Meta Luncurkan Muse Code, Agen Coding Pertama untuk Saingi Claude Code dan Codex

Setelah gagal mengejar performa rival mereka di ranah model bahasa umum, Meta mencoba strategi yang berbeda untuk masuk ke salah satu medan pertempuran AI paling sengit saat ini: bukan mengandalkan kecanggihan semata, melainkan banderol harga yang jauh lebih murah.

Meta Platforms meluncurkan Muse Code, agen coding pertama mereka, dalam versi beta pada Rabu (5/8/2026), memposisikan alat ini sebagai alternatif berbiaya lebih rendah dibanding produk serupa dari Anthropic dan OpenAI. CEO Meta, Mark Zuckerberg, mengumumkan peluncuran ini lewat unggahan di media sosial, menyebut Muse Code mampu menangani "tugas rekayasa perangkat lunak lengkap di berbagai repositori besar."

Fokus pada Harga, Bukan Kemampuan Semata

Muse Code berjalan di atas Muse Spark 1.2, model baru berfokus coding yang dikembangkan bersamaan dengan agen tersebut. Instalasinya hanya membutuhkan satu perintah dan mendukung sistem operasi macOS serta Linux. Kepala AI Meta, Alexandr Wang, yang memimpin Meta Superintelligence Labs, secara terbuka mengakui strategi mereka lebih berfokus pada harga ketimbang kemampuan murni dibanding penawaran Anthropic dan OpenAI.

Developer bisa mengakses Muse Code lewat skema pay-as-you-go dengan tarif API yang serupa dengan versi Muse Spark 1.1 sebelumnya—1,25 dolar AS per juta token input dan 4,25 dolar AS per juta token output. Meta turut menawarkan tingkat "contributor" dengan diskon signifikan, yang menurut Wang lebih dari 10 kali lebih murah dibanding tarif pay-as-you-go standar—dengan syarat developer setuju data mereka digunakan untuk melatih model tersebut.

Bagian dari Upaya Besar Membangun Ulang Reputasi AI Meta

Peluncuran Muse Code menjadi rilis besar terbaru dari Wang, yang bergabung dengan Meta pada Juni tahun lalu sebagai bagian dari upaya Zuckerberg membangun ulang strategi AI perusahaan setelah model-model Llama gagal mendapatkan momentum yang diharapkan di kalangan developer. Sejak saat itu, Meta memperkenalkan sejumlah anggota keluarga model Muse, termasuk Muse Image, sembari merestrukturisasi operasi AI mereka di bawah payung Meta Superintelligence Labs.

Meski tidak memposisikan Muse Spark 1.2 sebagai sistem AI frontier paling canggih di industri, Meta tetap membandingkan performanya dengan model-model terdepan dari Anthropic, OpenAI, Google, dan xAI. Muse Code sendiri bekerja mirip Claude Code milik Anthropic dan Codex milik OpenAI—memudahkan pengguna membangun aplikasi dalam satu antarmuka sambil mengelola sejumlah agen AI yang membantu proses pengembangan software.

Arsitektur Sub-Agent Persisten, Bukan Sekadar Kloning Generik

Berbeda dari kebanyakan agen coding yang membuat instance baru untuk setiap sub-tugas, Muse Code mempertahankan agen latar belakang yang tetap aktif sepanjang sesi kerja—membawa konteks secara berkelanjutan dan menentukan sendiri kapan harus melapor kembali ke agen utama. Pendekatan ini memungkinkan Muse Code mengoordinasikan banyak sub-agen persisten sekaligus untuk satu tugas, yang menurut klaim Meta membuat penyelesaian masalah sulit menjadi lebih cepat, lebih akurat, dan membutuhkan lebih sedikit intervensi manusia.

Muse Code sepenuhnya berjalan di terminal tanpa aplikasi atau antarmuka grafis—berbeda dari Claude Code dan Codex yang menawarkan lebih banyak variasi antarmuka. Instalasinya hanya lewat satu perintah di macOS atau Linux, namun Windows sama sekali tidak didukung, kemungkinan menjadi kendala bagi sebagian besar developer di negara-negara yang mayoritas penggunanya mengandalkan Windows sebagai sistem operasi utama.

Skor Benchmark: Unggul di Sebagian, Tertinggal di Sebagian Lain

Meta merilis perbandingan benchmark resmi mereka sendiri saat peluncuran. Pada Terminal-Bench 2.1, kombinasi Muse Spark 1.2 dengan Muse Code mencetak skor 82,9 persen—tertinggal dari Claude Code yang berjalan di atas Opus 5 (86,7 persen), namun mengungguli Codex yang berjalan di atas GPT-5.6 Terra (81,8 persen) dan Grok Build (81,6 persen). Pada DeepSWE 1.1, benchmark yang secara spesifik mengukur kemampuan agentic coding, jaraknya menyempit: 59,3 persen untuk Muse berbanding 65,0 persen untuk Opus 5 dan 64,8 persen untuk Codex. Pada benchmark internal Meta sendiri, Muse mencapai puncak 70,6 persen dibanding 79,4 persen milik Opus 5.

Menariknya, kurva peningkatan performa seiring waktu justru sedikit membalikkan urutan ini. Dalam pengujian lebih dari seribu pemanggilan tool berturut-turut, Opus 5 menunjukkan peningkatan paling signifikan dibanding performa dasarnya (sekitar 74-75 persen), sementara Muse Spark 1.2 berada di posisi menengah, berkisar 61-69 persen tergantung pengujian. Meta menekankan bahwa agen mereka terus membaik seiring akumulasi pemanggilan tool—perilaku yang diharapkan dari agen coding untuk tugas jangka panjang. Demonstrasi paling mencolok datang dari skenario semacam ini: Meta mengklaim Muse Code mampu "secara iteratif mengoptimalkan kernel GPU lewat lebih dari seribu pemanggilan tool, hingga 24 jam berturut-turut, di GPU Nvidia Hopper."

Skema Harga Lengkap: Tiga Tingkatan dengan Trade-off Berbeda

Struktur harga Muse Code terbagi menjadi beberapa tingkatan. Tier standar mematok 1,25 dolar AS per juta token input dan 4,25 dolar AS per juta token output. Tier "Contributor" menawarkan harga jauh lebih murah—0,10 dolar AS input dan 0,20 dolar AS output per juta token, sekitar 21 kali lebih murah dari tier standar, dan sekitar 50 kali lebih murah dibanding Claude Sonnet 5 untuk token output. Namun ada syarat mengikat: tier Contributor secara eksplisit menggunakan prompt, kode, dan hasil kerja penggunanya untuk melatih model masa depan Meta.

Bagi perusahaan yang menangani kode proprietary, rahasia dagang, atau apa pun yang terikat NDA, tier Contributor otomatis tidak bisa dipakai. Sebagai alternatif, Meta mulai menerima permintaan zero-data retention—opsi yang menurut Wang menjadi "fitur enterprise besar yang penting bagi banyak pihak." Opsi semacam ini lazim ditemukan dalam kesepakatan enterprise dengan OpenAI dan Anthropic, dan memberi Muse Code jalur yang kredibel masuk ke lingkungan korporat di mana kepatuhan penanganan data menjadi syarat pengadaan.

Proses Pelatihan yang Saling Terkait

Detail menarik lain terkait cara Muse Spark 1.2 dilatih: Muse Spark 1.1, model generasi sebelumnya, digunakan untuk menghasilkan environment coding dan template instruksi bagi 1.2, lalu turut menilai kandidat solusi yang dihasilkan—menciptakan data pelatihan dari prosesnya sendiri. Meta turut melatih model ini secara langsung berdampingan dengan harness Muse Code, pendekatan co-training yang berbeda dari cara model pesaing dibangun—Claude Code dan Codex sama-sama berjalan di atas model foundation serbaguna yang diadaptasi untuk tugas coding, bukan dilatih bersamaan dengan agen sejak awal.

Muse Spark 1.2 turut akan tersedia lewat OpenRouter, platform agregator API multi-model yang sudah menghadirkan model dari berbagai lab termasuk DeepSeek dan Z.ai—memudahkan tim yang sudah memakai agregator untuk membandingkan langsung Muse Code dengan agen berbasis Claude maupun GPT tanpa proses pengadaan terpisah.

Meta Mengakui Keterlambatan, tapi Yakin dengan Keunggulan Ketahanan

Meta secara terbuka mengakui mereka datang terlambat ke pertarungan ini. Codex milik OpenAI sudah menjalankan agen cloud paralel, DeepSeek sudah membangun pesaing mereka sendiri untuk Claude Code, dan tools agentic seperti Hermes atau OpenClaw sudah menawarkan kemampuan yang setara atau bahkan lebih unggul di sejumlah kasus penggunaan tertentu. Keunggulan Muse Code, menurut Meta sendiri, terletak pada arsitektur runtime yang tahan terhadap crash dan desain sub-agen mereka—bukan pada supremasi murni di atas kertas benchmark.

Risiko dari pendekatan otonomi tinggi semacam ini pun cukup nyata: agen yang bisa memulai ulang sendiri usai crash dan terus menjalankan tool selama 24 jam berturut-turut tetap berpotensi kuat, namun juga sulit diprediksi sepenuhnya. Meski demikian, langkah ini menandai upaya konkret Meta menghasilkan pendapatan dari AI di luar bisnis inti periklanan mereka, setelah sebelumnya masuk ke ranah AI enterprise lewat Meta Business Agent—alat layanan pelanggan dan penjualan berbasis AI untuk bisnis di WhatsApp, Instagram, dan Messenger—yang diluncurkan Juni lalu.