di codice.

Sono esempi scelti dal produttore. Qualità del codice, accessibilità e manutenibilità vanno comunque verificate con una revisione del repository.

Muse Spark 1.2: modello e agente cresciuti insieme#

Per Meta, Muse Spark 1.2 è una versione pensata soprattutto per programmare, che però non rinuncia a essere un agente generalista. Legge fino a un milione di token e si usa dalla Meta Model API, oltre che (dice la scheda ufficiale) da OpenRouter. Ma la differenza che Meta rivendica è un'altra: modello e agente sono nati insieme.

I meccanismi descritti sono due:

1. Co-addestramento. Le sessioni registrate nell'ambiente di lavoro dell'agente, con l'uso di strumenti, obiettivi, compattazione del contesto e subagenti, servono ad allineare il modello all'ambiente in cui dovrà operare.

2. Auto-miglioramento. Muse Spark 1.1 ha generato ambienti di programmazione e modelli di esercizi per seguire istruzioni; le soluzioni proposte e i relativi voti hanno prodotto i segnali per il giro successivo. Le fonti non dicono che ogni passaggio di questa seconda catena sia avvenuto dentro Muse Code.

L'idea regge: un modello può ragionare benissimo in astratto e inciampare quando deve usare terminale, editor e test per decine di passaggi, e allenarlo dentro quel ciclo dovrebbe rendere più coerenti pianificazione e uso degli strumenti. Ma descrizione e risultati vengono da Meta, e nelle fonti manca uno studio indipendente che misuri quanto del miglioramento dipenda davvero dal co-addestramento.

I benchmark di programmazione: vicino, ma Opus 5 resta davanti#

Meta ha pubblicato una metodologia di tre pagine, e conviene leggerla prima dei grafici. Su Terminal-Bench 2.1 e DeepSWE 1.1 ogni modello ha lavorato dentro il suo agente: Muse Code per Muse Spark 1.2, Claude Code per Opus, Codex per GPT, Grok Build per Grok, Antigravity per Gemini e mini-swe-agent per Muse Spark 1.1. Non si confrontano quindi i soli modelli, e l'ambiente di prova non è lo stesso per tutti.

Terminal-Bench 2.1#

Qui Muse Spark 1.2 arriva all'82,9%: dietro Opus 5 con Claude Code, davanti a GPT-5.6 Terra con Codex, a Grok 4.5 e a Gemini 3.6 Flash. La prova comprende 89 compiti, ognuno tentato cinque volte, e il valore riportato è la media pass@1 (la percentuale di compiti risolti al primo colpo).

DeepSWE 1.1 e il test interno di Meta#

Su DeepSWE 1.1 Muse Spark 1.2 è terzo con il 59,3%, dietro Opus 5 (65,0%) e GPT-5.6 Terra (64,8%). Meta ha usato 113 compiti presi da 91 repository in cinque linguaggi, con internet bloccato sia durante l'esecuzione sia durante la correzione. Attenzione: nella classifica ufficiale di DeepSWE tutti i modelli girano nello stesso agente, mini-swe-agent, mentre nel confronto di Meta ognuno usa il prodotto della propria azienda, come ammette il rapporto stesso.

Nel Meta Internal Coding Bench Muse Spark 1.2 risolve il 70,6% dei compiti contro il 79,4% di Opus 5. Sono 440 compiti ricavati da pull request interne di Meta, con due tentativi ciascuno; codice, casi di prova e verificatori non sono pubblici. Dice qualcosa sul lavoro dentro i progetti di Meta, ma nessuno fuori può rifarlo.

Fuori dalla programmazione: GDPVal e MCP Atlas#

Muse Spark 1.2 viene presentato anche come modello generalista.

Su GDPVal-AA V2, una prova su 220 compiti da ufficio (documenti, fogli di calcolo, presentazioni, report), ottiene un punteggio Elo di 1.631. Il sistema Elo è quello degli scacchi: nasce da confronti a coppie anonimi tra i lavori prodotti, e più è alto meglio è. Qui c'è una conferma esterna: la pagina di Artificial Analysis riporta lo stesso valore, con un margine di -25/+18. Nel confronto che Meta ha scelto di mostrare, Opus 5 fa meglio e GPT-5.6 Terra peggio.

Su MCP Atlas, una prova con 1.000 compiti scritti da persone, 36 server MCP e 220 strumenti, Meta dichiara un tasso di successo del 90,3%, il migliore nel suo grafico. Qui però serve cautela: al controllo del 6 agosto, la classifica pubblica di Scale mostrava Muse Spark 1.1 all'88,1%, ma nessuna riga per la versione 1.2. Il 90,3% va quindi letto come dato di lancio di Meta, in attesa che la pagina di chi gestisce il test si aggiorni.

Ottimizzare i kernel: buoni risultati, non i migliori#

Meta mostra anche due esperimenti su kernel GPU, i piccoli programmi che fanno i calcoli pesanti sulla scheda grafica: l'agente li riscrive e li misura per centinaia di chiamate agli strumenti, e conta quanto diventano più veloci rispetto al punto di partenza.

I grafici originali mostrano anche l'andamento nel tempo, non solo il punto d'arrivo: il modello di Meta raggiunge presto un livello competitivo e poi si stabilizza, senza arrivare in cima.

La metodologia, prima della classifica#

Il PDF pubblicato con il lancio spiega quali compiti sono stati usati, in quali ambienti, con quanti tentativi e con quali limiti. C'è anche un'ammissione onesta: strumenti e istruzioni di sistema dell'ambiente di Meta potrebbero non essere su misura per i modelli dei concorrenti. Prima di leggere quelle barre come una classifica assoluta, conviene leggere come sono state costruite.

Prezzi: qui Meta attacca davvero#

Rispetto allo Standard, il Contributor costa 12,5 volte meno sull'input e più di 21 volte meno sull'output. Lo sconto però si paga in un'altra moneta: chi lo sceglie accetta che Meta usi i suoi dati per migliorare i propri prodotti.

Un esempio di calcolo#

Per dare un ordine di grandezza, immaginiamo un mese in cui l'agente legge 10 milioni di token (il codice del progetto, riletto molte volte) e ne scrive 1 milione. Con la cache, supponiamo che 8 milioni su 10 siano testo già visto.

È un esempio costruito sui prezzi di listino, non una misura reale: quanti token consuma davvero un agente dipende dal progetto, e più agenti in parallelo moltiplicano i consumi.

Alcune testate parlano di conservazione zero dei dati e di limiti di throughput, ma le pagine ufficiali consultate non riportano queste condizioni. Prima di adottarlo in azienda vanno verificati documentazione e accordi aggiornati del proprio account.

Cosa non sappiamo ancora#

• È una beta: comportamento, stabilità e compatibilità possono ancora cambiare.

• Niente Windows al lancio: le istruzioni citano solo macOS e Linux.

• Nessun peso aperto: Muse Spark 1.2 si usa via API, senza repository dei pesi né licenza pubblica annunciati.

• Benchmark di casa: molti risultati vengono dal framework di Meta e vanno letti insieme al PDF della metodologia.

• Governance: più agenti in parallelo vuol dire più velocità, ma anche più cose da controllare, più token consumati e più occasioni di unire modifiche sbagliate.

• Sicurezza: un agente con accesso al terminale e al repository chiede ambienti isolati, segreti tenuti a parte, permessi minimi e revisioni obbligatorie.

Per un'azienda conta soprattutto l'ultimo punto: un agente che esegue comandi è come un collaboratore nuovo con le chiavi dell'ufficio, e prima si decide cosa può toccare e chi controlla il suo lavoro. Ne parlo nella guida su cosa sono gli agenti AI.

Il mio parere#

Muse Code è un esordio credibile, perché Meta ha costruito il prodotto attorno ai problemi veri degli agenti: non perdere il lavoro, dividerlo tra più esecutori, tenerli isolati, verificare il risultato. Il listino Standard è aggressivo, e il Contributor può spingere molti a provarlo, purché cedere i dati sia una scelta consapevole.

Dove convince di più: l'architettura del motore e il prezzo. Dove è più indietro: la maturità del prodotto e la trasparenza su governance e sicurezza. Il modello sta nel mezzo, competitivo ma non primo.

È un giudizio costruito leggendo documentazione e risultati pubblicati, senza averlo provato di persona. Tre cose mi frenano: la beta si ferma a macOS e Linux; Muse Spark 1.2 non guida i test di programmazione pubblicati dalla stessa Meta, dove Opus 5 resta davanti su Terminal-Bench, DeepSWE e test interno; e non c'è ancora un racconto pubblico convincente su sicurezza per le aziende, amministrazione centralizzata e pesi o licenza aperti.

Se lavorate già con un agente da terminale, il modo serio di valutarlo è lo stesso di sempre: qualche compito vero, fatto su un repository non sensibile, confrontando qualità, costo, tempi e quante volte serve l'intervento di una persona.

Domande frequenti#