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

_Meta entra nella sfida degli agenti di programmazione con una CLI in beta per macOS e Linux. Come funziona il runtime, cosa dicono davvero i benchmark, quanto costa e quali limiti ha._

Fonte: https://andreapirazzini.it/blog/meta-muse-code-agente-cli-spark-1-2 · Andrea Pirazzini · 6 agosto 2026

## In breve

- Muse Code è un agente da terminale in beta per macOS e Linux, lanciato da Meta il 5 agosto 2026 e alimentato dal modello Muse Spark 1.2.
- Un registro locale degli eventi gli permette di riprendere il lavoro dopo un crash; più agenti possono lavorare in parallelo su copie separate del repository.
- Nei test pubblicati da Meta, Muse Spark 1.2 fa 82,9% su Terminal-Bench 2.1 e 59,3% su DeepSWE 1.1: competitivo, ma dietro Claude Opus 5.
- Con il piano Standard un milione di token costa 1,25 $ in ingresso e 4,25 $ in uscita; il Contributor costa molto meno, ma Meta usa i dati per migliorare i prodotti.

## 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](https://andreapirazzini.it/blog/muse-spark-1-1-meta-modello-agentico), 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.

- **1M** token di contesto di Muse Spark 1.2
- **82,9%** su Terminal-Bench 2.1, secondo posto dietro Opus 5
- **1,25 $** per milione di token in input, piano Standard
- **0,10 $** per milione di token in input, piano Contributor

_Fonte: dati dichiarati da Meta, agosto 2026_

## La scheda

| Voce | Cosa dichiara Meta |
| --- | --- |
| Prodotto | Muse Code, agente da riga di comando in beta |
| Sistemi supportati | macOS e Linux; Windows non c'è |
| Modello | Muse Spark 1.2, un milione di token di contesto |
| Dove si usa il modello | Meta Model API; OpenRouter secondo la scheda ufficiale |
| Prezzi | A consumo, piani Standard e Contributor (dettagli più sotto) |
| Pesi aperti | Non annunciati |

## 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:

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

> **Consiglio:** È il classico script scaricato ed eseguito al volo. Su una macchina di lavoro conviene prima scaricarlo e leggerlo, e magari provarlo in un ambiente separato, prima di lanciarlo.

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.

[Video: L’animazione di Meta sugli stati dell’agente: scrive, rilegge e costruisce, e ogni passaggio resta visibile invece di perdersi nel flusso di testo.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/a4b89155-6a5c-4046-9ff0-643bba4155fc.mp4)

## 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.

[Video: La demo di Meta: una richiesta si apre a ventaglio su researcher, planner, coder e verifier, che passano da queued a done prima dell’unione dei risultati.](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/2b83e2f6-756e-4459-9627-aad7138ab827.mp4)

### 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.

**Le due demo di Meta**

- [Da un video a una landing page](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/3e779986-7d24-4616-a0ed-d2f35639f2cd.mp4) — Si parte dal video di una casa di montagna e si arriva a una pagina di presentazione con calendario delle prenotazioni, aperta nel browser.
- [Embervault](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/19c6d56c-ec4c-4108-a4b5-df2cede96381.mp4) — Il piccolo gioco isometrico costruito dall’agente, mostrato mentre gira.

*Video pubblicati da Meta al lancio di Muse Code; le sequenze sono accorciate.*

## 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).

**Terminal-Bench 2.1** — Compiti risolti, media pass@1 su 5 tentativi; ogni modello con il proprio agente

| Voce | Valore |
| --- | --- |
| Claude Opus 5 (Claude Code) | 86,7% |
| Muse Spark 1.2 (Muse Code) | 82,9% |
| GPT-5.6 Terra (Codex) | 81,8% |
| Grok 4.5 (Grok Build) | 81,6% |
| Gemini 3.6 Flash (Antigravity) | 78,9% |

_Fonte: dichiarato da Meta, agosto 2026_

![Grafico a barre di Meta su Terminal-Bench 2.1: in testa Opus 5 con Claude Code all’86,7%, poi Muse Spark 1.2 con Muse Code all’82,9% in blu, quindi GPT-5.6 Terra, Grok 4.5, Gemini 3.6 Flash e, in azzurro, Muse Spark 1.1 con mini-swe-agent](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/038777ea-4273-46c5-bff9-0d6a27c2adb8.webp)
*Il grafico originale di Meta, che sotto ogni modello indica anche l’agente usato nella prova. Immagine: Meta.*

### 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.

![Grafico a barre di Meta su DeepSWE 1.1: Opus 5 al 65,0%, GPT-5.6 Terra al 64,8%, Muse Spark 1.2 terzo al 59,3% in blu, seguito da Grok 4.5, Muse Spark 1.1 e Gemini 3.6 Flash](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/bba22485-d47c-48cc-8771-5e22d4ba8589.webp)
*DeepSWE 1.1 nel grafico di Meta: Muse Spark 1.2 si ferma al terzo posto, a qualche punto dai primi due. Immagine: Meta.*

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.

![Grafico a barre di Meta sul Meta Internal Coding Bench: Opus 5 al 79,4%, Muse Spark 1.2 al 70,6% in blu, poi Muse Spark 1.1, GPT-5.6 Terra e Gemini 3.6 Flash](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/a81cf34e-f327-4f13-8656-ab9cbf51a26f.webp)
*Il test interno di Meta: qui Muse Spark 1.2 è secondo, ma dati e correttori non sono pubblici. Immagine: Meta.*

**DeepSWE 1.1 e test interno Meta** — Percentuale di compiti risolti

| Voce | Muse Spark 1.2 | Claude Opus 5 | GPT-5.6 Terra |
| --- | --- | --- | --- |
| DeepSWE 1.1 | 59,3% | 65% | 64,8% |
| Meta Internal Coding Bench | 70,6% | 79,4% | n.d. |

_Fonte: dichiarato da Meta, agosto 2026_

## 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.

**GDPVal-AA V2** — Punteggio Elo su 220 attività professionali

| Voce | Valore |
| --- | --- |
| Claude Opus 5 | 1.852 |
| Muse Spark 1.2 | 1.631 |
| GPT-5.6 Terra | 1.577 |

_Fonte: Meta e Artificial Analysis, agosto 2026_

![Grafico a barre di Meta su GDPVal-AA V2 con punteggi Elo: Opus 5 a 1.852, Muse Spark 1.2 a 1.631 in blu, GPT-5.6 Terra a 1.577, poi Grok 4.5, Gemini 3.6 Flash e Muse Spark 1.1](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/8c3c813a-fe4b-4584-bda8-988d028b5b04.webp)
*Il confronto completo scelto da Meta per GDPVal-AA V2, con sei modelli. Immagine: Meta, su dati Artificial Analysis.*

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.

**MCP Atlas** — Tasso di successo su 1.000 compiti, 36 server MCP e 220 strumenti

| Voce | Tasso di successo |
| --- | --- |
| Muse Spark 1.2 | 90,3% |
| Muse Spark 1.1 | 88,1% |

_Fonte: Meta (1.2) e classifica pubblica di Scale (1.1), 6 agosto 2026_

![Grafico a barre di Meta su MCP Atlas: Muse Spark 1.2 primo al 90,3% in blu, Muse Spark 1.1 all’88,1% in azzurro, poi cinque modelli concorrenti, tra cui Opus 5, Claude Fable 5, Kimi K3 e GPT-5.6 Sol](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/85582bf5-802f-4a7d-958e-4e8224868830.webp)
*MCP Atlas nel grafico di lancio: l’unica prova in cui Meta si mette in testa, con un valore ancora da ritrovare nella classifica pubblica. Immagine: Meta.*

## 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.

**Ottimizzazione di kernel GPU** — Accelerazione finale rispetto alla versione di partenza

| Voce | Muse Spark 1.2 | Claude Opus 5 | GPT-5.6 Sol | Claude Opus 4.8 |
| --- | --- | --- | --- | --- |
| KDA | 68,7% | 74% | 71,2% | 69,6% |
| MLA | 61,1% | 75,4% | 62,9% | 67,1% |

_Fonte: dichiarato da Meta, agosto 2026_

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.

![Grafico a linee di Meta sul kernel KDA: accelerazione rispetto alla versione di partenza in funzione del numero cumulativo di chiamate agli strumenti; le curve salgono a gradini e Muse Spark 1.2, in blu, chiude a +68,7% sotto Opus 5, GPT-5.6 Sol e Opus 4.8](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/68bd7fda-d163-47ba-b27d-96b492cd6c19.webp)
*Kernel KDA: la linea blu di Muse Spark 1.2 sale in fretta nelle prime centinaia di chiamate e poi resta piatta. Immagine: Meta.*

![Grafico a linee di Meta sul kernel MLA con le stesse curve: Opus 5 arriva al +75,4%, Muse Spark 1.2 in blu si ferma al +61,1%, dietro anche a Opus 4.8 e GPT-5.6 Sol](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/19d5bdce-3019-4f1e-a168-fc26e23372ed.webp)
*Kernel MLA: Muse Spark 1.2 tocca presto il suo massimo e poi non si muove più, mentre Opus 5 prende il largo fin dalle prime chiamate. Immagine: Meta.*

### 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.

[PDF: Muse Spark 1.2 e Muse Code: come sono stati misurati](https://xfzvzyxtnexwldhdjrdj.supabase.co/storage/v1/object/public/blog-media/posts/55b6db5c-f81b-471d-8518-a2535b0fa862/fbb09194-e08e-46e1-980c-c875cb6ab169.pdf) — Il documento di Meta con compiti, ambienti di prova, agenti usati, numero di tentativi e limiti dichiarati dei benchmark di lancio.

## Prezzi: qui Meta attacca davvero

| Piano | Input (1M token) | Output (1M token) | Input in cache (1M token) | Uso dei dati |
| --- | --- | --- | --- | --- |
| Standard | 1,25 $ | 4,25 $ | 0,15 $ | Non usati per migliorare i prodotti |
| Contributor | 0,10 $ | 0,20 $ | 0,002 $ | Usati per migliorare i prodotti |

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.

**Standard contro Contributor** — Dollari per milione di token con Muse Spark 1.2

| Voce | Standard | Contributor |
| --- | --- | --- |
| Input in cache | 0,15 $ | 0,002 $ |
| Input | 1,25 $ | 0,1 $ |
| Output | 4,25 $ | 0,2 $ |

_Fonte: listino Meta, agosto 2026_

### 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.

| Piano | Senza cache | Con 8 milioni in cache |
| --- | --- | --- |
| Standard | 16,75 $ | 7,95 $ |
| Contributor | 1,20 $ | 0,42 $ |

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.

> **Attenzione:** Il Contributor ha senso per repository pubblici, prototipi o esercizi. Per codice proprietario, segreti industriali, credenziali, dati dei clienti o sistemi regolamentati, la scelta va passata da policy aziendale, contratto sul trattamento dei dati (DPA) e ufficio legale. Un prezzo più basso non deve decidere al posto della governance.

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](https://andreapirazzini.it/guide/agenti-ai-cosa-sono-esempi).

## 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

**Muse Code è gratuito?**

Le pagine di lancio mostrano un prezzo a consumo per Muse Spark 1.2, con i piani Standard e Contributor. Crediti o prove gratuite della beta vanno verificati sul proprio account.

**Funziona su Windows?**

Al lancio no: le istruzioni ufficiali citano solo macOS e Linux.

**È open source?**

No. Nelle pagine di lancio Meta non presenta né Muse Code né Muse Spark 1.2 come open source o a pesi aperti: il modello si usa tramite API.

**Riprende davvero il lavoro dopo un crash?**

Meta documenta un registro locale degli eventi in sola aggiunta e definisce il runtime restart-safe, quindi lo stato si può ricostruire. Non è una garanzia che ogni compito riparta senza errori di logica o senza bisogno di una persona.

**I subagenti modificano tutti gli stessi file?**

No, ognuno può lavorare in un git worktree separato. I risultati vanno comunque rivisti e uniti con attenzione, soprattutto quando toccano parti collegate del codice.

**Muse Spark 1.2 batte Claude Opus 5?**

Non nei principali test di programmazione mostrati da Meta: Opus 5 lo supera su Terminal-Bench 2.1, su DeepSWE 1.1 e nel test interno. Muse Spark 1.2 è primo solo nel grafico Meta su MCP Atlas, con la cautela sulla classifica pubblica non ancora aggiornata.

**Il piano Contributor va bene per il codice aziendale?**

Solo se la policy aziendale accetta che Meta usi i dati per migliorare i suoi prodotti, dopo aver verificato contratto, privacy, segreti e sensibilità del repository.