Jedno API, każdy harness: ekosystemowa zagrywka Model API
Meta dostarczyła swój model kodujący wszędzie tam, gdzie deweloperzy już są — do SDK OpenAI, SDK Anthropica, agentowych CLI konkurencji, nawet na OpenRouter. Kompatybilność przede wszystkim — to jest właśnie strategia dystrybucji.
Trzy wartości i jesteś w środku
Podpięcie niemal dowolnego narzędzia do Muse Spark wymaga tych samych trzech wartości: bazowego URL-a https://api.meta.ai/v1, twojego MODEL_API_KEY i identyfikatora modelu w rodzaju muse-spark-1.2. Działa to dlatego, że API mówi formatami, na których ekosystem się ustandaryzował: chat completions i responses w stylu OpenAI, plus endpoint Messages w formacie Anthropica dla harnessów zbudowanych w ten sposób. Zostawiasz swoje SDK, zostawiasz swój kod, zmieniasz jeden URL.
Nawet harnessy konkurencji
Lista kompatybilności jest wymowna: OpenCode, LangChain, LlamaIndex, Vercel AI SDK, Continue — i Claude Code, własny agent Anthropica, który wpina się przez Messages API. Meta z przyjemnością poda tokeny wewnątrz harnessu rywala. Część agentów pomija konfigurację całkowicie: samokonfigurujące się CLI, takie jak OpenCode, Goose i Roo, przyjmują wklejony opis providera — bazowy URL, ID modelu, okno kontekstu, wspierane funkcje — i podpinają się same.
Strategiczny odczyt nie jest subtelny. Każde istniejące narzędzie do kodowania staje się kanałem dystrybucji tokenów Muse Spark, a pitch brzmi: zerowy koszt przejścia. Dystrybucja sięga też poza własne drzwi Mety: Muse Spark 1.2 jest dostępny również przez OpenRouter, wychodząc naprzeciw deweloperom, którzy agregują providerów tam, gdzie i tak robią zakupy.
Po co w takim razie istnieje Muse Code?
Skoro model odpali każdy harness, po co budować własny? Bo kompatybilność daje ci działanie, a nie dopasowanie. Muse Spark 1.2 był współtrenowany konkretnie z Muse Code — trening obejmował zestaw narzędzi harnessu, jego choreografię subagentów, przepisy na cele i kompakcję. Generyczny wrapper dostaje bardzo dobry model; Muse Code dostaje model, który zdążył już przećwiczyć dokładnie te zagrania, po które sięga jego runtime — trwałe agenty w tle, fan-out na worktree, log zdarzeń. Otwarte API to szeroki lejek; natywny agent to głęboka woda.
Pragmatyczna ścieżka adopcji
Dwuwarstwowa strategia sama podsuwa plan migracji. Dzień pierwszy: skieruj swój obecny setup — jakikolwiek jest — na Model API i oceń model na swojej prawdziwej pracy, nie ryzykując niczego. Jeśli model zapracuje na swoje miejsce, wypróbuj Muse Code tam, gdzie dopasowanie harnessu procentuje: zadania long-horizon, równoległe wieloczęściowe joby, praca, którą będziesz chciał później audytować. Cookbook pokrywa obie warstwy, a przewodnik po taryfach — to, ile kosztują tokeny, gdy już się zdecydujesz.