Muse Code: cos'è il nuovo coding agent di Meta

Che cosa sono Muse Code e Muse Spark 1.2

Muse Code è un coding agent da terminale per macOS, Linux e CI. Apre un repository, pianifica il lavoro, modifica file, esegue comandi e verifica il risultato. Muse Spark 1.2 è il modello che alimenta l'agente. Meta lo presenta come un aggiornamento orientato a generazione di codice, debugging complesso, comprensione di codebase e task lunghi su interi repository.

• Il modello offre una finestra di contesto fino a 1M token.
• Muse Code può essere usato in modalità interattiva o headless con muse exec.
• Meta Model API espone formati compatibili con OpenAI e Anthropic per usare Spark anche in altri agenti.
• Muse Spark 1.2 è proprietario: Meta non pubblica pesi o dimensione del modello.

Il tier Standard costa di più, ma separa il codice dal training

Standard usa il model ID muse-spark-1.2. Costa $0,15 per 1M token di input in cache, $1,25 per input e $4,25 per output. Meta dichiara che prompt e completamenti di questo tier non vengono usati per addestrare i modelli. È il punto di partenza più sensato per repository privati, lavoro professionale e pilot aziendali.

• Non esiste un sovrapprezzo per il contesto lungo.
• Il limite Standard dichiarato è 3.000 richieste e 4M token al minuto per team.
• La web search costa $2,50 ogni 1.000 ricerche oltre ai token.

Contributor è economico perché cambia la regola sui dati

Contributor usa il model ID muse-spark-1.2-contributor e riduce il listino a $0,002 per input in cache, $0,10 per input e $0,20 per output. Non è un piano gratuito. Il prezzo più basso è legato al permesso di usare prompt e completamenti per addestrare modelli futuri. Meta lo indica come disponibile solo in alcuni paesi.

• Usalo per repository pubblici, esercizi o prototipi non sensibili solo se accetti la condizione sui dati.
• Evitalo per segreti, credenziali, codice cliente, dati personali e proprietà intellettuale riservata.
• Il limite dichiarato è 60 richieste e 2,1M token al minuto per team.
• Controlla sempre il model ID prima di iniziare una sessione reale.

Subagenti persistenti e worktree sono il vero elemento distintivo

Muse Code mantiene alcuni agenti di supporto attivi durante la sessione invece di crearli solo per una singola richiesta. Nei task scomponibili può assegnare un worker a ogni parte e usare worktree git separati, evitando che due agenti modifichino la stessa copia di lavoro. Il beneficio va però misurato: più agenti significano anche più contesto, chiamate e risultati da integrare.

• Il fan-out funziona meglio con attività indipendenti e testabili.
• Ogni worker può produrre un commit separato da revisionare prima dell'integrazione.
• Per un fix piccolo, un singolo agente resta più semplice e spesso più economico.
• Il modello è stato co-addestrato con Muse Code, ma Meta dichiara che può funzionare anche in altri harness.

Sandbox e log aiutano, ma non eliminano il rischio

Muse Code usa due livelli distinti: approvazioni prima delle azioni rischiose e sandbox del sistema operativo per limitare file e rete. Su macOS usa Seatbelt; su Linux un helper basato su bubblewrap. L'event log registra ciò che accade e permette la ripresa dopo un crash. Questi controlli riducono il rischio operativo, ma non sostituiscono review, test e isolamento delle credenziali.

• La modalità predefinita chiede conferma per rm -f, rm -rf e sudo.
• La modalità untrusted ferma anche comandi che non corrispondono a regole consentite.
• Le connessioni di rete sono approvate per host, porta e protocollo nella modalità proxy-only.
• --yolo rimuove sandbox e approvazioni e va riservato a container usa e getta.

Quando scegliere Muse Code invece di Claude Code o Codex

Prova Muse Code se vuoi misurare Muse Spark 1.2, lavori bene da terminale e ti interessano fan-out, audit locale e costo per token. Resta su Claude Code se il team usa già Claude, CLAUDE.md e workflow Anthropic maturi. Scegli Codex se ti serve continuità con ChatGPT, app, CLI, IDE e task remoti. Il prezzo del modello non basta per cambiare: contano retry, review e integrazione nel processo.

• Muse Code: pilot a consumo, subagenti persistenti e controllo del model ID.
• Claude Code: ecosistema Anthropic più consolidato e piani mensili disponibili.
• ChatGPT Codex: continuità tra ChatGPT, sviluppo locale e task remoti.
• OpenCode: alternativa quando vuoi scegliere provider e modello senza legarti al client del vendor.

Come impostare un pilot che dia una risposta utile

Usa dieci task già risolti dal team e assegna a ogni agente gli stessi file, strumenti e criteri di successo. Misura completamento al primo tentativo, costo totale, durata, numero di tool call, correzioni umane e qualità del diff. Esegui il pilot Standard sui repository privati e registra separatamente i risultati del Contributor solo su materiale condivisibile.

• Scegli bug con test automatici e refactor con criteri verificabili.
• Mantieni uguali scope, accesso alla rete e istruzioni di progetto.
• Conta il costo dell'intera sessione, inclusi subagenti e retry.
• Non promuovere Muse Code a default finché non supera il tool attuale su qualità o costo totale.

Verdetto pratico

Muse Code merita un test, soprattutto se il costo API e il lavoro parallelo sono colli di bottiglia. Standard è la scelta predefinita per lavoro professionale perché Meta esclude i contenuti dal training. Contributor ha senso solo quando il materiale è davvero condivisibile e il team accetta esplicitamente la condizione sui dati. La beta non sostituisce automaticamente Claude Code o Codex: deve guadagnarsi il posto su task reali.