Szybki start

Uruchom Muse Code w kilka minut.

Muse Code jest ogólnie dostępny dla macOS, Linuksa i Windowsa. Bierze na siebie złożone zadania inżynierii oprogramowania w dużych repozytoriach — planuje zmiany, pisze kod i weryfikuje wyniki — w całości z poziomu twojego terminala.

1. Instalacja

Jedno polecenie instaluje CLI:

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

Skrypt umieszcza binarkę muse w twoim PATH — sprawdź poleceniem muse --version. Wolisz najpierw przejrzeć skrypt? Pobierz go z flagą -o install.sh, przeaudytuj i dopiero wtedy uruchom.

Windows

Windows ma własny, natywny instalator: uruchom w PowerShellu irm https://dev.meta.ai/install.ps1 | iex, a potem sprawdź instalację poleceniem muse --version. Na Windowsie agent wykonuje polecenia w PowerShellu zamiast w Bashu, piaskownica przy pierwszym uruchomieniu może wyświetlić monit UAC, a wprowadzanie głosowe i komunikacja między sesjami są niedostępne. Jeśli ich potrzebujesz albo chcesz korzystać z narzędzi Basha, użyj WSL2: uruchom wsl --install w PowerShellu z uprawnieniami administratora, a następnie uruchom instalator dla macOS/Linuksa w powłoce Linuksa. Takie repozytoria trzymaj w systemie plików Linuksa (na przykład w ~/code), a nie pod /mnt/c, bo dostęp do plików przez granicę obu systemów jest dużo wolniejszy.

2. Uwierzytelnianie

Przy pierwszym uruchomieniu otworzy się przeglądarka, żebyś uwierzytelnił się na dev.meta.ai kontem dewelopera Meta. Poświadczenia zapisują się lokalnie w pamięci podręcznej — nie musisz logować się ponownie w każdej sesji. Użycie jest rozliczane w ramach twojego planu miesięcznego albo, przy płatności za użycie, przez Meta Model API.

Uruchomienia nieinteraktywne. W CI, skryptach i na maszynach bez interfejsu użyj API key zamiast logowania przez przeglądarkę: utwórz go w panelu Model API (API keys → Create API key), a potem wyeksportuj jako META_API_KEY albo zapisz poleceniem muse auth set. Klucze zaczynają się od LLM_. Muse Code najpierw sprawdza META_API_KEY, potem zapisany klucz, a dopiero na końcu sesję przeglądarki; /login ponownie otwiera opcje logowania, a muse logout usuwa zapisane dane uwierzytelniające.

3. Uruchom pierwsze zadanie

Po uwierzytelnieniu możesz zaczynać w dowolnym katalogu ze swoimi projektami:

$ cd my-repo$ muse

Opisz zwykłym językiem rezultat, na którym ci zależy. Dobre pierwsze zadanie jest małe i łatwe do zweryfikowania — „dopisz brakujący test dla parseDate i upewnij się, że przechodzi” — zobaczysz, jak worker szkicuje zmianę, recenzent ją krytykuje, a test się wykonuje.

Dwie dźwignie kosztów, które warto znać od pierwszego dnia: Muse Spark to model rozumujący — myśli, zanim odpowie, a te tokeny są rozliczane jako wyjście — więc /effort podkręca lub przykręca myślenie dla każdego zadania z osobna. A twój ton, format i inne stałe zasady mogą mieszkać w wiadomości systemowej, żeby nie powtarzać ich w każdym prompcie.

Aktualizacja i odinstalowanie

Muse Code aktualizuje się sam: instalator konfiguruje launcher, który dba o aktualność pliku binarnego, a od CLI 1.4.11 sesja działająca w trakcie automatycznej aktualizacji wznawia się razem z historią. Wersję sprawdzisz poleceniem muse --version — porównaj ją z changelogiem; ponowne uruchomienie polecenia instalacji też pobiera najnowszy build. Meta nie dokumentuje polecenia do odinstalowania. Na macOS i Linuksie instalator umieszcza launcher w ~/.local/bin (muse oraz wersjonowane pliki muse-bin-*) i dodaje ten katalog do profilu powłoki, więc usunięcie tych plików oznacza odinstalowanie; ustawienia leżą w ~/.config/muse/. Na Windowsie Get-Command muse pokaże, gdzie jest plik binarny. Subskrypcję anuluj osobno w Accounts Center — usunięcie CLI nie zatrzymuje płatności.

Asynchroniczne agenty w tle

Muse Code działa w oparciu o prostą pętlę agenta oraz zestaw asynchronicznych agentów w tle, które rozszerzają możliwości agenta głównego. Te wyspecjalizowane agenty pozostają aktywne przez całą sesję, zamiast być tworzone do każdego zadania, dzięki czemu nie zbierają w kółko tych samych informacji. Same wykonują kolejne kroki i same decydują, kiedy odezwać się do agenta głównego — ta stała obecność zmniejsza opóźnienia i ogranicza potrzebę ręcznego sterowania przy trudnych, wieloetapowych zadaniach.

Fan-out agentów i git worktree

Kiedy praca rozpada się na kilka zadań, te automatycznie rozchodzą się do osobnych agentów: rodzic uruchamia dla każdego zadania potomnego agenta z prawem zapisu, a każdy potomek dostaje własny git worktree — pracujące równolegle potomki nigdy nie kolidują na tych samych plikach, a twoja kopia robocza pozostaje czysta.

Workflows

Workflows, dodane wraz z wyjściem Muse Code z bety, koordynują zespół wyspecjalizowanych agentów przy większej pracy: każdy etap przekazuje swoje wyniki pośrednie następnemu, a na końcu dostajesz jeden wynik. Żeby uruchomić workflow, poproś Muse Code, by „użył workflow”; ustawienie effort na ultra może uruchomić go automatycznie. /workflows pokazuje każde uruchomienie na żywo — tam możesz je zatrzymać, zrestartować lub anulować — a zapisane workflows można używać ponownie.

Komunikacja między sesjami

Sesje działające na tej samej maszynie mogą wymieniać wiadomości przez lokalny socket uniksowy. Gdy zmiana w jednej sesji wpływa na to, co buduje inna, przekazuje jej ostrzeżenie; gdy jedna sesja rozstrzygnie kwestię, na której utknęła inna, wysyła jej odpowiedź — bez przepisywania czegokolwiek między terminalami. Agent wykrywa pozostałe sesje i wysyła wiadomości za pomocą dwóch wbudowanych narzędzi.

Event log i cofanie

Muse Code korzysta z lokalnego event logu, do którego dopisywane jest każde wywołanie modelu, uruchomienie narzędzia, zatwierdzenie i edycja. To jedno źródło prawdy sprawia, że przebieg da się odtworzyć co do kroku i bezpiecznie wznowić: po awarii agent podejmuje pracę dokładnie tam, gdzie się zatrzymał, więc radzi sobie z długimi zadaniami i nie wypada z toru przy usterkach. Każde utworzenie, skorygowanie i anulowanie subagenta jest widoczne — muse replay przechodzi przez sesję krok po kroku, a pełne ślady można wyeksportować na potrzeby przekazania pracy lub audytu. Naciśnij dwa razy Esc, żeby cofnąć rozmowę do wcześniejszego punktu; Muse Code proponuje tylko te punkty powrotu, które event log oznacza jako bezpieczne.

Wbudowane umiejętności i polecenia

Muse Code ma w zestawie kilka domyślnych umiejętności — wrzucasz surowy pomysł, a dostajesz przemaglowaną, sprawdzoną w boju funkcję:

/planZamienia zadanie w plan wymagający zatwierdzenia, zanim zmieni się choćby linijka kodu

/grillTestuje plan pod obciążeniem, dopóki się nie obroni

/goalProwadzi pracę do skutecznego domknięcia wskazanego celu — do merge trafia to, o co ci chodziło od początku

/workflowsPokazuje uruchomienia workflows na żywo — każde możesz zatrzymać, zrestartować lub anulować

/modelPrzełącza model pod spodem — np. na muse-wonder-1.0; w selektorze ustawisz też poziom rozumowania

/effortPodkręca lub przykręca rozumowanie — tokeny myślenia rozliczane są jako wyjście, więc głębokie rozumowanie zostaw na trudne zadania

Esc EscCofa rozmowę do bezpiecznego punktu z event logu

muse replayPrzechodzi krok po kroku przez event log sesji; pełne ślady można wyeksportować na potrzeby przekazania pracy lub audytu

Uprawnienia i tryby zatwierdzania

Muse Code startuje z włączonym zatwierdzaniem i piaskownicą systemu operacyjnego (Seatbelt na macOS, bubblewrap na Linuksie, piaskownica Windows na Windowsie). Zapis jest możliwy tylko w obszarze roboczym i w katalogu tymczasowym, a .git, .muse i .agents pozostają tylko do odczytu. Nowe sesje zaczynają się w profilu Auto-review: wbudowany sędzia sam rozstrzyga rutynowe prośby o zatwierdzenie, a resztę przekazuje tobie. Pozostałe profile to Ask me, Read-only i Unrestricted. Domyślny profil ustawisz przez permissions.default_profile w ~/.config/muse/settings.json. Najważniejsze flagi:

--approval-mode on-requestDomyślnie. Bezpieczne kroki w powłoce wykonują się od razu, a niebezpieczne, takie jak rm -rf, czekają na przegląd

--approval-mode untrustedSurowiej: każdy krok w powłoce bez pasującej reguły zezwalającej czeka na przegląd

--approval-mode neverNic nie czeka na zatwierdzenie; to, co się wykonuje, ogranicza wyłącznie piaskownica

--disable-approvalPomija monity o zatwierdzenie, ale zostawia piaskownicę włączoną

--yoloBez zatwierdzania, bez piaskownicy, obszar roboczy uznany za zaufany. Meta zaleca używać tego tylko w jednorazowych, odizolowanych kontenerach

--sandbox-networkproxy-only (domyślnie, każdy cel zatwierdzany osobno), restricted lub unrestricted

Gdy polecenie zostanie wstrzymane, możesz zezwolić na nie raz, zezwalać na nie zawsze w tym obszarze roboczym albo je odrzucić. Narzędzia MCP i hooki działają poza piaskownicą, więc podłączaj tylko serwery, którym ufasz.

Muse Spark 1.3

Muse Spark 1.3, wydany 2 września 2026 r., to model, na którym działa Muse Code. Zachowuje recepturę treningu, która wyróżniła 1.2 — wspólny trening z harnessem Muse Code, intensywną pracę na długim horyzoncie i pętlę samodoskonalenia — i stawia na użyteczność w realnej pracy. Cena się nie zmieniła względem 1.2. Wyróżniają go trzy rzeczy:

Dłuższe wątki

Utrzymuje pracę na dłuższym horyzoncie w wielu workflows w obrębie jednego wątku, przenosząc kontekst z etapu na etap.

Pyta, zamiast zgadywać

Współpracuje aktywniej: zadaje pytania doprecyzowujące, sygnalizuje, kiedy utknął, i trafniej ocenia własne ograniczenia, zamiast raportować wyniki, których nie osiągnął.

Oszczędniejsze przebiegi

W porównaniach inżynierów Meta wykonał tę samą pracę programistyczną przy około 20% mniejszej liczbie wywołań narzędzi i 25% mniejszej liczbie tokenów niż 1.2 — przy tej samej cenie za token oznacza to niższy rachunek.

Benchmarki (konfiguracja z maksymalnym rozumowaniem, według Meta): DeepSWE 1.1 · 75,4% — Terminal-Bench 2.1 · 88,8% — SWEAtlas CodeBase QnA · 59,4%. W dniu premiery konfiguracja maksymalna wciąż przechodziła testy bezpieczeństwa; konfiguracja, którą dostaje większość deweloperów, wypada słabiej. Metodologia na research.meta.ai.

Muse Wonder

Muse Wonder i Muse Wonder Full, wydane 12 października 2026 r., to pierwsze modele klasy frontier od Meta: większe niż Muse Spark i przeznaczone do długiej, trudnej pracy przy kodzie oraz w dziedzinach takich jak prawo i finanse. Meta wyróżnia Active Memory, które przenosi istotny kontekst między rozmowami, oraz Active Focus, które utrzymuje agenta przy celu i każe mu upewnić się u ciebie przed ważnymi działaniami. Na Wonder przełączysz się poleceniem /model muse-wonder-1.0; w API kosztuje $4 / $0.20 / $20 za 1M tokenów wejściowych / z cache / wyjściowych i nie ma wariantu Contributor. Muse Wonder Full jest dostępny tylko w planach Power i Maximum.

Muse Spark Open

Muse Spark Open, wydany 15 października 2026 r., to model Muse z otwartymi wagami: 816B parametrów łącznie, 42B aktywnych na token, kontekst 1M tokenów i wejście w postaci tekstu, obrazu, wideo oraz audio. Udostępniono go na licencji Muse Model License, własnej licencji Meta, a wagi są na Hugging Face jako meta-models/Muse-Spark-Open-816B-A42B. To nie jest model na laptopa: w NVFP4 potrzebuje około 700 GB pamięci akceleratorów. Meta pokazała Muse Code działający na nim na dwóch Mac Studio, ale nie opisała lokalnej konfiguracji. Jeśli szukasz modelu, który zmieści się na jednej konsumenckiej karcie GPU, zajrzyj do Muse Glimmer.

Studium przypadku: optymalizacja kerneli

Meta sprawdziła, jak Muse Spark 1.2 radzi sobie z iteracyjną optymalizacją kerneli GPU na przestrzeni ponad 1000 wywołań narzędzi — do 24 godzin. W agentowym środowisku Muse Code model pisze, kompiluje, profiluje i krok po kroku poprawia wydajność kernela względem punktu odniesienia; pomiary wykonano na kernelach KDA i MLA dla GPU NVIDIA Hopper. Mając zakaz opakowywania zewnętrznych bibliotek kerneli, zaimplementował algorytmy bezpośrednio w Tritonie — i wciąż znajdował istotne usprawnienia względem punktu odniesienia.

Meta Model API

Te same modele, które napędzają Muse Code, są dostępne także bezpośrednio — w Model API dostępne są `muse-spark-1.3` i `muse-wonder-1.0`, a Muse Spark 1.3 jest też dostępny w Muse Code, Meta Model API, OpenRouter i Cursorze. API działa bez przeróbek z OpenAI SDK, Anthropic SDK oraz agentowymi CLI takimi jak OpenCode i Claude Code: wskaż klientowi nowy base URL, a reszty kodu nie ruszaj. Okno kontekstu to 1 048 576 tokenów.

# export MODEL_API_KEY="LLM_..."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!"}], )

Tryb headless i CI

muse exec "<prompt>" wykonuje jedno zadanie do końca i kończy działanie — tej formy używaj w skryptach i CI. Dodaj --json, żeby dostawać zdarzenia JSONL na stdout, --prompt-file, żeby wczytać prompt z pliku, --max-model-steps, żeby ograniczyć ilość pracy, i --session-id, żeby kontynuować wcześniejszą sesję. Uwierzytelniaj się kluczem META_API_KEY z magazynu sekretów swojego CI. Kod wyjścia 0 oznacza, że tura się zakończyła, a nie że praca jest poprawna, więc o merge’ach niech decydują twoje własne testy. Na runnerach z Linuksem piaskownica wymaga bubblewrap i buildu innego niż musl.

# CI: key from your secret store, JSONL events on stdout$ META_API_KEY="$MUSE_KEY" muse exec --json "fix the failing test in tests/date.test.ts"

Modele Muse w innych agentach

Meta dokumentuje konfigurację OpenCode, Codex i Claude Code z Model API. Użyj zgodnego z OpenAI base URL https://api.meta.ai/v1 (dla OpenCode i Codex) albo base URL w formacie Anthropic https://api.meta.ai bez /v1 (dla Claude Code), do tego swojego MODEL_API_KEY i ID modelu, np. muse-spark-1.3 lub muse-wonder-1.0. W Claude Code ustaw ANTHROPIC_AUTH_TOKEN zamiast ANTHROPIC_API_KEY i skieruj każdy alias modelu na model Muse, żeby nic nie wracało do Claude. W Codex użyj wire_api = "responses", żeby rozumowanie przechodziło między turami. Rozliczenie idzie za tokeny w Model API; twój plan Muse Code tego nie obejmuje.

# Claude Code on Meta's Model APIexport ANTHROPIC_BASE_URL="https://api.meta.ai"export ANTHROPIC_AUTH_TOKEN="$MODEL_API_KEY"export ANTHROPIC_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_OPUS_MODEL="muse-wonder-1.0"export ANTHROPIC_DEFAULT_SONNET_MODEL="muse-spark-1.3"export ANTHROPIC_DEFAULT_HAIKU_MODEL="muse-spark-1.3"export CLAUDE_CODE_SUBAGENT_MODEL="muse-spark-1.3"

SDK Muse Code

SDK, dostępne w wersji developer preview od wyjścia Muse Code z bety, pozwala zespołom budować własne agenty na Muse Session Protocol (MSP) — otwartym protokole działającym przez standardowe wejście/wyjście, bez serwera i bez sieci, więc wszystko zostaje na twojej maszynie. Biblioteka TypeScript obejmuje sesje, narzędzia i kontrolę uprawnień, a czytelny maszynowo schemat MSP pozwala generować klientów w innych językach. Kod źródłowy: github.com/meta-models/muse-code-sdk.

Cookbook

Przepisy, które działają od pierwszego skopiowania — każdy rozwiązuje jeden konkretny problem, pokazuje działający kod i wskazuje, co dalej. Trzy działy, a do tego przepisy na kluczowe wzorce Muse Code.Przeglądaj wszystkie 28 przepisów →

Podstawy API · 10 przepisów

Sprawdź, że każdy prymityw działa: chat completions, streaming, wywoływanie narzędzi, ustrukturyzowane wyjście, cache promptów, tokeny rozumowania, wejście wizyjne, długi kontekst, obsługa błędów oraz search grounding z cytowaniami w treści.

Wzorce agentowe · 5 przepisów

Pętle, które zamieniają model w agenta: pętla postrzegaj-decyduj-działaj, rozumowanie przeplatane użyciem narzędzi, zarządzanie kontekstem w wielu turach i walidowane edycje w miejscu.

Zastosowania · 13 przepisów

Od początku do końca: projektowanie stron i tworzenie gier weryfikowane w przeglądarce, wieloagentowe studio produktowe z czterema rolami koordynowane przez wspólną tablicę Kanban, autonomiczny bot GitHub Actions na OpenCode, sterowanie komputerem na Linuksie i macOS — i nie tylko.

Przepisy Muse Code

Fan-out agentów — rozdziel jedną dużą pracę między subagentów w odizolowanych worktree; wbudowane umiejętności — surowy pomysł na wejściu, przemaglowana, sprawdzona funkcja na wyjściu; śledzenie celu — trzymaj agenta przy zadaniu, aż zmerguje to, o co ci chodziło.