Meta liefert Muse Code, einen Codierungsagenten, der nach einem Absturz weiter funktioniert
Meta hat Muse Code in der Betaversion für macOS und Linux veröffentlicht, basierend auf einem neuen Muse Spark 1.2-Modell. Die beiden interessanten Ideen sind Hintergrundagenten, die eine ganze Sitzung lang am Leben bleiben, und ein lokales Ereignisprotokoll, mit dem ein unterbrochener Job genau dort fortgesetzt werden kann, wo er gestoppt wurde.
Meta hat am Mittwoch Muse Code in der Betaversion veröffentlicht, einen Codierungsagenten, der auf Ihrem Terminal und nicht in einem Chatfenster ausgeführt wird. Mark Zuckerberg hat es selbst angekündigt. Es läuft auf einem neuen Modell namens Muse Spark 1.2 und stellt Meta direkt gegen Claude Code von Anthropic und Codex von OpenAI in einem Bereich, der in aller Stille zum wettbewerbsintensivsten Bereich der Branche geworden ist.
Der Pitch besteht darin, Softwareaufgaben über große Codebasen hinweg abzuschließen: Der Agent plant eine Änderung, schreibt den Code und prüft dann, ob das Ergebnis tatsächlich funktioniert. Die Installation auf macOS und Linux erfolgt mit einem einzigen Shell-Befehl, und Muse Spark 1.2 ist auch über die Meta Model API verfügbar. Es gibt drei eingebaute Fähigkeiten, bei denen es sich lediglich um benannte Routinen handelt, die Sie aufrufen können: „/plan“ verwandelt eine Anfrage in einen Plan, den Sie genehmigen müssen, „/grill“ greift den Plan an, um zu sehen, ob er überlebt, und „/goal“ arbeitet weiter, bis das Ziel erreicht ist.
Zwei Designoptionen sind es wert, verstanden zu werden, auch wenn Sie nie Code schreiben. Erstens bleiben die Hintergrundagenten während der gesamten Sitzung am Leben, anstatt für jede Aufgabe neu erstellt zu werden, sodass sie nicht immer wieder dieselben Dateien erneut lesen müssen. Zweitens wird jeder Modellaufruf, jeder Werkzeuglauf, jede Genehmigung und jede Bearbeitung an eine lokale Protokolldatei angehängt, die Meta als wiedergabegenau und neustartsicher beschreibt. Im Klartext: Wenn das Ding vier Stunden nach Beginn eines Jobs abstürzt, macht es genau dort weiter, wo es aufgehört hat, anstatt wieder von vorne zu beginnen. Meta zeigte eine Fallstudie, in der das System über einen Zeitraum von bis zu 24 Stunden mehr als 1.000 Tool-Aufrufe durchführte und gleichzeitig GPU-Kernel optimierte.
Was ist hier eigentlich los?
Die interessante Behauptung ist nicht der Benchmark-Score, sondern dass Meta das Modell zusammen mit dem Tool trainiert hat, das es ausführt. Die meisten Labore bauen ein Modell und wickeln es dann mit einem harness um. Dabei handelt es sich um das Gerüst, das es einem Modell ermöglicht, ein Terminal zu verwenden, Dateien zu lesen und Tests durchzuführen. Meta hat Muse Spark 1.2 gemeinsam mit Muse Code trainiert, sodass das Modell genau in der Umgebung geübt wurde, in der es ausgeliefert wird. Meta weist ausdrücklich darauf hin, dass sein System möglicherweise nicht auf die Modelle der Konkurrenz abgestimmt ist. Dies ist eine höfliche Art zu sagen, dass die Vergleichszahlen mit Claude Opus 5, GPT-5.6 Terra, Gemini 3.6 Flash, Grok 4.5 und Kimi K3 mit Vorsicht gelesen werden sollten.
Wissenswertes, bevor Sie sich aufregen: Dies ist Beta-Software, es gibt keine herunterladbaren Gewichte, Sie sind also auf die Server von Meta angewiesen und installieren alles mit einem „Curl |“. bash`-Befehl bedeutet, dem Herausgeber vollständig zu vertrauen.
Was das für dich bedeutet: Wenn Sie nicht programmieren, gibt es heute nichts, aber die Idee der Absturzwiederaufnahme ist eine Vorschau darauf, wohin alle KI-Assistenten gehen, von langen Recherchejobs bis hin zur Dokumentarbeit über Nacht. Wenn Sie programmieren, ist dies jetzt eine echte vierte Option, die einen Wochenendtest wert ist, insbesondere bei langen Refaktorierungen, bei denen der Agent früher den Thread verloren hat. Bewahren Sie es wie jeden anderen Agenten in einer Sandbox mit Review-Gates auf.
Quellen
Quellen: https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2
OpenAI liefert drei Bildungs-Plugins und gibt stillschweigend zu, dass die meisten Schüler die ihnen zur Verfügung stehenden Tools kaum nutzen
Neue Plugins für K-12-Lehrer, Hochschulpädagogen und Studenten sind in ChatGPT Edu und ChatGPT for Teachers verfügbar. Begraben in der Ankündigung: Selbst fortgeschrittene Studentennutzer nutzen die Funktionen von ChatGPT 90 bis 99 Prozent weniger als Poweruser.
