# Meta выпустила терминального coding-агента: платите в 12 раз меньше, если разрешите тренировать модель на своём коде
Каноническая страница: https://plainews.ru/posts/muse-code-muse-spark-12-guide
Опубликовано: 2026-08-06T07:01:09.038Z

Meta выпустила терминального coding-агента Muse Code на модели Muse Spark 1.2. Разбираем архитектуру, два model ID с разной ценой и как выбрать между приватностью и скидкой 92%.
5 августа Meta представила Muse Code — терминального coding-агента, работающего на новой модели Muse Spark 1.2. Главная фишка релиза не в самом агенте, а в схеме цен: одна и та же модель доступна под двумя ID, и разница между ними — почти порядок в стоимости токенов, в обмен на согласие отдать данные Meta.

Если вы выбираете модель для агентного кодинга и уже пробовали Claude Code, Cursor или Codex, разбор ниже поможет понять, чем Muse Code отличается и стоит ли переключаться.

## Почему это не просто ещё одна модель

Последние релизы крупных лабораторий сходятся в одном: главное конкурентное преимущество модели — не общий бенчмарк, а способность держать длинную цепочку агентных вызовов инструментов (long-sequence agentic tool calling) без потери контекста и без застревания в цикле. Meta пошла тем же путём и, что показательно, выпустила не просто модель, а собственного coding-агента вместе с ней — Muse Code.

Это значит, что Muse Spark 1.2 тренировали не изолированно, а в связке с конкретным харнессом (harness — программная обёртка, которая даёт модели доступ к файловой системе, терминалу и инструментам). По словам Meta, обучение включало rejection sampled harness trajectories — то есть модель училась на реальных траекториях работы агента, из которых отбирали только удачные попытки, а также оптимизацию под цели, компакцию контекста и субагентов.

## Что внутри Muse Code

Muse Code — терминальный агент с несколькими практическими особенностями:

- **Persistent background agents** — агент может продолжать работу в фоне, не блокируя терминал.
- **Repository-scale execution** — задачи ставятся на уровне всего репозитория, а не одного файла.
- **Built-in verification** — встроенная проверка изменений перед тем, как они считаются готовыми.
- **Parallel sub-agents** — несколько субагентов могут работать одновременно над разными частями задачи.
- **Worktree isolation** — каждый субагент работает в изолированном git worktree, чтобы не конфликтовать с остальными.
- **Crash-safe event log** — журнал событий, который переживает падение процесса, что важно для длинных фоновых задач.

Meta прямо говорит, что Muse Spark 1.2 обучали на long-horizon coding tasks: генерации целых репозиториев с нуля, больших end-to-end проектах и авто-исследовании (auto-research) — когда агент сам разбирается в незнакомой кодовой базе перед тем, как вносить изменения. Это отличает подход Meta от точечной генерации сниппетов — модель целится в задачи, которые растягиваются на десятки и сотни шагов.

## Два ID одной модели: как выбрать между ценой и приватностью

Самая практичная часть релиза — схема цен. Модель Muse Spark 1.2 доступна под двумя названиями:

``` muse-spark-1.2            $1.25 / млн входных токенов                            $4.25 / млн выходных токенов

muse-spark-1.2-contributor $0.10 / млн входных токенов                            $0.20 / млн выходных токенов ```

Разница — в согласии на использование ваших данных «для улучшения продуктов» Meta. Если вы даёте такое согласие, получаете muse-spark-1.2-contributor — цену почти в 20 раз ниже по входным токенам и в 21 раз ниже по выходным.

Для ориентира: обычная цена ($1.25/$4.25) близка к Gemini 3.6 Flash ($1.50/$7.50). Цена contributor-версии ($0.10/$0.20) ближе к GPT-5.6 Luna ($0.20/$1.20) и Gemini 3.1 Flash-Lite ($0.25/$1.50) — то есть Meta фактически предлагает вам купон на уровень бюджетных моделей за счёт данных.

Практическое правило: если вы работаете с проприетарным или клиентским кодом под NDA, contributor-режим не для вас — используйте обычный muse-spark-1.2 несмотря на цену. Для личных пет-проектов, открытого кода или прототипирования разница в цене может оправдать согласие на сбор данных, особенно при больших объёмах токенов на длинных агентных сессиях.

## Как быстро оценить качество перед тем, как переключаться

Прежде чем менять основной инструмент, есть простой неформальный тест, который использует независимый аналитик Саймон Уиллисон: попросить модель нарисовать SVG-иллюстрацию пеликана на велосипеде. Тест не про качество кода напрямую, но хорошо показывает, насколько модель понимает пространственные отношения и умеет доводить сложную генерацию до конца без деградации на длинной последовательности инструкций.

По сравнению с версией Muse Spark 1.1 от 9 июля результат 1.2 заметно, но не радикально лучше — Уиллисон описывает это как «небольшое, но материальное улучшение». Для реальной оценки стоит прогнать несколько ваших типовых задач:

```bash

# Пример структуры теста для агента

# 1. Дать задачу на весь репозиторий (не один файл)

# 2. Замерить, сколько шагов агент делает без вмешательства

# 3. Проверить, срабатывает ли built-in verification

# 4. Оценить качество работы parallel sub-agents на независимых модулях

```

Такой тест покажет, оправдывает ли Muse Code переход больше, чем разовый бенчмарк на leaderboard.

## Где ломается и на что смотреть внимательно

Muse Code вышел в статусе beta — это значит, что стабильность харнесса ещё не проверена месяцами продакшн-использования, в отличие от более зрелых конкурентов вроде Claude Code. Стоит закладывать время на баги в crash-safe event log и на неожиданное поведение parallel sub-agents при работе с большими монорепозиториями.

Второй момент — цена contributor-версии выглядит привлекательно, но условие «использование данных для улучшения продуктов» сформулировано широко. Прежде чем подключать эту версию к рабочим проектам, стоит уточнить точные формулировки политики использования данных Meta, а не полагаться на маркетинговое описание.

Третий момент — сравнение цен корректно только на момент публикации. Рынок инференса меняется быстро: буквально через месяц могут появиться новые модели с другим прайсингом, поэтому стоит сверяться с актуальными таблицами вроде llm-prices.com, куда добавили и цены Muse Spark 1.2.

## Что попробовать дальше

Если вы уже пользуетесь агентными coding-инструментами, имеет смысл прогнать Muse Code на одной некритичной задаче — например, генерации целого небольшого репозитория с нуля, где особенно заметны long-horizon возможности модели. Сравните время выполнения и число шагов без вмешательства с вашим текущим инструментом.

Отдельно стоит протестировать разницу между muse-spark-1.2 и muse-spark-1.2-contributor на одинаковых промптах — иногда более дешёвая версия работает идентично на несложных задачах, и тогда экономия оправдана даже с учётом сбора данных. Но для чувствительного кода правило простое: сначала приватность, потом цена.

## Источники

- Simon Willison: Introducing Muse Code and Muse Spark 1.2