Muse Code: il nuovo agente di coding terminale di Meta, spiegato

Muse Code è il primo agente di coding dedicato di Meta — uno strumento da terminale, lanciato in beta il 5 agosto 2026, che pianifica, scrive e valida il codice su repository di grandi dimensioni in modo autonomo. È basato su Muse Spark 1.2, l’ultimo modello di coding di Meta, e compete direttamente con Claude Code di Anthropic e Codex di OpenAI. Questa guida spiega cos’è, come funziona l’agente, quanto costa e come iniziare.

Cos’è Muse Code?

Un agente da terminale per lavorare sull’intero repository

Muse Code è un agente di coding a riga di comando rilasciato in beta il 5 agosto 2026 da Meta Superintelligence Labs. A differenza di un assistente di autocompletamento che risponde a un singolo prompt, prende in carico un’intera attività di ingegneria del software — pianificando la modifica, scrivendo il codice e validando il risultato — e la porta a termine su codebase di grandi dimensioni senza richiedere indicazioni passo dopo passo.

Il Chief AI Officer di Meta Alexandr Wang lo ha annunciato insieme al CEO Mark Zuckerberg, definendolo il primo agente di coding di Meta. Wang ha inquadrato il lancio come una sfida diretta ad Anthropic e OpenAI, sottolineando il prezzo come elemento differenziante principale, più che la capacità grezza.

Dove si colloca Muse Code nella lineup di Meta

Muse Code è il livello agente; Muse Spark 1.2 è il modello che lo alimenta. I due sono stati co-addestrati insieme, il che significa che i punti di forza del modello — generazione di codice a lungo orizzonte, debug complesso, comprensione dell’intero repository — sono plasmati specificamente per lo stile di lavoro dell’agente. Si affianca alle offerte Model API di Meta ed è progettato per gestire la stessa categoria di flussi di lavoro su codebase di grandi dimensioni che Claude Code e OpenAI Codex prendono di mira.

Il modello alla base: Muse Spark 1.2

Cosa cambia nella versione 1.2

Muse Spark 1.2 è un aggiornamento focalizzato sul coding che Meta afferma essere stato co-addestrato con lo stesso agente Muse Code. I miglioramenti riportati da Meta riguardano l’accuratezza nella generazione di codice, il debug complesso, la comprensione della codebase e i flussi di lavoro end-to-end per sviluppatori. La metodologia di training punta su task a lungo orizzonte — generazione di repository completi e ricerca automatizzata — con un ciclo di auto-miglioramento che valuta le soluzioni candidate e reinserisce i risultati nel training.

Muse Spark 1.2 è stato co-addestrato insieme all’agente Muse Code — il che significa che il modello è stato plasmato fin dalle fondamenta per fare ciò di cui l’agente ha effettivamente bisogno, non solo per ottenere buoni risultati su benchmark ristretti.Meta AI Research — Introducing Muse Code and Muse Spark 1.2

Il precedente Muse Spark 1.1 è ancora disponibile tramite la Meta Model API e i suoi prezzi per token vengono mantenuti nella fatturazione di Muse Code basata su 1.2. Meta non ha ancora pubblicato una valutazione indipendente di terze parti di Muse Spark 1.2, quindi le affermazioni sui benchmark rimangono cifre di Meta stessa.

Come funziona Muse Code

L’architettura di Muse Code si basa su tre idee che insieme gli consentono di affrontare progetti che manderebbero in crisi un assistente di coding a singolo thread:

• Un ciclo strutturato pianifica-scrivi-valida che subordina l’esecuzione alla stesura di un piano
• Parallelismo su copie isolate del repository in git worktree separate
• Un log degli eventi locale e persistente che registra ogni azione per replay e riavvio

Ciascun pilastro affronta un diverso punto di fallimento degli assistenti di coding precedenti: intenti poco chiari, conflitti di merge e perdita dei progressi in caso di crash.

Pianifica, scrivi, valida

L’agente segue un ciclo rigido in tre fasi: pianifica, scrivi, poi valida. Prima di toccare qualsiasi file, Muse Code stende un piano — un elenco strutturato di modifiche con le relative motivazioni. Il piano può essere subordinato all’approvazione umana (tramite lo skill /plan). Una volta approvato, l’agente scrive le modifiche e poi valida il proprio lavoro, eseguendo test o verifiche per confermare che il risultato risponda all’obiettivo. Questo ciclo è ciò che lo distingue da un assistente basato su chat che genera codice e te lo restituisce perché tu lo verifichi.

Sub-agenti paralleli in worktree isolate

Per i lavori più impegnativi, Muse Code si espande verso sub-agenti separati che lavorano simultaneamente in git worktree isolate, così la tua copia di lavoro non viene mai toccata e le modifiche parallele non entrano mai in conflitto. Nel demo pubblico di Meta, ha sviluppato sei funzionalità di un gioco contemporaneamente senza alcun conflitto di merge — uno scenario che sarebbe tedioso da gestire manualmente.

Il design con worktree isolate significa che ogni sub-agente opera sulla propria copia estratta del repository. I conflitti emergono come normali problemi di merge git, gestiti dagli stessi strumenti che gli sviluppatori usano già, anziché come opachi errori dell’agente.

Un log degli eventi locale che lo rende sicuro al riavvio

Ogni chiamata al modello, esecuzione di tool, approvazione umana e modifica di file viene aggiunta a un log degli eventi locale. Quel log rende il runtime riproducibile in modo esatto: se Muse Code si interrompe a metà attività o chiudi il terminale, può riprendere esattamente da dove si era fermato anziché ricominciare da capo. Questo è ciò che rende Muse Code pratico per lavori che durano ore, come l’ottimizzazione di una libreria di kernel GPU o il refactoring di un ampio confine di servizio.

Skill inclusi e agenti in background

/plan, /grill e /goal

Muse Code viene fornito con tre skill inclusi che coprono l’intero flusso di sviluppo:

• /plan — produce un piano soggetto ad approvazione prima di qualsiasi modifica, offrendo un punto di revisione prima che l’agente tocchi qualsiasi file
• /grill — stress-testa il piano sondando punti deboli, casi limite mancanti o assunzioni rischiose
• /goal — guida l’agente al completamento a partire da un obiettivo di alto livello, gestendo autonomamente il ciclo di pianificazione ed esecuzione

Gli agenti asincroni in background aggiungono un’ulteriore dimensione: persistono per l’intera sessione anziché per singolo task, il che secondo Meta riduce la latenza tra i passi e diminuisce quanto è necessario intervenire manualmente.

Un caso studio di 24 ore

Il caso d’uso più sorprendente di Meta è un’attività di ottimizzazione di kernel GPU su hardware NVIDIA Hopper. Muse Code ha lavorato per fino a 24 ore, effettuando più di 1.000 chiamate a tool, migliorando iterativamente le prestazioni del kernel senza intervento umano a ogni passo. Il log degli eventi locale e gli agenti in background sono l’infrastruttura che rende possibile questo tipo di lavoro a lungo orizzonte — senza di essi, un singolo crash o il raggiungimento del limite di contesto azzererebbe tutti i progressi.

Come installare e accedere a Muse Code

Mettere in funzione Muse Code è un processo semplice. Ecco come configurarlo da zero:

1. Apri un terminale su macOS o Linux (Windows non è supportato nella beta).
2. Esegui il comando di installazione a riga singola disponibile sul sito per sviluppatori di Meta (dev.meta.ai).
3. Autenticati con il tuo account Meta o creane uno se non ne hai uno.
4. Configura la tua chiave Meta Model API — la trovi nel tuo dashboard per sviluppatori dopo l’autenticazione.
5. Esporta la chiave API come variabile d’ambiente oppure inseriscila nel file di configurazione di Muse Code come indicato.
6. Esegui muse-code --version per confermare che l’installazione sia avvenuta correttamente.
7. Avvia la tua prima attività con muse-code "descrivi il tuo obiettivo qui" dalla radice del tuo progetto.

Il modello sottostante Muse Spark 1.2 dovrebbe essere disponibile anche tramite OpenRouter, il che consentirebbe agli sviluppatori di integrarlo in toolchain esistenti che già usano quell’aggregatore. L’accesso beta è soggetto ai termini standard per sviluppatori di Meta.

Prezzi di Muse Code

Pay-as-you-go vs tier contributor

Muse Code utilizza la tariffazione pay-as-you-go per token agli stessi prezzi di Muse Spark 1.1: $1,25 per milione di token in input e $4,25 per milione di token in output. Per contestualizzare, una sessione di coding mediamente complessa che prevede pianificazione, lettura di diversi file e qualche ciclo di modifiche potrebbe consumare qualche centinaio di migliaia di token — quindi i costi tipici di una singola sessione si aggirano ben al di sotto di un dollaro per lavori standard.

Il tier contributor riduce i costi di oltre 10 volte in cambio dell’opt-in alla condivisione dei dati di utilizzo per migliorare i modelli di Meta. Per sviluppatori individuali e startup con budget limitati, è un’opzione significativa — a condizione che la codebase non contenga dati proprietari o regolamentati. Le aziende che necessitano di isolamento garantito dei dati possono richiedere un accordo di zero data retention direttamente a Meta.

Muse Code vs Claude Code e OpenAI Codex

Muse Code entra in un mercato che Claude Code di Anthropic ha plasmato e che Codex di OpenAI ha contribuito a costruire. Il confronto non riguarda solo i benchmark — dipende da architettura, prezzi e integrazione nell’ecosistema.

Come si posiziona

Meta dichiara punteggi benchmark elevati: circa 82,9% su Terminal-Bench 2.1 e circa il 59% su DeepSWE 1.1. Si tratta di cifre di Meta stessa, non ancora verificate in modo indipendente; risultati indipendenti su Terminal-Bench 2.1 non sono ancora disponibili al lancio della beta. Lo stesso Wang sostiene che Muse Code si differenzia sul prezzo, non sulla capacità — un segnale che Meta si aspetta che il divario tra i principali agenti si riduca rapidamente.

Le principali differenze architetturali e strategiche tra i tre agenti al lancio:

• Parallelismo: Muse Code si espande su worktree isolate; Claude Code e Codex operano in modalità single-thread per impostazione predefinita
• Sicurezza al riavvio: il log degli eventi locale di Muse Code è una funzionalità di primo piano; gli altri si affidano al contesto di sessione
• Prezzo: il tier contributor di Muse Code è oltre 10 volte più economico dei prezzi pay-as-you-go di entrambi i concorrenti
• Ecosistema: Claude Code ha l’ecosistema di integrazioni più maturo; Codex ha la storia più lunga

Claude Code è consolidato e dispone di un ampio ecosistema di integrazioni; OpenAI Codex ha una storia più lunga, ma l’attuale Codex CLI si rivolge a un flusso di lavoro per sviluppatori simile. Il tier contributor di Muse Code, se il compromesso sulla condivisione dei dati è accettabile, lo rende significativamente più economico di entrambi i concorrenti al lancio.

FAQ