Meta wchodzi mocniej w programowanie wspomagane przez AI. 5 sierpnia 2026 roku firma udostępniła Muse Code, terminalowego agenta działającego na modelu Muse Spark 1.2. Narzędzie potrafi pisać kod, uruchamiać narzędzia, sprawdzać wyniki, rozdzielać większe zadania między równoległe subagenty i wracać do pracy po awarii. Beta działa na macOS oraz Linux.
Dla programisty ciekawsza od samej premiery jest konstrukcja produktu. Meta celuje w projekty rozciągnięte na wiele etapów, duże repozytoria i zadania, przy których model ma pracować dłużej niż kilka minut. Innymi słowy, firma próbuje wejść na teren zajęty już przez Claude Code oraz Codex i wchodzi z własnym modelem, własnym środowiskiem wykonawczym oraz agresywną ceną.
AI w programowaniu ma już sporą skalę
Narzędzia AI są już stałym elementem warsztatu wielu programistów, choć zaufanie do ich możliwości wciąż ma swoje granice. Potwierdzają to wyniki Stack Overflow Developer Survey 2025. W takim otoczeniu wejście Meta z własnym agentem do kodowania jest tylko kolejnym etapem walki o programistów.
- 84% respondentów używa narzędzi AI w procesie tworzenia oprogramowania albo planuje ich używać
- 51% zawodowych programistów korzysta z narzędzi AI codziennie
- 46% ankietowanych nie ufa poprawności wyników generowanych przez AI, podczas gdy 33% deklaruje zaufanie
- 52% programistów ocenia wpływ AI lub agentów AI na produktywność pozytywnie
Stack Overflow zebrał w edycji 2025 ponad 49 tys. odpowiedzi z 177 krajów. Dodatkowo 66% badanych wskazało jako największy problem odpowiedzi AI, które są prawie poprawne, lecz nadal wymagają naprawy. Krótko mówiąc, kod może powstać szybciej, lecz ktoś nadal musi patrzeć mu na ręce.
Więcej informacji znajdziecie tutaj.
Muse Code pracuje bezpośrednio w terminalu
Muse Code został przygotowany jako narzędzie terminalowe, więc nie potrzeba osobnej aplikacji z rozbudowanym interfejsem. Instalacja na macOS i Linux odbywa się przy użyciu pojedynczego skryptu, a dalsza praca przypomina obsługę innych agentów uruchamianych z wiersza poleceń. Dla początkującej osoby terminal to rzecz prawie nie do przejścia, lecz dla administratora, DevOpsa czy programisty backendu jest naturalnym miejscem pracy.
Najciekawszy element stanowią stale aktywne subagenty działające w tle. Mowa o mniejszych procesach AI, którym główny agent deleguje fragmenty zadania. Jeden może analizować repozytorium, drugi szukać przyczyny błędu, a kolejny przygotowywać zmianę. Meta deklaruje, że procesy pozostają aktywne przez całą sesję, dzięki czemu nie muszą za każdym razem od nowa zbierać kontekstu. Przy dużym projekcie może oszczędzić sporo czasu i tokenów.
Awaria nie kasuje wielogodzinnej pracy
Przy długich zadaniach drobny błąd środowiska potrafi zepsuć humor szybciej niż test jednostkowy, który przechodzi wyłącznie na komputerze autora. Meta zastosowała lokalny dziennik zdarzeń zapisujący wywołania modelu, użycie narzędzi, zgody użytkownika i modyfikacje kodu.
Dzięki zapisowi Muse Code może po awarii wznowić pracę od miejsca przerwania. Według opisu Meta mechanizm ma zapewniać wykonanie odporne na restart i możliwe do dokładnego odtworzenia. Rozwiązanie ma sens szczególnie przy zadaniach wykonywanych przez wiele godzin, gdzie utrata całej sesji oznaczałaby koszt, czas oraz kilka słów, których nie wypada wpisywać do dokumentacji.
Plan, kontrola i praca do osiągnięcia celu
Meta dorzuciła kilka gotowych poleceń. /plan tworzy plan działania wymagający akceptacji przed rozpoczęciem zmian. /grill sprawdza przygotowany plan i szuka słabych punktów, natomiast /goal kieruje pracę agenta na samodzielne doprowadzenie zadania do określonego rezultatu.
Z praktycznego punktu widzenia właśnie /grill może okazać się szczególnie przydatny. Modele kodujące potrafią przygotować elegancko opisany plan, który po kontakcie z prawdziwym repozytorium zaczyna się sypać. Dodatkowa kontrola przed edycją kodu daje szansę wychwycenia błędnego założenia wcześniej, zamiast po kilkunastu zmienionych plikach.
Muse Spark 1.2 został przygotowany pod długie zadania
Silnikiem Muse Code jest Muse Spark 1.2. Według Meta model poprawiono pod kątem generowania kodu, debugowania i pracy z dużymi bazami kodu. Model oraz środowisko Muse Code były trenowane wspólnie, między innymi z naciskiem na utrzymywanie celu, kompresję kontekstu oraz współpracę wielu subagentów.
Firma pokazała również test związany z optymalizacją kerneli GPU. Model wykonywał ponad 1000 wywołań narzędzi podczas pojedynczego procesu, a część prób trwała nawet 24 godziny. Zadanie obejmowało pisanie kodu, kompilację, analizę wydajności i kolejne poprawki dla układów Nvidia Hopper. Przykład pochodzi od producenta, więc dobrze zachować zdrowy dystans, jednak skala testu pokazuje kierunek rozwoju Muse Code.
Cena może przyciągnąć programistów
Muse Code korzysta z rozliczenia zależnego od liczby tokenów, czyli fragmentów tekstu i kodu przetwarzanych przez model. Reuters podaje cenę 1,25 dolara za milion tokenów wejściowych oraz 4,25 dolara za milion tokenów wyjściowych w standardowym wariancie Muse Spark 1.2.
Business Insider informuje również o mocno przecenionym wariancie Contributor, gdzie niższa cena wiąże się ze zgodą na wykorzystanie aktywności użytkownika do ulepszania produktów Meta. Dla hobbystycznego projektu może być kuszący. Przy kodzie firmowym, poufnych repozytoriach albo danych klientów rozsądniej dokładnie sprawdzić warunki przetwarzania danych przed pierwszym uruchomieniem. Oszczędność kilku dolarów nie wygląda już tak atrakcyjnie, gdy w repozytorium siedzą sekrety API i fragmenty produktu przed premierą.
Czy Muse Code ma szansę przeciw Claude Code i Codex
Na starcie Meta ma kilka mocnych argumentów - własny model, terminalowy sposób pracy, równoległe subagenty, odporność sesji na awarie oraz cenę skrojoną pod częste używanie API. Jednocześnie beta pozostaje betą. Prawdziwy sprawdzian zacznie się dopiero w dużych projektach, gdzie liczą się poprawne testy, konsekwencja po kilkuset krokach, ostrożność przy modyfikacji istniejącego kodu i brak kosztownych niespodzianek.
W mojej ocenie Muse Code zasługuje na test, szczególnie przy zadaniach obejmujących większą część repozytorium, migracje, debugowanie oraz automatyzację pracy w terminalu. Nie oddawałbym mu od razu produkcyjnego repozytorium bez kontroli zmian i dobrego systemu wersjonowania.
Stack Overflow przypomina, że programiści coraz częściej korzystają z AI, a jednocześnie nadal podchodzą do generowanego kodu z rezerwą. Meta może więc wygrać ceną i sprawnością narzędzia, lecz zaufanie trzeba będzie zdobyć w zwykłej pracy.
Źródła: Meta, Stack Overflow, Reuters, Business Insider
