Meta lancia Muse Code: l’agente AI per grandi basi di codice

Meta ha lanciato Muse Code, un agente da terminale basato su Muse Spark 1.2 che gestisce task di programmazione complessi su repository di grandi dimensioni. Il prodotto entra direttamente in concorrenza con Claude Code di Anthropic e Codex di OpenAI, puntando sulla convenienza economica.

2 min.

Meta lancia Muse Code: l’agente AI per grandi basi di codice

Meta ha lanciato Muse Code, un agente da terminale pensato per gestire task di programmazione complessi su repository di grandi dimensioni. È disponibile da oggi in versione beta. Il CEO Mark Zuckerberg lo ha annunciato direttamente su X, descrivendolo come uno strumento che “pianifica modifiche, scrive codice e valida i risultati” su interi codebase.

Il motore è Muse Spark 1.2, aggiornamento del modello di programmazione di Meta addestrato con un volume di calcolo significativamente maggiore su task di coding. La versione 1.2 porta miglioramenti nella generazione di codice, nel debugging complesso e nella comprensione delle basi di codice esistenti. Installabile con un singolo comando da terminale, l’agente tiene in vita agenti specializzati per tutta la durata della sessione, riducendo la latenza legata alla necessità di riesplorazione continua del codice.

Quando il progetto è abbastanza grande, Muse Code si espande in sub-agenti separati che lavorano in parallelo su worktree isolati. La copia di lavoro principale non viene mai toccata. Nei test interni, Meta ha costruito sei funzionalità di un gioco contemporaneamente senza collisioni. Ogni chiamata al modello e ogni uso degli strumenti viene registrato, e l’agente riprende automaticamente dal punto in cui si era interrotto in caso di crash.

Il modello è stato co-addestrato usando Muse Code stesso, con traiettorie campionate per rigetto e ottimizzazioni orientate a obiettivi, compattazione del contesto e gestione dei sub-agenti. Questo significa che Muse Spark 1.2 è stato calibrato per funzionare al meglio all’interno di questo strumento specifico — una scelta che rispecchia una tendenza diffusa tra i principali laboratori: modello e harness non sono più prodotti separabili.

Il contesto in cui nasce Muse Code è rilevante. Llama 4 aveva debuttato nell’aprile 2025 tra recensioni tiepide e ammissioni di benchmark gonfiati, mentre i rivali open-weight cinesi di DeepSeek, Alibaba e Zhiyu AI erano arrivati a rappresentare il 41% dei download su Hugging Face. Quella battuta d’arresto aveva spinto Zuckerberg a riorganizzare le operazioni AI nell’estate 2025, creando i Meta Superintelligence Labs con Alexandr Wang di Scale AI come chief AI officer. Muse Code è il primo risultato pubblico di quella ristrutturazione.

Con questo prodotto, Meta abbandona la postura open source che aveva a lungo difeso. Muse Spark 1.2 è un modello proprietario, cloud-only, senza pesi scaricabili. Gli sviluppatori pagano per token oppure cedono dati di addestramento per accedere a una fascia di costo più bassa. La dinamica è quella del vecchio ecosistema Llama rovesciata: non più pesi gratuiti in cambio di visibilità, ma token economici in cambio di dati.

Il confronto diretto è con Claude Code di Anthropic e Codex di OpenAI, i due agenti che hanno finora dominato questo segmento. Meta punta esplicitamente sulla convenienza economica come leva competitiva. Se basterà dipenderà dalla tenuta dell’agente sui codebase legacy, sulle riscritture complesse e sull’integrazione nei flussi di lavoro reali — test che i benchmark interni non possono certificare. Gli sviluppatori, storicamente esigenti, decideranno nelle prossime settimane.


Articoli simili

Ultime news


RobotX AI lancia Xmind, il primo cervello robotico universale

RobotX AI ha annunciato Xmind, un'unità di elaborazione intelligente progettata…

NVIDIA RTX Spark arriva sui PC Windows: preordini aperti dal 7 ottobre

NVIDIA e Microsoft hanno annunciato RTX Spark, il nuovo superchip…

ChatGPT for Teens sotto accusa: “Rischio inaccettabile”, l’allarme degli esperti sui minori

Uno studio ha analizzato oltre 4.000 conversazioni, metà prima e…

Cybersecurity: maturità in aumento tra le aziende italiane, si riduce il divario tra PMI e grandi imprese

L’EY Cyber Barometer, report realizzato nell’ambito dell’EY Hub Risk, ha…

Upscale AI lancia Token Fabric: uno strumento per collegare chip AI di diversi fornitori nello stesso data center

La piattaforma permetterà ai clienti di evitare l'acquisto di processori…

Privacy policy| Cookie policy| Cookie setting| © 2026

Exit mobile version