Meta greift Claude Code und Codex an
Meta hat Anfang August einen Terminal-basierten KI-Agenten namens Muse Code als Beta veröffentlicht. Das Werkzeug richtet sich an Entwickler, die Änderungen an großen, gewachsenen Codebases vornehmen wollen. Installiert wird es mit einem einzigen Befehl im Terminal, etwa per curl.
Damit tritt Meta direkt gegen Anthropic Claude Code und OpenAI Codex an, die diesen Markt bislang unter sich aufgeteilt haben. Der Konzern galt bei sogenannten Harnesses, also den Rahmenprogrammen, die ein Sprachmodell überhaupt erst zum handelnden Agenten machen, lange als Nachzügler.
Entwickelt wurden Agent und Modell von den Meta Superintelligence Labs, die im Juni 2025 unter der Leitung von Alexandr Wang gegründet wurden. Muse Spark 1.2 ist bereits die dritte Modellveröffentlichung dieser Einheit innerhalb von vier Monaten.
Sub-Agenten in isolierten Arbeitskopien
Technisch ist Muse Code weniger ein einzelner Assistent als ein Dirigent. Wird eine Aufgabe zu groß, verteilt der Agent sie auf mehrere Sub-Agenten, die parallel arbeiten. Jeder dieser Sub-Agenten bekommt einen eigenen isolierten Worktree, also eine separate Arbeitskopie des Repositorys.
Wenn eine Aufgabe groß genug ist, teilt sie sich auf separate Sub-Agenten auf, die parallel in isolierten Worktrees arbeiten. Die eigene Arbeitskopie wird niemals berührt. Im Test ließen wir es sechs Features für ein Spiel gleichzeitig ohne Kollisionen bauen. (sinngemäße Übersetzung einer Aussage von Mark Zuckerberg)
Zusätzlich laufen Hintergrund-Agenten, die eine gemeinsame Kontextdatei pflegen. Verliert ein Sub-Agent den Faden, kann er dort nachschlagen. Jede Aktion wird vor der Ausführung protokolliert, damit keine Arbeit verloren geht.
In einem weiteren internen Test ließ Meta das System eine Kernel-Optimierung auf Nvidia-Hopper-GPUs bearbeiten. Die Agenten führten dabei nach Unternehmensangaben mehr als 1.000 Werkzeugaufrufe innerhalb von 24 Stunden aus und fanden laut Zuckerberg auch lange nach der anfänglichen Erkundungsphase noch deutliche Verbesserungen. Belastbare externe Nachprüfungen dieser Zahlen gibt es bislang nicht.
Muse Spark 1.2: schnell, aber geschlossen
Angetrieben wird der Agent vom neuen Cloud-Modell Muse Spark 1.2, mit dem Muse Code gemeinsam trainiert wurde. Das Modell bietet ein Kontextfenster von 1 Million Tokens und ist über die API, über OpenRouter sowie direkt aus Muse Code heraus nutzbar.
In den Benchmarks Terminal-Bench 2.1 und DeepSWE 1.1, die messen, wie eigenständig ein Agent Software-Engineering-Aufgaben löst, liegt Muse Spark 1.2 nah an Opus 5, GPT5.6 Terra, Grok 4.5 und Gemini 3.6. Die Werte liegen dicht beieinander, die Spitzenposition erreicht Meta in keiner der Disziplinen. Aufgefallen ist Beobachtern zudem, dass Meta beim Vergleich mit OpenAI das mittlere Modell GPT5.6 Terra heranzieht und nicht das stärkere GPT5.6 Sol. Eine Begründung dafür nennt das Unternehmen nicht.
Der eigentliche Bruch liegt woanders: Muse Spark 1.2 ist ein proprietäres Cloud-Modell mit geschlossenen Gewichten. Das steht im Gegensatz zur bisherigen Llama-Linie, mit der Meta jahrelang die Open-Weight-Szene versorgt hat. Zuckerberg schloss eine spätere Öffnung zwar nicht aus, blieb aber vage und kündigte lediglich an, dazu bald mehr mitzuteilen. Ein Termin oder eine Zusage existiert nicht.
Der Preis: 0,10 US-Dollar, wenn Meta mitlesen darf
Interessanter als die Benchmarks ist die Preisliste. Meta bietet zwei Varianten desselben Modells an, die sich fast ausschließlich darin unterscheiden, ob der Anbieter die übermittelten Daten zur Verbesserung seiner Modelle verwenden darf.
| Variante | Input je 1 Mio. Tokens | Output je 1 Mio. Tokens |
|---|---|---|
| muse-spark-1.2 (Standard) | 1,25 US-Dollar | 4,25 US-Dollar |
| muse-spark-1.2-contributor (Datenfreigabe) | 0,10 US-Dollar | 0,20 US-Dollar |
Beim Output liegt der Unterschied bei Faktor 21. Alexandr Wang formulierte den Anspruch sinngemäß so, dass dies für viele Arbeitsabläufe und Anwendungsfälle eine ausgesprochen gute Option sei, besonders aus Kostensicht. Der Preisdruck im Markt für Coding-Modelle nimmt damit weiter zu, nachdem zuletzt bereits OpenAI seine API-Preise deutlich gesenkt hat.
Was das für Unternehmen im DACH-Raum bedeutet
Der Contributor-Tarif ist rechnerisch verlockend und praktisch für viele Firmen unbrauchbar. Wer Quellcode aus Kundenprojekten, internen Fachanwendungen oder Produktentwicklung durch ein Modell schickt, dessen Betreiber diese Daten zum Training nutzen darf, gibt Betriebsgeheimnisse aus der Hand. Hinzu kommen die Pflichten aus der DSGVO, sobald personenbezogene Daten im Repository oder in Testdatensätzen liegen. Wie die beiden Tarife nach europäischen Maßstäben datenschutzrechtlich einzuordnen sind, hat Meta nicht dargelegt.
Bleibt der Standardtarif, und damit die klassische Rechnung: Ein cloudgebundenes, geschlossenes Modell bedeutet Abhängigkeit vom Anbieter. Preise, Verfügbarkeit und Nutzungsbedingungen liegen allein bei Meta, und ein lokaler Betrieb ist derzeit nicht vorgesehen. Wer diese Abhängigkeit vermeiden will, findet mit offenen Coding-Modellen wie NousCoder-14B oder mit Goose als quelloffenem Coding-Agenten Alternativen, die sich auf eigener Hardware betreiben lassen.
Unabhängig von der Modellfrage zeigt Muse Code aber, wohin die Werkzeuge laufen: weg vom Autovervollständigen einzelner Zeilen, hin zu Agenten, die stundenlang eigenständig an einem Repository arbeiten. Denselben Weg geht Anthropic mit Cowork und seinem Agenten für lokale Dateien. Für Unternehmen senkt das die Schwelle, Software selbst zu bauen, statt sie als Abo einzukaufen. Vorausgesetzt, man verlagert die Abhängigkeit nicht einfach vom SaaS-Anbieter zum Modellanbieter.