# meta-muse-code-muse-spark-1-2-2026-08-05

## Veille

Ankündigung von **Meta AI Research**, veröffentlicht am **5. August 2026** (angegebene Lesezeit: 4 Minuten, kein individueller Autorenvermerk): **Muse Code** in der Beta-Phase, *„ein Terminal-Coding-Agent“*, sowie das Modell, das ihn antreibt, **Muse Spark 1.2**. Meta selbst ordnet die Markteinführung ein: *„Dies markiert unseren nächsten Schritt in Richtung der Frontier, mit größeren und deutlich leistungsfähigeren Modellen, die bereits in Vorbereitung sind.“* **Drei architektonische Elemente auf der Harness-Seite.** **Asynchrone Hintergrund-Agenten**, die *„während der gesamten Sitzung aktiv bleiben, statt für einzelne Aufgaben neu erzeugt zu werden“*, wodurch redundante Informationsbeschaffung vermieden und der Steuerungsbedarf verringert wird. Ein **lokales Ereignisprotokoll**, in dem *„jeder Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung angehängt wird“*, wodurch die Laufzeitumgebung zu einem System wird, das *„replay-exakt und neustartsicher“* ist und nach einem Absturz genau dort fortsetzen kann, wo es aufgehört hat. Und **drei standardmäßig mitgelieferte Skills**: `/plan` (wandelt eine Aufgabe in einen zur Genehmigung vorgelegten Plan um), **`/grill`** (stellt den Plan auf die Probe, *„bis er standhält“*), und `/goal`. **Auf der Modellseite** beansprucht Meta ein **Co-Training von Modell und Harness** (*„um die Harness-Kompatibilität zu maximieren“*, wobei Harness-Trajektorien per Rejection Sampling erfasst werden und Rezeptoptimierungen für Ziele, Kompaktierung und Sub-Agenten vorgenommen werden), ein Training mit **langem Zeithorizont** (Generierung ganzer Repositories, End-to-End-Projekte, Selbstrecherche, mit Planung, Zielkonditionierung und Kontextkompaktierung) sowie eine **Selbstverbesserungsschleife**, in der Muse Spark 1.1 die Umgebungen und Anweisungsvorlagen generiert und anschließend die Kandidatenlösungen bewertet, wodurch ein Trainingsdatensatz für die 1.2 entsteht. **Was die veröffentlichten Diagramme zeigen**, ohne dass der Text dies kommentiert: Die vier Vergleiche — Terminal-Bench 2.1, DeepSWE 1.1, ein interner Meta-Benchmark und die Fallstudie zur GPU-Kernel-Optimierung — platzieren **Muse Spark 1.2 in allen vier Fällen hinter Opus 5**, einschließlich auf Metas eigenem proprietärem Benchmark (70,6 % gegenüber 79,4 %) und in der Fallstudie, in der das Modell auf dem vierten von sechs Plätzen landet (+68,7 % gegenüber +74,0 %). **Ein Vorbehalt zum Lesen des Versionsgewinns**: Bei den beiden öffentlichen Benchmarks wird 1.1 mit `mini-swe-agent` und 1.2 mit Muse Code gemessen, sodass die Differenz von 6,7 Punkten Modell- und Harness-Fortschritt vermischt. Beim internen Benchmark, dem einzigen Vergleich, bei dem keine Harness genannt wird, sinkt die Differenz zwischen 1.1 und 1.2 auf **2,3 Punkte**.

## Titre Article

Introducing Muse Code and Muse Spark 1.2

## Date

2026-08-05

## URL

https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2

## Keywords

Meta AI Research, Muse Code, Muse Spark 1.2, Terminal-Coding-Agent, Beta, Harness, asynchrone Hintergrund-Agenten, persistente Sub-Agenten, redundante Informationsbeschaffung, Ereignisprotokoll, Ereignisprotokoll, replay-exakt, neustartsicher, Absturzwiederherstellung, lang laufende Aufgaben, mitgelieferte Skills, genehmigter Plan, grill, goal, Modell-Harness-Co-Training, Rejection Sampling, Harness-Trajektorien, Harness-Kompatibilität, langer Zeithorizont, Generierung ganzer Repositories, Selbstrecherche, Zielkonditionierung, Kontextkompaktierung, Selbstverbesserung, Umgebungsgenerierung, Lösungsbewertung, Terminal-Bench 2.1, DeepSWE 1.1, interner Benchmark, Opus 5, Claude Code, GPT 5.6 Terra, GPT 5.6 Sol, Codex, Grok 4.5, Gemini 3.6 Flash, Antigravity CLI, mini-swe-agent, GPU-Kernel-Optimierung, Triton, KDA, MLA, NVIDIA Hopper, kumulierte Tool-Aufrufe, Speedup gegenüber Baseline, FLA, Kernel-Fusion, Tiling, Meta Model API, Lock-in durch Optimierung

## Authors

**Meta AI Research** — publication institutionnelle sans auteur nommé, sur `research.meta.ai`. Le billet renvoie à un **rapport** pour la méthodologie d'évaluation, non repris ici.

**Positionnement à connaître** : Meta arrive sur le terrain de l'agent de codage en terminal **après** Claude Code, Codex, Gemini CLI, Grok Build et Antigravity CLI, et le dit — *« our next step toward the frontier »*. L'annonce couple un **produit** (Muse Code, distribué par `curl … | bash`) et un **modèle** (Muse Spark 1.2, disponible dans Muse Code et dans **Meta Model API** avec *« expanded global access »*), les deux ayant été entraînés ensemble.

## Ton

**Profil**: eine Produktankündigung eines Forschungslabors, Kurzformat, sachliches technisches Register. Keine Übertreibungen, kein Überlegenheitsanspruch, keine Superlative — was für eine Markteinführung **ungewöhnlich** ist und für sich genommen aufschlussreich.

**Stil**: Der Text geht so vor, dass er **Mechanismen beschreibt**, Abschnitt für Abschnitt, jeweils ein einziger Absatz, der eine konkrete technische Entscheidung benennt — Persistenz der Sub-Agenten, das Ereignisprotokoll, Co-Training, Kompaktierung. Es gibt keinen Kundenfall, kein Führungskräftezitat, kein Produktivitätsversprechen. Die einzige narrative Demonstration ist eine Vignette: Ein Nutzer legt ein Hausbesichtigungsvideo im `mp4`-Format ins Terminal, Muse Code interpretiert es und erzeugt eine Buchungsseite für eine Kurzzeitvermietung.

**Das auffälligste Merkmal ist die Zurückhaltung der Einordnung**, die bereits im zweiten Satz formuliert wird: *„Dies markiert unseren nächsten Schritt in Richtung der Frontier, mit größeren und deutlich leistungsfähigeren Modellen, die bereits in Vorbereitung sind.“* Meta kündigt einen Meilenstein an und signalisiert, dass das Beste noch bevorsteht. Der Schluss wiederholt dieselbe Haltung: *„Es liegt noch viel vor uns, darunter neue Harness-Funktionen und leistungsfähigere Modelle.“*

**Diese Zurückhaltung bestätigt sich in den Diagrammen**, und genau das macht die Ankündigung bemerkenswert: Meta veröffentlicht vier Vergleiche, in denen es kein einziges Mal gewinnt. Wenige Markteinführungen sind bereit, einen Konkurrenten auf der eigenen Seite in Führung zu zeigen — noch weniger auf dem **eigenen internen Benchmark**.

**Charakteristische Formulierungen**: *„unser nächster Schritt in Richtung der Frontier“*, *„statt für einzelne Aufgaben neu erzeugt zu werden“*, *„replay-exakt und neustartsicher“*, *„/grill stellt diesen Plan auf die Probe, bis er standhält“*, *„um die Harness-Kompatibilität zu maximieren“*.

## Pense-betes

- **Datum / Quelle**: **5. August 2026**, Meta AI Research, unsignierte Ankündigung. **Muse Code** (Beta), ein Terminal-Coding-Agent, installierbar via `curl -fsSL https://dev.meta.ai/install.sh | bash` unter macOS und Linux, sowie **Muse Spark 1.2**, verfügbar in Muse Code und in der Meta Model API.
- **Zentrale Einordnung**: Im Text erscheinen keine Zahlen — die vier Vergleiche sind Rastergrafiken. Die untenstehenden Werte wurden visuell aus den PNGs abgelesen. ### Die vier Vergleiche | Vergleich | Sieger | Muse Spark 1.2 | Rang | |---|---|---|---| | Terminal-Bench 2.1 | Opus 5 + Claude Code — **86,7 %** | 82,9 % | 2. / 6 | | DeepSWE 1.1 | Opus 5 + Claude Code — **65,0 %** | 59,3 % | 3. / 6 | | **Meta Internal Coding Bench** | Opus 5 — **79,4 %** | 70,6 % | 2. / 5 | | KDA-Fallstudie (Speedup) | Opus 5 — **+74,0 %** | +68,7 % | **4. / 6** | Bei seinem eigenen proprietären Benchmark liegt Meta 8,8 Punkte hinter Opus 5; bei der als Vorzeigebeispiel gewählten Fallstudie liegt es zudem hinter GPT 5.6 Sol (+71,2 %) und hinter Anthropics vorheriger Generation, Opus 4.8 (+69,6 %). ### Der Modellgewinn fällt geringer aus, als dargestellt Bei Terminal-Bench und DeepSWE wird 1.1 mit **`mini-swe-agent`** und 1.2 mit **Muse Code** bewertet: Die angezeigte Differenz (76,2 → 82,9, also **+6,7 Punkte**) vermischt Modellfortschritt und Harness-Fortschritt. Beim internen Benchmark, der einzigen Tabelle ohne angegebene Harness, sinkt die Differenz zwischen 1.1 und 1.2 auf **68,3 → 70,6, also +2,3 Punkte**. Keiner dieser Vergleiche ist Modell-gegen-Modell: Es handelt sich um Paare aus **Modell + Harness**, wobei jedes Modell mit der Harness seines eigenen Labs gemessen wird. Dies bestätigt empirisch, im Abstand von drei Wochen, den von [[mozilla-state-of-open-source-ai-2026-07]] beschriebenen Mechanismus — *„eine eng auf die Gewichte eines Labs abgestimmte Harness wird zu einer passgenauen Komponente des Produkts dieses Labs … Lock-in entsteht als Nebeneffekt der Optimierung“* —, wobei Meta ausdrücklich angibt, das Modell mit der Harness co-trainiert zu haben, *„um die Harness-Kompatibilität zu maximieren“*. ### Das Ereignisprotokoll *„Ein lokales Ereignisprotokoll, in dem jeder Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung angehängt wird“*, eine einzige Quelle der Wahrheit, die die Laufzeitumgebung *„replay-exakt und neustartsicher“* macht: Nach einem Absturz setzt der Agent genau dort fort, wo er aufgehört hat, was lang laufende Aufgaben ermöglicht. Eine direkte Konvergenz mit dem Run-Manifest und dem `run resume`-Befehl von [[skill-gibbs-hyperresearch-2026-08-03]]. Zwei unabhängige Teams gelangen zum selben Design: Der Kontext überdauert nicht, ein Protokoll auf der Festplatte schon. ### Persistente Hintergrund-Agenten Statt für eine Aufgabe erzeugt und anschließend verworfen zu werden, *„bleiben sie während der gesamten Sitzung aktiv“*, was *„redundante Informationsbeschaffung“* vermeidet, es ihnen erlaubt, selbst zu entscheiden, wann sie an den Haupt-Agenten eskalieren, und *„Latenz und Steuerungsbedarf“* verringert. Bemerkenswert ist der Gegensatz zur entgegengesetzten Beobachtung von [[lassiege-usine-logicielle-heure-ia-2026-07-28]] zu Sub-Agenten zum Wegwerfen (*„ich nutze sie immer seltener“*): zwei entgegengesetzte Antworten auf dasselbe Problem — weniger delegieren oder an Agenten delegieren, die nicht mehr sterben. ### Die drei mitgelieferten Skills `/plan` (ein zur Genehmigung vorgelegter Plan), **`/grill`** (*„stellt diesen Plan auf die Probe, bis er standhält“*), `/goal`. Die beschriebene Schleife lautet **Plan → Herausforderung → Ausführung**, mit einem menschlichen Kontrollpunkt beim ersten Schritt. `/grill` übernimmt die Funktion eines bereits dokumentierten Community-Skills: Ein in der Community entstandenes Muster kommt vorinstalliert bei einem Frontier-Lab an. ### Selbstverbesserung, genau gelesen *„Wir haben außerdem Muse Spark 1.1 verwendet, um anspruchsvolle Coding-Umgebungen und Vorlagen zur Befolgung von Anweisungen zu generieren. Das Modell bewertete anschließend Kandidatenlösungen … wodurch ein skalierbarer Trainingsdatensatz für Muse Spark 1.2 entstand.“* Es ist 1.1, das die Umgebungen generiert und die Bewertung vornimmt, während 1.2 das Produkt dieses Datensatzes ist — das Subjekt von *„das Modell“* ist mehrdeutig, und manche Berichterstattung hat es als 1.2 gelesen. Eine Distillationsschleife einer Generation auf sich selbst, deren bekannte Grenze darin besteht, dass sie nur lehren kann, was die vorherige Generation bereits zu bewerten weiß. ### Fallstudie GPU-Kernel: Das Protokoll ist mehr wert als das Ergebnis Iterative Optimierung über **mehr als 1.000 kumulierte Tool-Aufrufe, bis zu 24 Stunden**, an den **KDA**- und **MLA**-Kernels für NVIDIA-Hopper-GPUs; das Modell schreibt, kompiliert, profiliert und verbessert. Eine bemerkenswerte Einschränkung: *„Es war den Modellen untersagt, Kernel-Bibliotheken Dritter wie FLA direkt zu importieren“* — der Algorithmus musste in Triton neu implementiert werden, statt eine bestehende Implementierung nur zu umhüllen. Das ist es, was den Test ehrlich macht. Bei KDA: ein blockparallel arbeitender Vorbereitungskernel plus ein sequenzieller Inter-Block-Scan, wobei der kumulative Decay auf den Blockmittelpunkt neu zentriert wird. Bei MLA: eine zweistufige Triton-Pipeline, die den gemeinsamen KV-Latenten sowohl als K als auch als V wiederverwendet, gemessen bei Batchgröße 1, 64 Heads, Sequenzlänge 8.192, latenter Dimension 512. **KDA ist Kimis lineare Attention**: Meta lässt seinen Agenten damit den Kernel einer konkurrierenden Open-Weights-Architektur optimieren. ### Drei methodische Vorbehalte zu den Diagrammen 1. **Keine Zahlen im Text**: Rastergrafiken ohne Textdaten und ohne numerisches Accessibility-Label. Ein Aggregator oder ein die Seite lesender Agent sieht überhaupt keine Ergebnisse. 2. **Die Y-Achse des KDA-Diagramms ist nichtlinear**, was Meta ehrlich offenlegt (*„Axis Spaced Linearly In X“*, Markierungen bei 0-27-43-53-60-65-69-72-75 %). Die Skala dehnt den oberen Bereich und vergrößert optisch die Abstände zwischen den Spitzenmodellen — zu Metas Nachteil. 3. **Die verglichenen Konfigurationen sind nicht einheitlich**: `max` für Opus 5 und GPT 5.6 Terra, `high` für Grok 4.5 und Gemini 3.6 Flash, keine Angabe für Muse Spark. Grok fehlt beim internen Benchmark, GPT 5.6 Sol erscheint nur in der Fallstudie: Die Zusammensetzung des Teilnehmerfelds ändert sich von Diagramm zu Diagramm. Der *„Meta Internal Coding Bench“* ist nicht öffentlich, und seine Zusammensetzung wird nicht beschrieben; Meta misst seine Konkurrenten daran. Dass es dort verliert, macht die Zahl glaubwürdiger als ein schmeichelhafter Wert, doch ein proprietärer Benchmark bleibt nicht reproduzierbar. ### Was die Ankündigung nicht sagt Keine Preisangaben, keine Nutzungsgrenzen, keine Modelllizenz, keine Offenlegung der Gewichte — ein bemerkenswerter Bruch mit der Llama-Tradition, zu dem der Beitrag schweigt. Ebenso nichts zu unterstützten Sprachen, Kontextgröße oder Vertraulichkeitsgarantien für übermittelten Code.

## RésuméDe400mots

Ankündigung von **Meta AI Research** vom **5. August 2026**: **Muse Code** in der Beta-Phase, ein Terminal-Coding-Agent, und **Muse Spark 1.2**, das Modell, das ihn antreibt. Meta selbst ordnet die Markteinführung ein — *„unser nächster Schritt in Richtung der Frontier, mit größeren und deutlich leistungsfähigeren Modellen, die bereits in Vorbereitung sind“*.

**Auf der Harness-Seite drei Entscheidungen.** **Asynchrone Hintergrund-Agenten**, die *„während der gesamten Sitzung aktiv bleiben, statt für einzelne Aufgaben neu erzeugt zu werden“*, wodurch redundante Informationsbeschaffung vermieden wird und sie selbst entscheiden, wann sie an den Haupt-Agenten eskalieren. Ein **lokales Ereignisprotokoll**, das jeden Modellaufruf, jede Tool-Ausführung, jede Genehmigung und jede Bearbeitung erfasst, wodurch die Laufzeitumgebung *„replay-exakt und neustartsicher“* wird: Nach einem Absturz setzt der Agent genau dort fort, wo er aufgehört hat. Und drei **standardmäßig mitgelieferte Skills**: `/plan` (ein zur Genehmigung vorgelegter Plan), **`/grill`** (stellt den Plan auf die Probe, bis er standhält), und `/goal`.

**Auf der Modellseite** beansprucht Meta ein **Co-Training mit der Harness** *„um die Harness-Kompatibilität zu maximieren“*, ein Training mit langem Zeithorizont (gesamtes Repository, End-to-End-Projekte, Selbstrecherche, Kontextkompaktierung) sowie eine Selbstverbesserungsschleife, in der Version 1.1 die Umgebungen generiert und die Lösungen bewertet, wodurch der Trainingsdatensatz für 1.2 entsteht.

**Die zentrale Tatsache dieser Ankündigung wird in ihrem Text an keiner Stelle genannt.** Die vier veröffentlichten Vergleiche existieren nur als Bilder und platzieren Muse Spark 1.2 **in allen vier Fällen hinter Opus 5**: 82,9 % gegenüber 86,7 % bei Terminal-Bench 2.1, 59,3 % gegenüber 65,0 % bei DeepSWE 1.1, **70,6 % gegenüber 79,4 % bei Metas eigenem internem Benchmark** und +68,7 % gegenüber +74,0 % bei der Fallstudie zur GPU-Kernel-Optimierung, in der das Modell auf dem **vierten von sechs Plätzen** landet, hinter GPT 5.6 Sol und hinter Anthropics vorheriger Generation.

**Und der Gewinn des Modells selbst fällt geringer aus, als es scheint.** Bei den beiden öffentlichen Benchmarks wird Version 1.1 mit `mini-swe-agent` und 1.2 mit Muse Code bewertet: Die Differenz von 6,7 Punkten vermischt Modell- und Harness-Fortschritt. Beim internen Benchmark, dem einzigen Vergleich ohne angegebene Harness, sinkt sie auf 2,3 Punkte.

Die Ankündigung steht damit vor allem als **empirische Bestätigung** einer bereits formulierten These: Der Wert verschiebt sich in Richtung der Harness, und eine mit den eigenen Gewichten co-trainierte Harness macht diese Gewichte umso weniger austauschbar.

## GrapheDeConnaissance

- Meta AI Research —publie→ Muse Code (TECHNOLOGIE, 0.97)
- Meta AI Research —publie→ Muse Spark 1.2 (TECHNOLOGIE, 0.97)
- Muse Spark 1.2 —est_variante_de→ Muse Spark 1.1 (TECHNOLOGIE, 0.95)
- Muse Code —utilise→ Muse Spark 1.2 (TECHNOLOGIE, 0.96)
- Muse Spark 1.2 —est_basé_sur→ un co-entraînement avec le harnais Muse Code pour maximiser leur compatibilité (AFFIRMATION, 0.95)
- co-entraînement d'un modèle avec son harnais —réduit→ l'interchangeabilité des poids sous-jacents (AFFIRMATION, 0.85)
- journal d'événements local —permet→ de reprendre exactement où l'agent s'est arrêté après un plantage (AFFIRMATION, 0.95)
- agents d'arrière-plan persistants —s_oppose_à→ les sous-agents créés puis détruits pour chaque tâche (AFFIRMATION, 0.94)
- agents d'arrière-plan persistants —réduit→ la collecte d'information redondante et le besoin de pilotage (AFFIRMATION, 0.93)
- Muse Code —utilise→ une skill de mise à l'épreuve du plan avant implémentation (AFFIRMATION, 0.93)
- Muse Spark 1.1 —permet→ de générer les environnements et de noter les solutions ayant servi à entraîner Muse Spark 1.2 (AFFIRMATION, 0.9)
- Opus 5 —surpasse→ Muse Spark 1.2 (TECHNOLOGIE, 0.95)
- Muse Spark 1.2 —mesure→ 82,9 % sur Terminal-Bench 2.1 contre 86,7 % pour Opus 5 avec Claude Code (MESURE, 0.93)
- Muse Spark 1.2 —mesure→ 59,3 % sur DeepSWE 1.1 contre 65,0 % pour Opus 5 et 64,8 % pour GPT 5.6 Terra (MESURE, 0.93)
- Muse Spark 1.2 —mesure→ 70,6 % sur le benchmark interne de Meta contre 79,4 % pour Opus 5 (MESURE, 0.92)
- Muse Spark 1.2 —mesure→ une accélération de noyau KDA de +68,7 %, quatrième derrière Opus 5, GPT 5.6 Sol et Opus 4.8 (MESURE, 0.92)
- comparaison de paires modèle et harnais —s_oppose_à→ une comparaison de modèles isolés, les deux benchmarks publics évaluant chaque modèle avec le harnais de son laboratoire (AFFIRMATION, 0.9)
- gain entre versions —mesure→ 2,3 points sur le seul comparatif sans harnais indiqué, contre 6,7 points sur les comparatifs avec harnais (MESURE, 0.88)
- Muse Code —s_applique_à→ l'optimisation itérative de noyaux GPU sur plus de 1 000 appels d'outils et jusqu'à 24 heures (AFFIRMATION, 0.93)
- interdiction d'importer une bibliothèque de noyaux tierce —permet→ de tester la réimplémentation d'un algorithme plutôt que l'enveloppement d'une implémentation existante (AFFIRMATION, 0.92)
- Meta AI Research —affirme_que→ ce lancement est une étape vers la frontière, des modèles plus grands et plus capables étant à venir (CITATION, 0.95)
- benchmarks publiés uniquement en image —s_oppose_à→ la lisibilité des résultats par un agrégateur ou un agent lisant la page (AFFIRMATION, 0.88)

---
Canonical: https://www.thekb.eu/de/fiches/meta-muse-code-muse-spark-1-2-2026-08-05/