Meta führt Muse Code ein, einen Terminal-Codierungsagenten, der auf Muse Spark 1.2 basiert

Die KI-Forschungsabteilung von Meta ist mit Muse Code, einem neuen terminalbasierten Codierungsagenten, und Muse Spark 1.2, dem aktualisierten Modell, das ihn antreibt, in den Wettlauf um die Agentencodierung eingestiegen. Die am 5. August 2026 angekündigte Veröffentlichung stellt Metas bisher direktesten Versuch dar, dedizierte Codierungstools von OpenAI, Anthropic und einer Reihe von Startups herauszufordern. Für Entwickler, die die neuesten KI-Tools und Agentenplattformen nutzen, bietet Muse Code eine deutlich forschungsbasierte Sichtweise darauf, wie sich ein KI-Paarprogrammierer verhalten sollte.

Muse Code ist darauf ausgelegt, komplexe Softwareentwicklungsaufgaben in großen Codebasen zu übernehmen – Änderungen planen, Code schreiben und die Ergebnisse validieren. Laut Meta stellt der Agent seinen „nächsten Schritt in Richtung Grenzen“ dar, mit größeren und leistungsfähigeren Modellen auf dem Weg.

Ein Multi-Agent-Design für lange Aufgaben

Die bemerkenswerteste architektonische Wahl in Muse Code ist die Verwendung persistenter Hintergrundagenten. Anstatt für jede Unteraufgabe einen neuen Subagenten zu erzeugen, hält Muse Code eine Reihe asynchroner Hintergrundagenten während einer gesamten Sitzung am Leben. Diese Agenten sammeln Informationen und führen selbstständig die nächsten Schritte aus, wobei sie dem Hauptagenten nur dann Bericht erstatten, wenn dies relevant ist.

Meta argumentiert, dass dieses Design die Latenz und die Notwendigkeit einer ständigen menschlichen Steuerung bei schwierigen, mehrstufigen Problemen reduziert. „Ihre Persistenz reduziert die Latenz und den Steuerungsbedarf“, schrieb das Unternehmen, da die Agenten es vermeiden, den Kontext, über den sie bereits verfügen, redundant erneut zu sammeln.

Muse Code ist auch darauf ausgelegt, Abstürze zu überstehen. Jeder Modellaufruf, jede Werkzeugausführung, jede Genehmigung und jede Bearbeitung wird an ein lokales Ereignisprotokoll angehängt, das als zentrale Informationsquelle dient. Das macht die Laufzeit laut Meta „wiederholgenau und neustartsicher“ – nach einem Fehler kann der Agent genau dort weitermachen, wo er aufgehört hat, und so lang laufende Aufgaben ohne Entgleisung bewältigen.

Der Agent wird mit mehreren integrierten Fähigkeiten ausgeliefert: einem „/plan“-Befehl, der eine Aufgabe in einen genehmigungsgesteuerten Plan umwandelt, einem „/grill“-Befehl, der diesen Plan einem Stresstest unterzieht, bis er Bestand hat, und einem „/goal“-Befehl, der auf ein bestimmtes Ziel hinarbeitet.

Muse Spark 1.2: Ein Coding-First-Upgrade

Muse Spark 1.2 ist ein programmierungsorientiertes Update des Vorgängermodells Muse Spark 1.1. Meta sagte, es habe die Codegenerierung, das komplexe Debugging, das Verständnis der Codebasis und die End-to-End-Entwicklerworkflows des Modells verbessert, indem es die Trainingsrechenleistung für Codierungsaufgaben deutlich erhöht und die Vielfalt seiner Trainingsumgebungen erweitert habe, während es gleichzeitig seine Stärken bei allgemeinen Agentenaufgaben beibehalten habe.

Entscheidend ist, dass Meta neben Muse Code selbst auch Muse Spark 1.2 trainierte. Die Schulung umfasste auf Ablehnungsstichproben basierende Kabelbaumtrajektorien und Rezeptoptimierungen für Ziele, Kontextkomprimierung und Subagenten sowie die Integration des Muse Code-Toolsets, um die Kompatibilität zu maximieren.

Das Unternehmen nutzte auch eine Selbstverbesserungsschleife: Es nutzte Muse Spark 1.1, um herausfordernde Codierungsumgebungen und Vorlagen zur Befolgung von Anweisungen zu generieren, und ließ dann die Lösungen der Modellkandidaten beurteilen, wie gut sie die Anforderungen erfüllten. Dieser Prozess erzeugte einen skalierbaren Trainingsdatensatz, der Muse Spark 1.2 dabei half, komplexe Anweisungen präziser zu befolgen als sein Vorgänger.

Benchmarking zur GPU-Kernel-Optimierung

Um die Fähigkeiten von Muse Spark 1.2 zu demonstrieren, testete Meta die Fähigkeit des Modells, GPU-Kernel iterativ über mehr als 1.000 Tool-Aufrufe zu optimieren, wobei Sitzungen bis zu 24 Stunden dauerten. Unter Verwendung der Agentenumgebung von Muse Code wurde das Modell geschrieben, kompiliert, profiliert und die Kernel-Leistung im Vergleich zu einer bereitgestellten Baseline schrittweise verbessert.

Die Benchmarks zielten auf KDA- und MLA-Kernel ab, die auf NVIDIA Hopper-GPUs ausgeführt werden. Meta berichtete, dass der Agent gegenüber den Basisimplementierungen „erhebliche Verbesserungen“ erzielte. Für die MLA-Arbeitslast entwarf das Modell eine Zwei-Kernel-Triton-Pipeline, die Kernel-Fusion und Kachelung mit Optimierungen kombiniert, die speziell für die Latent-Attention-Architektur gelten. Den Modellen war es untersagt, einfach Kernel-Bibliotheken von Drittanbietern zu importieren, und sie mussten die Algorithmen von Grund auf in Triton implementieren.

Verfügbarkeit und was kommt als nächstes

Muse Spark 1.2 ist ab sofort über Muse Code und über die Meta Model API verfügbar, mit dem, was Meta als „erweiterten globalen Zugriff“ beschreibt. Das Unternehmen betonte, dass dies nur ein Zwischenschritt sei und kündigte „neue Gurtfunktionen und leistungsstärkere Modelle“ an.

Mit der Einführung positioniert sich Meta direkt in einem überfüllten und wettbewerbsintensiven Feld. Codierungsagenten sind zu einer der heißesten Kategorien in der KI geworden, mit Tools, die versprechen, alles autonom zu erledigen, von Fehlerbehebungen bis hin zur Implementierung vollständiger Funktionen. Das Alleinstellungsmerkmal von Meta ist sein fundierter Forschungsstammbaum und sein Schwerpunkt auf persistenten, absturzresistenten Agenten, die stundenlang unbeaufsichtigt laufen können.

Es bleibt abzuwarten, ob Entwickler Muse Code gegenüber etablierten Alternativen übernehmen, aber das Signal von Meta ist klar: Das Unternehmen beabsichtigt, ernsthaft im Bereich der Agenten-Softwareentwicklung zu konkurrieren, nicht nur bei Verbraucher-Chatbots. Da bald größere Modelle versprochen werden, werden sich die Kriege um Coding-Agenten noch verschärfen.

Bleiben Sie der KI immer einen Schritt voraus

Jede Woche werden neue KI-Tools und Codierungsagenten ausgeliefert. Um die neuesten KI-Entwicklungen zu verfolgen – von Modellveröffentlichungen bis hin zu Entwicklerplattformen – behalten Sie AI Buzz Wire in Ihrer Rotation.

Weitere KI-Neuigkeiten lesen →