Meta is rechtstreeks in de strijd gestapt om door AI ondersteunde softwareontwikkeling, met de uitrol van een bètaversie van een nieuwe tool die is gebouwd om het rechtstreeks op te nemen tegen Claude Code van Anthropic en Codex van OpenAI. De Meta Muse Code-agent is de eerste toegewijde codeerassistent van het bedrijf en verschijnt op een moment dat Meta onder druk staat om aan te tonen dat de enorme AI-uitgaven daadwerkelijk inkomsten kunnen genereren.
Summary
Belangrijkste punten
- Meta heeft Muse Code in bèta gelanceerd, een terminalgebaseerde codeeragent die is gebouwd om te concurreren met Claude Code en OpenAI Codex.
- De tool draait op Muse Spark 1.2, een op coderen gericht model dat samen met Muse Code zelf is getraind.
- Muse Code kan code plannen, schrijven en valideren, terwijl het persistente subagenten coördineert die gedurende een volledige sessie actief blijven.
- In één test optimaliseerde het systeem Nvidia Hopper GPU-kernels via meer dan 1.000 toolaanroepen over sessies die tot 24 uur duurden.
- Toegang begint met pay-as-you-go-prijzen die overeenkomen met de tarieven van Muse Spark 1.1, naast een goedkopere contributielaag voor ontwikkelaars die instemmen met het delen van gegevens.
Meta lanceert Muse Code-bèta om AI-codeerconcurrenten uit te dagen
Muse Code is Meta’s antwoord op een markt die tot nu toe grotendeels door Anthropic en OpenAI is gedefinieerd. De agent laat ontwikkelaars één command-line tool installeren en vervolgens volledige software-engineeringtaken uit handen geven, van het plannen van wijzigingen tot het schrijven en controleren van code, zonder te hoeven schakelen tussen afzonderlijke applicaties.
De release komt van Alexandr Wang, die leiding geeft aan Meta Superintelligence Labs en toezicht houdt op het werk van het bedrijf aan foundation-modellen. Wang kwam medio 2025 bij Meta als het middelpunt van de inspanning van CEO Mark Zuckerberg om de AI-strategie van het bedrijf opnieuw op te bouwen, en Muse Code is zijn nieuwste grote product onder dat mandaat. “Je kunt het met één commando installeren en het vervolgens gebruiken om volledige software-engineeringtaken op je te nemen voor een breed scala aan use-cases: wijzigingen plannen, code schrijven, de resultaten valideren,” zei Wang in een interview waarover CNBC berichtte.
De timing is belangrijk. De aandelen van Meta daalden nadat het bedrijf een voorzichtige omzetprognose afgaf en een krimpende vrije kasstroom rapporteerde in de meest recente kwartaalcijfers, wat de urgentie vergrootte van Zuckerbergs zoektocht naar manieren om de zware AI-infrastructuuruitgaven om te zetten in betalende producten.
Muse Code concurreert met Claude Code en OpenAI Codex
Functioneel valt Muse Code in dezelfde categorie als Claude Code en Codex: het beheert vloten van AI-subagenten die helpen bij het bouwen en onderhouden van software binnen één interface. Wang heeft de concurrentiestrategie neergezet rond prijs in plaats van pure capaciteit, en zegt dat Meta de Muse Spark-modelfamilie onderscheidt “op prijs in plaats van op mogelijkheden” vergeleken met wat Anthropic en OpenAI aanbieden.
Ontwikkelaars kunnen toegang krijgen tot Muse Code via een pay-as-you-go-plan dat volgens Wang dezelfde API-prijzen hanteert als de eerdere Muse Spark 1.1-release: $1,25 per miljoen inputtokens en $4,25 per miljoen outputtokens. Er is ook een goedkopere “contributor tier” beschikbaar, geprijsd op meer dan 10 keer onder het standaard pay-as-you-go-tarief, maar daarvoor moeten ontwikkelaars zich aanmelden en Meta toestaan hun gegevens te gebruiken om het model te verbeteren. Voor bedrijven die geen gegevens willen delen, zegt Meta dat het begint verzoeken te accepteren voor nul-gegevensretentie, een functie die Wang omschreef als belangrijk voor zakelijke klanten.
Beschikbaarheid op macOS, Linux en via de Meta Model API
De bèta van Muse Code is momenteel beperkt tot macOS en Linux. Meta zegt dat toegang en facturatie verlopen via dezelfde ontwikkelaarspagina die al de Muse Spark API host, en het Muse Spark 1.2-model zelf is ook bereikbaar via de Meta Model API met bredere wereldwijde beschikbaarheid. Verwacht wordt dat het model daarnaast beschikbaar komt op het OpenRouter-platform, dat al open-weight-modellen host van labs zoals DeepSeek en Z.ai, waardoor ontwikkelaars een andere route krijgen naar Meta’s codestack.
Kerntechnologie en mogelijkheden achter de Meta Muse Code-agent
Wat de Meta Muse Code-agent onderscheidt van een eenvoudige chatgebaseerde codeerassistent is het vermogen om meerdere achtergrondprocessen tegelijk uit te voeren en zich precies te herinneren waar hij was gebleven. In plaats van voor elk verzoek een nieuwe subagent te starten, houdt Muse Code subagenten in leven voor de duur van een volledige sessie.
Deze persistente subagenten kunnen informatie verzamelen, extra stappen uitvoeren en zelf beslissen wanneer ze bevindingen terugrapporteren aan de hoofdagent. Meta zegt dat deze structuur herhaalde informatieverzameling vermindert en de latentie verlaagt tijdens complexe, meerfasige codeertaken — een betekenisvol verschil met agenten die de context bij elke nieuwe instructie resetten.
Lokale logging maakt sessiereconstructie na crashes mogelijk
Elke modelaanvraag, tooluitvoering, goedkeuring en codebewerking wordt weggeschreven naar een lokaal gebeurtenislogboek. Dat logboek stelt de runtime in staat een sessie exact te herbouwen zoals die was en het werk vanaf hetzelfde punt te hervatten als het proces crasht of wordt onderbroken. Voor iedereen die lange, onbewaakte codeerklussen draait, haalt dat soort continuïteit het risico weg om uren aan voortgang te verliezen door een verbroken verbinding.
Ingebouwde commando’s sturen planning, testen en doelen
Muse Code wordt geleverd met een handvol ingebouwde vaardigheden die zijn ontworpen om de agent gefocust te houden. Het /plan-commando zet een verzoek om in een gestructureerd plan dat een ontwikkelaar moet goedkeuren voordat het werk begint. /grill test dat plan vervolgens onder zware omstandigheden op zwakke plekken, en /goal houdt de agent gericht op een specifiek doel gedurende een lange sessie. In één voorbeeld dat Meta deelde, gaf een gebruiker de agent een videotour van een huis, en Muse Code interpreteerde de beelden om er een werkende marketing- en boekingswebsite voor vakantieverhuur van te bouwen.
Muse Spark 1.2: het model dat de nieuwe codeeragent aandrijft
Muse Spark 1.2 is een op coderen gerichte update van Muse Spark 1.1, en Meta zegt dat het echte verbeteringen brengt in codegeneratie, complexe debugging en begrip van codebases, terwijl de bredere agentvaardigheden intact blijven. Meta trainde het nieuwe model samen met Muse Code zelf, een aanpak waarvan het bedrijf zegt dat die verbeterde hoe goed het model samenwerkt met het planningssysteem van de agent, het gebruik van tools, contextbeheer en subagenten.
Om dat te bereiken, verhoogde Meta de trainingscompute die specifiek aan codeertaken werd toegewezen en verbreedde het de verscheidenheid aan omgevingen waarop het model werd getraind. Trainingsruns omvatten taken met een lange horizon, zoals het vanaf nul opbouwen van volledige repositories, het voltooien van grote projecten van begin tot eind en het uitvoeren van geautomatiseerde onderzoekstaken. Het model vertrouwt op planning om zijn eigen werk te organiseren en op contextcompressie om belangrijke details vast te houden tijdens uitgebreide sessies. Meta gebruikte ook het oudere Muse Spark 1.1 om moeilijke codeeromgevingen en instructievolgsjablonen te genereren en liet het vervolgens kandidaatoplossingen evalueren om extra trainingsdata voor zijn opvolger te produceren.
Een 24-uurs GPU-kerneltest toont het uithoudingsvermogen van de agent
Meta’s duidelijkste demonstratie van wat sessiepersistentie op lange termijn kan doen, betrof Nvidia-hardware. In één test gebruikte Muse Spark 1.2 Muse Code om GPU-kernels te optimaliseren voor Nvidia Hopper GPU’s, waarbij meer dan 1.000 toolaanroepen werden uitgevoerd over sessies die tot 24 uur duurden. De agent schreef, compileerde, profileerde en verfijnde herhaaldelijk zijn eigen code, en Meta rapporteerde aanzienlijke prestatieverbeteringen vergeleken met de basisimplementaties waarvan het vertrok.
Waarom dit belangrijk is voor de AI-codeermarkt
Dat Meta de markt voor codeeragenten betreedt, verandert de concurrentieverhoudingen voor Anthropic en OpenAI, die allebei een betekenisvolle ontwikkelaarsbusiness hebben opgebouwd rond Claude Code en Codex. Door Muse Code en Muse Spark agressief te prijzen — inclusief een contributielaag waarvan Wang zegt dat die meer dan 10 keer goedkoper is dan de standaard pay-as-you-go-tarieven — geeft Meta aan dat het in de eerste plaats op kosten wil concurreren, niet alleen op modelprestaties.
Die strategie past ook in het grotere financiële plaatje van Meta. Het bedrijf genereert ongeveer 98% van zijn omzet uit advertenties, en codeertools die zijn gebouwd op prikkels voor gegevensdeling geven het een nieuwe hefboom om de enorme kapitaaluitgaven voor AI-infrastructuur te compenseren. Of ontwikkelaars die gewend zijn aan Claude Code of Codex bereid zijn van tool te wisselen voor lagere prijzen, vooral in ruil voor het instemmen met gegevensverzameling, zal waarschijnlijk bepalen hoe snel Muse Code tractie krijgt in een markt waar overstapkosten en bestaande workflows nog steeds belangrijk zijn.
FAQ
Wat is Muse Code?
Muse Code is een AI-terminalcodeeragent die door Meta in bèta is gelanceerd, ontworpen om softwarewijzigingen te plannen, code te schrijven, resultaten te valideren en complexe codeertaken te beheren.
Welk AI-model drijft Muse Code aan?
Muse Code wordt aangedreven door het Muse Spark 1.2 AI-model, dat zich richt op codeerefficiëntie, debugging en ontwikkelaarsworkflows.
Hoe werken de persistente subagenten van Muse Code?
Persistente subagenten blijven actief gedurende codeersessies om de latentie te verminderen en herhaalde informatieverzameling te voorkomen, waardoor complexe taken met minder invoer van de gebruiker worden gecoördineerd.
Op welke platforms is Muse Code beschikbaar?
Muse Code-bèta is beschikbaar op macOS en Linux, met Muse Spark 1.2 toegankelijk via de Meta Model API voor bredere wereldwijde inzet.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Wat is Muse Code?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Muse Code is een AI-terminalcodeeragent die door Meta in bèta is gelanceerd, ontworpen om softwarewijzigingen te plannen, code te schrijven, resultaten te valideren en complexe codeertaken te beheren.”}},{“@type”:”Question”,”name”:”Welk AI-model drijft Muse Code aan?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Muse Code wordt aangedreven door het Muse Spark 1.2 AI-model, dat zich richt op codeerefficiëntie, debugging en ontwikkelaarsworkflows.”}},{“@type”:”Question”,”name”:”Hoe werken de persistente subagenten van Muse Code?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Persistente subagenten blijven actief gedurende codeersessies om de latentie te verminderen en herhaalde informatieverzameling te voorkomen, waardoor complexe taken met minder invoer van de gebruiker worden gecoördineerd.”}},{“@type”:”Question”,”name”:”Op welke platforms is Muse Code beschikbaar?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”Muse Code-bèta is beschikbaar op macOS en Linux, met Muse Spark 1.2 toegankelijk via de Meta Model API voor bredere wereldwijde inzet.”}}]}
Artikel geproduceerd met behulp van kunstmatige intelligentie en beoordeeld door de redactie.
