Muse Code: a Meta bateu o Codex no Terminal-Bench — e cobra US$ 0,30 pra ler seu repositório

O Muse Code da Meta entrou na briga de agente de terminal. E entrou pelo preço.

No dia 5 de agosto de 2026, o Meta Superintelligence Labs soltou o Muse Code em beta: o agente de terminal da Meta rodando o modelo Muse Spark 1.2, feito pra atacar exatamente o território do Claude Code e do Codex. Instala com um curl, roda em macOS e Linux, e não tem GUI nem extensão de IDE. É terminal puro.

O número que rodou o Twitter foi o Terminal-Bench: 82,9%. Acima do GPT-5.6 Terra. E o preço do tier "contributor" — US$ 0,10 por milhão de tokens de entrada e US$ 0,20 de saída — que deixa o Muse Spark 1.2 até 20x mais barato que a concorrência.

Só que essas duas frases escondem coisa. Vamos abrir as duas.

TL;DR

• O que é: Muse Code, agente de terminal da Meta em beta, rodando o modelo proprietário Muse Spark 1.2.
• Stack/Modelos: Muse Spark 1.2 (closed-weight), 1 milhão de tokens de contexto, sub-agentes em git worktrees isolados, event log append-only.
• Custo/Acesso: Tier padrão US$ 1,25/M entrada e US$ 4,25/M saída. Tier contributor US$ 0,10/M entrada e US$ 0,20/M saída — com a Meta treinando modelo em cima do seu código.
• O benchmark: 82,9% no Terminal-Bench 2.1. Ganhou do GPT-5.6 Terra (81,8%). Perdeu do Claude Opus 5 (86,7%) nos três benchmarks que a própria Meta escolheu mostrar.
• Link útil: dev.meta.ai

O contexto: por que a Meta precisava do Muse Code

Até essa semana, a disputa de agente de terminal era Anthropic contra OpenAI. Claude Code de um lado, Codex do outro. A Meta estava fora — e não por falta de dinheiro.

O Muse Code é a primeira tentativa séria de mudar isso, e vem com uma mudança de postura que merece atenção: o Muse Spark é closed-weight. Não tem peso no Hugging Face, não tem licença permissiva, não tem "abra e rode local". Depois de anos construindo reputação em cima do Llama aberto, a Meta lançou o modelo de código dela fechado. O Zuckerberg deixou a porta aberta pra abrir depois, mas hoje não é aberto.

A escolha faz sentido quando você olha o produto. O Muse Code não é um chat que cospe função. Ele foi desenhado pro tipo de tarefa que quebra a maioria das ferramentas: repositório grande, mudança em vários arquivos, trabalho que leva horas em vez de segundos. A Meta mostrou um caso de otimização de kernel em GPU Hopper da NVIDIA com mais de mil chamadas de ferramenta ao longo de até 24 horas.

Esse é o ponto que interessa pra quem constrói: a briga saiu de "qual modelo escreve a função mais bonita" e virou "qual harness aguenta rodar 24 horas sem se perder". É problema de engenharia, não de modelo.

E aí mora a parte chata. Toda semana aparece um agente novo prometendo substituir o anterior, e testar cada um em repositório de verdade é o trabalho que ninguém tem tempo de fazer sozinho — é exatamente o que a gente faz junto, ao vivo, toda semana no Clã Beer and Code. É pago, é assinatura, e é o ambiente que este post descreve.

O benchmark do Muse Code: a Meta bateu o Codex, mas qual Codex?

Aqui a manchete precisa de cirurgia.

O gráfico que a Meta apresentou no lançamento tem estes números no Terminal-Bench 2.1 (89 tarefas, pass@1 sobre cinco tentativas):

Sim, o Muse Spark 1.2 ficou acima de um modelo da OpenAI. Ficou 1,1 ponto acima do GPT-5.6 Terra.

O problema: o Codex não roda o Terra. Desde que o GPT-5.6 ficou disponível de forma geral, em 9 de julho de 2026, o Codex tem como padrão o GPT-5.6 Sol — que no leaderboard independente da Artificial Analysis marca 89,5% no mesmo Terminal-Bench v2.1, o topo da tabela. O Claude Opus 5 em esforço máximo aparece logo atrás, com 89,1%.

Ou seja: a Meta escolheu comparar com o modelo do meio da linha da OpenAI, não com o que o produto concorrente realmente usa. O The Register notou a mesma coisa e descreveu o gráfico do Zuckerberg como "vago", com pontuações apertadas onde o Muse Spark aparece competitivo mas nunca em primeiro.

E não para no Terminal-Bench. Nos outros dois benchmarks do próprio anúncio:

Leia de novo a segunda linha. No benchmark interno da Meta — 440 tarefas tiradas de pull requests reais, construído pela Meta, escolhido pela Meta pra entrar no slide — o Claude Opus 5 ganhou por quase 9 pontos.

Isso é honestidade ou é falta de opção? Provavelmente as duas. Mas é um dado que a maioria das manchetes não carregou.

Vale registrar também a divergência entre as medições: a Meta coloca o Opus 5 em 86,7% no Terminal-Bench, a Artificial Analysis coloca em 89,1%. Configuração de esforço, harness, número de tentativas — tudo isso muda o número. É o mesmo padrão que a gente já viu no DeepSeek V4 Flash 0731, que marcou 82,7 no gráfico do vendor e 79% na medição independente. Benchmark de vendor é material de marketing com metodologia anexa. Trate como tal.

O que sobra de verdade: o Muse Spark 1.2 subiu 6,7 pontos sobre o 1.1 (que marcava 76,2%) no Terminal-Bench e 6,3 no DeepSWE. Esse salto entre versões é real e é rápido. A Meta chegou atrasada, mas não chegou perdida.

A arquitetura: onde o Muse Code é genuinamente diferente

Se o modelo é o segundo ou terceiro melhor, por que olhar? Porque o harness tem decisões de engenharia que valem estudo mesmo que você nunca instale a ferramenta.

Sub-agentes em worktrees isolados. Quando a tarefa é grande, o Muse Code abre sub-agentes em git worktrees separados. Nas palavras do Zuckerberg: "When a job is big enough, it fans out to separate sub-agents working in parallel in isolated worktrees." Na demonstração, seis features de um jogo construídas ao mesmo tempo, sem colisão e sem tocar na sua working copy. Quem já tentou rodar dois agentes no mesmo checkout sabe exatamente que dor isso resolve.

Background agents persistentes. Em vez de nascer e morrer por tarefa, os sub-agentes ficam vivos durante a sessão inteira. Isso muda o custo de coordenação: o agente não reconstrói contexto do zero a cada delegação.

Event log append-only. Essa é a melhor parte. O Muse Code grava localmente um log append-only de tudo: chamada de modelo, execução de ferramenta, aprovação, edição. O runtime é descrito como replay-exact e restart-safe — se o processo morrer no meio de uma tarefa de 24 horas, ele retoma de onde parou em vez de recomeçar.

Isso não é firula. É a diferença entre um agente de demo e um agente que você deixa rodando de verdade. Se você constrói agente próprio e ainda não tem event log, esse é o item pra copiar do Muse Code — independente de qual modelo você usa por baixo. Já falamos aqui sobre agentes que deixam estado entre execuções; o event log é a versão disciplinada disso.

Além disso, o Muse Code vem com skills padrão — /plan, /grill e /goal — no mesmo espírito de slash command que o Claude Code popularizou.

US$ 0,30 por milhão: o que você está pagando de verdade

Agora o preço, que é a real arma do lançamento.

Tier padrão
  entrada:          US$ 1,25 / 1M tokens
  entrada cacheada: US$ 0,15 / 1M tokens
  saída:            US$ 4,25 / 1M tokens

Tier contributor
  entrada:          US$ 0,10 / 1M tokens
  entrada cacheada: US$ 0,002 / 1M tokens
  saída:            US$ 0,20 / 1M tokens

Some entrada e saída do contributor e você chega nos famosos US$ 0,30 por milhão de tokens. É 12,5x mais barato na entrada e 21x mais barato na saída que o tier padrão. Na entrada cacheada a diferença é de 75x.

O Alexandr Wang, chefe de IA da Meta, vendeu exatamente isso: a ferramenta "pode ser uma opção incrivelmente boa, especialmente do ponto de vista de custo".

E o que a Meta pede em troca? Que ela possa usar seus prompts e completions pra treinar os modelos dela.

Pausa aqui, porque isso merece mais do que um encolher de ombros.

Um agente de terminal não lê "prompts". Ele lê repositório. Pra funcionar, o Muse Code precisa carregar seu código-fonte, sua estrutura de pastas, seus schemas de banco, suas regras de negócio, seus comentários internos, suas mensagens de commit — e, se você for descuidado, seus .env e suas chaves. Com 1 milhão de tokens de contexto, cabe muita coisa.

Então o cálculo do tier contributor não é "quanto eu economizo por mês". É "quanto vale a propriedade intelectual do meu código como material de treino". E essa conta não é do time financeiro. É do time de segurança, do jurídico e — se você presta serviço — do seu cliente, que provavelmente tem cláusula de confidencialidade dizendo algo sobre isso.

Pra projeto pessoal, código open-source ou protótipo descartável? US$ 0,30 por milhão é um preço absurdamente bom e eu rodaria sem pensar duas vezes. Pra o monólito da empresa que paga seu salário? Você não tem autoridade pra aceitar esses termos sozinho.

O desconto não é generosidade. É o valor que a Meta atribui ao dado — e ela provavelmente está pagando barato.

Limitações e pontos de atenção

Beta, e beta de verdade. Só macOS e Linux. Sem Windows, sem GUI, sem integração com IDE. Se seu fluxo depende de VS Code ou JetBrains, não existe caminho hoje.

Modelo fechado. Sem pesos, sem rodar local, sem auditar. Você depende da API da Meta e do uptime dela. Quem escolheu Llama justamente pela abertura não ganha nada aqui.

Instalação por curl | bash. O comando divulgado é curl -fsSL https://dev.meta.ai/install.sh | bash. Funciona, mas é um script remoto com execução direta no seu shell. Baixe, leia, depois rode. Vale pra qualquer instalador, não só o da Meta.

Preço do contributor ainda é reportado de segunda mão. Os valores circularam via comentário público e cobertura de imprensa; a página oficial de pricing é a fonte que vale pra decisão de compra. Confira em dev.meta.ai antes de fechar orçamento.

Demonstração é demonstração. As mil chamadas de ferramenta em 24 horas otimizando kernel são número do fornecedor, em hardware do fornecedor, em tarefa escolhida pelo fornecedor. Não é validação independente.

FAQ rápido

O Muse Code substitui o Claude Code ou o Codex hoje? Pelos números, não. O Muse Spark 1.2 perde pro Claude Opus 5 nos três benchmarks do próprio anúncio da Meta, e o Codex roda o GPT-5.6 Sol, que lidera o Terminal-Bench independente. O argumento do Muse Code hoje é custo e arquitetura de longa duração, não capacidade bruta.

Posso usar o tier contributor em código de cliente? Assuma que não até que alguém com autoridade contratual diga que sim. O tier troca desconto por permissão de treinar modelos com o que você enviar, e um agente de terminal envia repositório inteiro. Contrato com cláusula de confidencialidade normalmente proíbe isso.

Roda local ou offline? Não. O Muse Spark é closed-weight e servido por API. Sem pesos públicos, não existe execução local.

Muse Code vs Claude Code: qual escolher pra repositório grande? Se o critério é qualidade de saída, Claude Code — o Opus 5 ganha nos três benchmarks. Se o critério é custo de tarefa longa em código que você pode compartilhar, o Muse Code fica competitivo. E o desempate raramente é o modelo: é o harness que você monta em volta dele.

Vale a pena testar mesmo assim? Vale — em repositório que você não se importa em compartilhar, no tier padrão se o código for sensível. O que vale mais é estudar o desenho: worktrees isolados por sub-agente e event log append-only são padrões que você pode implementar no seu próprio harness hoje.

O que fica

A Meta não bateu o estado da arte. Ela bateu o GPT-5.6 Terra por 1,1 ponto, perdeu pro Opus 5 em tudo — inclusive no benchmark que ela mesma construiu — e escolheu não comparar com o modelo que o Codex realmente usa. Manchete de "a Meta ganhou" não sobrevive a cinco minutos lendo o gráfico.

Mas duas coisas são reais e importam. O salto de 6,7 pontos entre Muse Spark 1.1 e 1.2 mostra velocidade de iteração. E o tier de US$ 0,30 por milhão coloca uma pressão de preço que Anthropic e OpenAI vão ter que responder de alguma forma.

O próximo movimento previsível é a guerra de preço descer pro tier pago sem troca de dados. Enquanto isso não acontece, o custo real do Muse Code barato continua sendo pago na moeda que a Meta quer: o seu código.

Lê o gráfico antes de trocar de ferramenta. E lê os termos antes de trocar de tier.