Meta lancia Muse Code, agente AI per programmazione in competizione con Anthropic e OpenAI

Meta ha lanciato la beta di Muse Code, un nuovo agente AI da terminale pensato per la programmazione, entrando direttamente nel mercato già dominato da Anthropic e OpenAI. L’annuncio, avvenuto il 6 agosto 2026, segna un ulteriore passo nella strategia della società per espandere la sua presenza nel settore dell’intelligenza artificiale applicata al software. L’obiettivo principale di Meta è competere sul prezzo rispetto alle offerte di Anthropic e OpenAI, un settore in cui la concorrenza è intensa e i margini sono spesso ridotti.

Un modello di prezzo competitivo

Meta ha scelto di differenziarsi non solo per le capacità tecniche, ma soprattutto per il prezzo. Gli sviluppatori possono accedere a Muse Code tramite un’opzione a consumo, con un pricing API paragonabile a quello di Muse Spark 1.1: 1,25 dollari per milione di token in input e 4,25 dollari per milione di token in output. Inoltre, è disponibile un livello “contributor” più economico, definito da Wang oltre dieci volte più conveniente della tariffa a consumo standard, che richiede però di accettare che Meta utilizzi i dati per migliorare il modello.

Funzionalità avanzate e subagenti persistenti

Una delle caratteristiche distintive di Muse Code riguarda i subagenti persistenti, che restano attivi durante tutta la sessione di coding, invece di essere generati e distrutti a ogni singola richiesta. Questi subagenti possono raccogliere informazioni, eseguire passaggi aggiuntivi e decidere autonomamente quando comunicare i risultati all’agente principale. Meta sostiene che questa architettura riduca la raccolta ripetuta di informazioni e abbassi la latenza nei compiti complessi articolati su più fasi.

La strategia di Meta si basa su un modello di prezzo competitivo e su funzionalità avanzate per attrarre sviluppatori e aziende.

A completare il sistema c’è un registro locale degli eventi: Muse Code annota ogni richiesta al modello, ogni esecuzione di strumenti, ogni approvazione e ogni modifica al codice. Questo permette al runtime di ricostruire una sessione esattamente com’era e riprenderla dallo stesso punto dopo un crash o un’interruzione, senza perdere il lavoro già svolto. L’agente integra anche alcune funzioni pensate per guidare l’utente, come il comando /plan che trasforma un’attività in un piano che richiede l’approvazione dell’utente.

Test e performance su GPU

Meta ha condotto un test in cui Muse Spark 1.2, tramite Muse Code, ha lavorato all’ottimizzazione GPU kernel per le GPU Nvidia Hopper, effettuando più di 1.000 chiamate a strumenti in sessioni durate fino a 24 ore consecutive. Durante questo processo l’agente ha scritto, compilato, profilato e migliorato ripetutamente il codice, ottenendo, secondo quanto dichiarato dall’azienda, guadagni di performance sostanziali rispetto alle implementazioni di base fornite come punto di partenza.

Il test ha dimostrato che Muse Code è in grado di gestire compiti complessi e prolungati con un elevato livello di efficienza.

Il modello si affida alla pianificazione per organizzare il lavoro e a tecniche di compattazione del contesto per mantenere le informazioni rilevanti durante sessioni prolungate. Meta ha inoltre usato Muse Spark 1.1 per generare ambienti di coding complessi e template di istruzioni, con il modello precedente incaricato di valutare le soluzioni candidate e produrre nuovi dati di addestramento per la versione successiva. La mossa arriva in un momento delicato per Meta, che deve dimostrare agli investitori di saper trasformare gli ingenti investimenti in infrastrutture AI in ricavi concreti. Puntare sul prezzo piuttosto che su capacità distintive segnala una strategia di penetrazione più che di differenziazione tecnica, in un settore dove Anthropic e OpenAI hanno già consolidato basi di utenti fedeli tra gli sviluppatori professionisti.