Mulai cepat

Jalankan Muse Code dalam hitungan menit.

Muse Code kini tersedia secara umum untuk macOS dan Linux, dan berjalan di Windows lewat WSL2. Ia sanggup menangani tugas rekayasa perangkat lunak yang kompleks di repositori besar — merencanakan perubahan, menulis kode, dan memvalidasi hasilnya — sepenuhnya dari terminalmu.

1. Instalasi

Satu perintah untuk memasang CLI:

$curl -fsSL https://dev.meta.ai/install.sh | bash

Skrip ini menempatkan binary muse ke PATH-mu — verifikasi dengan muse --version. Mau memeriksa skripnya dulu? Unduh dengan -o install.sh, audit isinya, lalu jalankan.

Windows (lewat WSL2)

Tidak ada build Windows native — installer-nya mendukung macOS dan Linux. Di Windows 10 atau 11, jalankan wsl --install di PowerShell sebagai administrator untuk menyiapkan WSL2 dengan Ubuntu, buka shell Linux, lalu jalankan installer satu baris yang sama di sana. Simpan repositorimu di filesystem Linux (misalnya ~/code), bukan di bawah /mnt/c: akses file yang melintasi batas kedua sistem jauh lebih lambat.

2. Autentikasi

Saat pertama kali dijalankan, browser akan terbuka untuk autentikasi di dev.meta.ai dengan akun developer Meta-mu. Kredensial di-cache secara lokal — tidak perlu autentikasi ulang tiap sesi. Pemakaian ditagihkan ke paket bulananmu atau, jika memakai pay-as-you-go, lewat Meta Model API.

Eksekusi non-interaktif. Untuk CI, skrip, dan mesin headless, pakai API key sebagai ganti alur browser: buat di dasbor Model API (API keys → Create API key) dan setel sebagai MODEL_API_KEY.

3. Jalankan tugas pertamamu

Begitu autentikasi beres, kamu bebas memulai di direktori proyek mana pun:

$ cd my-repo$ muse

Jelaskan hasil yang kamu inginkan dengan bahasa sehari-hari. Tugas pertama yang bagus itu kecil dan mudah diverifikasi — "tambahkan test yang hilang untuk parseDate dan pastikan lulus" — kamu akan melihat seorang worker menyusun draf perubahan, seorang reviewer mengkritiknya, dan test-nya benar-benar berjalan.

Ada dua tuas biaya yang patut kamu tahu sejak hari pertama: Muse Spark adalah model reasoning — ia berpikir dulu sebelum menjawab, dan token berpikir itu ditagih sebagai output — jadi /effort bisa menaikkan atau menurunkan porsi berpikir per tugas. Selain itu, gaya bahasa, format, dan aturan tetap lainnya bisa kamu taruh di system message supaya tidak perlu diulang di setiap prompt.

Agent latar belakang asinkron

Muse Code bekerja dengan satu loop agent sederhana plus sekumpulan agent latar belakang asinkron yang memperkuat kemampuan agent utama. Agent-agent spesialis ini tetap aktif sepanjang sesi, bukan dibuat ulang untuk tiap tugas, sehingga pengumpulan informasi tidak berulang-ulang. Mereka menjalankan langkah berikutnya secara mandiri dan menentukan sendiri kapan melapor ke agent utama — sifat menetap ini memangkas latensi dan mengurangi kebutuhan mengarahkan pada tugas sulit yang bertahap banyak.

Fan-out agent & git worktree

Saat sebuah pekerjaan terpecah menjadi beberapa tugas, semuanya otomatis di-fan-out ke agent terpisah: agent induk membuat satu agent anak dengan akses tulis untuk tiap tugas, dan setiap anak mendapat git worktree miliknya sendiri — agent anak yang berjalan paralel tak pernah bertabrakan di file yang sama, dan salinan kerjamu tetap bersih.

Workflows

Ditambahkan saat Muse Code keluar dari beta, Workflows mengorkestrasi tim agent spesialis untuk pekerjaan yang lebih besar: setiap tahap menyerahkan hasil antaranya ke tahap berikutnya, dan di akhir kamu mendapat satu hasil. Mulai dengan meminta Muse Code untuk "pakai workflow"; menyetel effort ke ultra juga bisa memicunya secara otomatis. /workflows menampilkan setiap run secara langsung — hentikan, mulai ulang, atau batalkan dari sana — dan workflow yang disimpan bisa dipakai ulang.

Pesan antarsesi

Sesi yang berjalan di mesin yang sama bisa saling berkirim pesan lewat Unix socket lokal. Saat perubahan di satu sesi memengaruhi apa yang sedang dibangun sesi lain, ia meneruskan peringatan; saat satu sesi menuntaskan pertanyaan yang membuat sesi lain buntu, ia mengirimkan jawabannya — tak perlu mengetik ulang antarterminal. Agent menemukan sesi-sesi lain dan mengirim pesan lewat dua tool bawaan.

Event log & putar balik

Muse Code memakai event log lokal tempat setiap panggilan model, eksekusi tool, persetujuan, dan penyuntingan ditambahkan. Sumber kebenaran tunggal ini membuat runtime bisa di-replay secara persis dan aman di-restart: setelah crash, agent melanjutkan tepat dari titik ia berhenti, sehingga sanggup mengerjakan tugas panjang tanpa terjegal kegagalan. Setiap pembuatan, pengarahan, dan pembatalan subagent bisa diamati — muse replay menelusuri sebuah sesi langkah demi langkah, dan trace lengkapnya bisa diekspor untuk serah terima atau audit. Tekan Esc dua kali untuk memutar balik percakapan ke titik sebelumnya; Muse Code hanya menawarkan titik putar balik yang ditandai aman oleh event log.

Skill & perintah bawaan

Muse Code hadir dengan beberapa skill bawaan — masukkan ide kasar, dapatkan fitur yang sudah diuji habis-habisan dan terverifikasi:

/planMengubah tugas menjadi rencana yang butuh persetujuan sebelum kode disentuh

/grillMenguji rencana itu habis-habisan sampai benar-benar kokoh

/goalTerus bekerja sampai tujuan yang ditetapkan tercapai — yang awalnya kamu minta itulah yang di-merge

/workflowsMenampilkan run workflow secara langsung — hentikan, mulai ulang, atau batalkan yang mana saja

/modelMengganti model di baliknya — misalnya ke muse-spark-1.3 dengan harga standar Model API

/effortMenaikkan atau menurunkan porsi reasoning — token berpikir ditagih sebagai output, jadi simpan reasoning dalam untuk tugas berat

Esc EscMemutar balik percakapan ke titik aman dari event log

muse replayMenelusuri event log sebuah sesi langkah demi langkah; trace lengkap bisa diekspor untuk serah terima atau audit

Muse Spark 1.3

Muse Spark 1.3, dirilis 2 September 2026, adalah model di balik Muse Code. Ia mempertahankan resep pelatihan yang membuat 1.2 menonjol — pelatihan bersama harness Muse Code, pengerjaan jangka panjang secara ekstensif, dan loop perbaikan diri — sambil berfokus pada kegunaan di dunia nyata. Harganya tidak berubah dari 1.2. Tiga hal yang menonjol:

Thread lebih panjang

Mampu mempertahankan pekerjaan jangka lebih panjang di beberapa workflow dalam satu thread, sambil membawa konteks dari satu tahap ke tahap berikutnya.

Bertanya, bukan menebak

Berkolaborasi lebih aktif: ia mengajukan pertanyaan klarifikasi, memberi tahu saat buntu, dan lebih akurat menilai batas kemampuannya sendiri alih-alih melaporkan hasil yang tidak dicapainya.

Run lebih hemat

Dalam perbandingan para engineer Meta, ia menyelesaikan pekerjaan coding yang sama dengan sekitar 20% lebih sedikit panggilan tool dan 25% lebih sedikit token dibanding 1.2 — dengan harga per token yang sama, tagihannya jadi lebih kecil.

Benchmark (konfigurasi reasoning maksimum, menurut Meta): DeepSWE 1.1 · 75,4% — Terminal-Bench 2.1 · 88,8% — SWEAtlas CodeBase QnA · 59,4%. Saat peluncuran, konfigurasi maksimum masih dalam uji keamanan; konfigurasi yang didapat sebagian besar developer skornya lebih rendah. Metodologi di research.meta.ai.

Studi kasus: optimasi kernel

Meta menguji kemampuan Muse Spark 1.2 mengoptimalkan kernel GPU secara iteratif sepanjang 1.000+ panggilan tool — hingga 24 jam. Di dalam lingkungan agentik Muse Code, model menulis, mengompilasi, memprofil, dan terus mendongkrak performa kernel terhadap sebuah baseline, diukur pada kernel KDA dan MLA untuk GPU NVIDIA Hopper. Karena dilarang membungkus pustaka kernel pihak ketiga, ia mengimplementasikan algoritmanya langsung di Triton — dan terus menemukan peningkatan besar di atas baseline.

Meta Model API

Model yang menggerakkan Muse Code juga tersedia secara langsung — Muse Spark 1.3 hadir di Muse Code, Meta Model API, OpenRouter, dan Cursor. API-nya kompatibel drop-in dengan OpenAI SDK, Anthropic SDK, dan CLI agent seperti OpenCode serta Claude Code: arahkan klienmu ke base URL yang baru dan biarkan sisa kodenya apa adanya. Jendela konteksnya 1.048.576 token.

# export MODEL_API_KEY="LLM|{numeric_id}|{secret}"client = OpenAI( base_url="https://api.meta.ai/v1", api_key=os.environ["MODEL_API_KEY"], ) response = client.chat.completions.create( model="muse-spark-1.3", messages=[{"role": "user", "content": "Hello, world!"}], )

SDK Muse Code

Tersedia sebagai developer preview sejak Muse Code keluar dari beta, SDK ini memungkinkan tim membangun agent sendiri di atas Muse Session Protocol (MSP) — protokol terbuka lewat standard I/O tanpa server dan tanpa jaringan, jadi semuanya tetap di mesinmu. Library TypeScript-nya mencakup sesi, tool, dan kontrol izin, dan skema MSP yang bisa dibaca mesin memungkinkanmu membuat klien dalam bahasa lain. Kode sumber: github.com/meta-models/muse-code-sdk.

Cookbook

Resep yang langsung jalan begitu kamu salin — masing-masing menyelesaikan satu masalah spesifik, menunjukkan kode yang berfungsi, dan menunjuk langkah berikutnya. Tiga bagian besar, plus resep untuk pola-pola inti Muse Code.Jelajahi semua 28 resep →

Dasar-dasar API · 10 resep

Buktikan tiap primitif bekerja: chat completions, streaming, pemanggilan tool, output terstruktur, prompt caching, token reasoning, input visual, konteks panjang, penanganan error, dan search grounding dengan sitasi inline.

Pola agent · 5 resep

Loop yang mengubah model menjadi agent: loop amati-putuskan-bertindak, reasoning yang berselang-seling dengan pemakaian tool, pengelolaan konteks multi-giliran, dan penyuntingan di tempat yang tervalidasi.

Kasus penggunaan · 13 resep

Ujung-ke-ujung: desain web dan pengembangan game yang diverifikasi lewat browser, studio produk multi-agent empat peran yang berkoordinasi lewat papan Kanban bersama, bot GitHub Actions otonom di OpenCode, computer use di Linux dan macOS, dan banyak lagi.

Resep Muse Code

Fan-out agent — pecah satu pekerjaan besar ke subagent di worktree yang terisolasi; skill bawaan — ide kasar masuk, fitur teruji dan terverifikasi keluar; pelacakan goal — jaga agent tetap fokus sampai yang kamu inginkan benar-benar di-merge.