Meta vypustila Muse Code. Kódovací agent nezapomíná, přežije pád a láká firmy na desetinovou cenu

Meta vypustila Muse Code. Kódovací agent nezapomíná, přežije pád a láká firmy na desetinovou cenu

Meta vstoupila do války kódovacích agentů. Muse Code zvládá rozsáhlé projekty, po pádu naváže přesně tam, kde skončil, a levnější tarif stojí zlomek konkurence. Háček? Za slevu platíte vlastním kódem.

Trh s AI agenty pro programování měl donedávna dva jasné tahouny: Claude Code od Anthropicu a Codex od OpenAI. Tento týden do ringu vstoupil třetí těžkotonážník. Meta uvolnila do beta provozu Muse Code — kódovacího agenta postaveného na novém modelu Muse Spark 1.2, který má zvládat komplexní zadání napříč rozsáhlými firemními kodebázemi. A přichází s cenovou nabídkou, která donutí zpozornět každého šéfa vývoje: levnější tarif stojí zhruba desetinu toho, co konkurence. Jenže ta sleva má podmínku, kterou by žádná firma neměla přehlédnout.

Agenti, kteří běží na pozadí a sami se hlásí

Muse Code je k dispozici pro macOS a Linux a jeho hlavní odlišnost spočívá v architektuře. Zatímco běžné nástroje si na dílčí úkoly vytvářejí jednorázové pomocné agenty, kteří po splnění úkolu zaniknou, Muse Code drží specializované agenty na pozadí aktivní po celou dobu session. Pracují asynchronně a sami rozhodují, kdy je jejich zjištění natolik důležité, aby ho ohlásili hlavnímu agentovi.

V praxi to znamená méně opakovaného prohledávání projektu a méně situací, kdy vývojář musí agenta ručně navigovat. U dlouhých, vícekrokových úkolů — refaktoring napříč desítkami souborů, migrace frameworku, generování celého repozitáře — si agenti drží kontext, místo aby ho pokaždé budovali znovu. Kdo někdy sledoval, jak kódovací asistent potřetí za hodinu čte tytéž soubory, aby znovu pochopil strukturu projektu, ví přesně, jaký problém se tady řeší. Každé takové opakované čtení totiž nestojí jen čas, ale i tokeny — a tedy peníze.

Meta tím míří na nejrychleji rostoucí segment AI trhu. Kódovací agenti se během posledního roku proměnili z chytrého našeptávače v nástroj, kterému firmy svěřují celé úkoly: opravy chyb, psaní testů, migrace zastaralých systémů. Anthropic na této vlně postavil Claude Code, OpenAI svůj Codex — a oba nástroje se staly páteří jejich firemních příjmů. Meta, která v komerčním nasazení AI dosud za oběma rivaly zaostávala, sází na to, že trh je pořád dost mladý na to, aby se dal rozdat znovu.

https://noviny.ai/api/admin/images/0eb24e51-c696-46f6-af5b-7c124f7bc2a2/data

Druhý zajímavý prvek je lokální log událostí. Muse Code do něj zapisuje každé volání modelu, každé spuštění nástroje, každé schválení i každou editaci. Podle Mety je díky tomu běh agenta „přesně přehratelný a bezpečný vůči restartu“ — po pádu systému agent naváže přesně tam, kde skončil. Pro každého, kdo někdy přišel o hodinovou práci agenta kvůli spadlému spojení, je to citelný argument. A log má ještě jeden důsledek, který Meta tolik nezdůrazňuje, ale pro firmy může být nakonec cennější: kompletní auditní stopu. Když každá editace i každé schválení zůstává zaznamenané, dá se zpětně doložit, co přesně agent v kódu udělal a kdo mu to povolil. Právě tento typ dohledatelnosti dnes compliance oddělení u AI nástrojů vyžadují nejčastěji.

Model a agent trénované jako jeden celek

Meta model Muse Spark 1.2 trénovala společně s agentem Muse Code — do tréninku zapojila jeho nástroje i pracovní postupy a přidala delší úlohy včetně generování celých repozitářů a kompletních softwarových projektů. Model je dostupný i samostatně přes Meta Model API, u kterého firma zároveň oznámila rozšíření globálního přístupu.

Na výsledcích v benchmarcích je vidět, že Meta dotahuje, ale ještě nevede. Na testu Terminal-Bench 2.1 dosáhl Muse Spark 1.2 skóre 82,9 % — za Claude Opus 5, ale těsně před GPT-5.6 Terra. Na benchmarku DeepSWE 1.1 skončil s 59,3 % za oběma rivaly. Meta navíc sama přiznává, že každý model testovala s jeho vlastním agentem, takže srovnání není úplně jablka s jablky.

Klíčovou metrikou pro IT ředitele je úspěšnost nad vlastní firemní pipeline. To bude skutečný benchmark. — Neil Shah, Counterpoint Research

Analytici jsou ke společnému tréninku modelu a agenta zdrženliví i z jiného důvodu: dělá to dnes prakticky každý. „OpenAI i Anthropic berou ladění agentní nadstavby jako součást trénovacího procesu,“ připomíná Lian Jye Su, hlavní analytik společnosti Omdia. Jinými slovy — to, co Meta prezentuje jako diferenciátor, je v roce 2026 spíš vstupenka do soutěže.

Kontext přitom Metě úplně nenahrává. Teprve minulý týden firma přiznala, že starší verze jejího modelu, Muse Spark 1.1, během interního bezpečnostního testu kvůli chybné konfiguraci pronikla k systémům třetí strany. Uvést krátce poté na trh nástroj, jehož podstatou je nechat persistentní agenty samostatně pracovat ve firemních repozitářích, chce odvahu — a od zákazníků to bude chtít důvěru, kterou si Meta musí teprve vybudovat. Firemní bezpečnostní týmy si obě zprávy nepochybně přečtou vedle sebe.

Desetinová cena — a co za ni Meta chce

Nejzajímavější část oznámení se skrývá v ceníku. Meta nabízí dva tarify, které se neliší výkonem, ale tím, co se děje s vašimi daty.

**Tarif Contributor**: 0,10 dolaru za milion vstupních tokenů a 0,20 dolaru za milion výstupních. Meta si ale vyhrazuje právo použít vaše data ke zlepšování svých produktů.|**Standardní tarif**: 1,25 dolaru za vstup a 4,25 dolaru za výstup — tedy zhruba dvanáctkrát až dvacetkrát víc. Data se k tréninku nepoužívají.

Je to poprvé, co velký hráč takto explicitně ocenil rozdíl mezi „váš kód zůstane váš“ a „váš kód nám pomůže trénovat“. Pro hobby projekty a open source může být Contributor výhodná nabídka. Pro firmu, jejíž konkurenční výhoda leží právě v kódu, je to jiná rovnice — a rozhodnutí, které by nemělo padnout u vývojáře, ale u vedení.

Stojí za to udělat si hrubou matematiku. Persistentní agenti, kteří běží celou session na pozadí, spotřebovávají tokeny nepřetržitě — a právě nepředvídatelnost spotřeby analytici označují za jednu z hlavních překážek rozpočtování AI nástrojů. Levný tarif tak může svádět k tomu nechat agenty běžet bez omezení, a drahý tarif zase k šetření na místech, kde agent potřebuje kontext. Rozumná firma si nejdřív na pilotním projektu změří, kolik tokenů její typický úkol reálně stojí, a teprve pak se rozhodne, kterou cestou jít.

https://noviny.ai/api/admin/images/86455c42-6aae-4005-a03c-2df57532e524/data

Co to znamená pro váš byznys

Pokud ve firmě vyvíjíte software, přibyla vám další seriózní volba — a hlavně cenová páka na vyjednávání se stávajícími dodavateli. Konkurence tří frontier laboratoří v kódovacích agentech tlačí ceny dolů rychleji než kdekoli jinde v AI.

Zároveň platí, že nasazení agentů do vývoje není jen technická otázka. Analytici upozorňují na tři třecí plochy: napojení agentů na firemní správu identit, neochotu pouštět AI nástroje do CI/CD prostředí a obtížně předvídatelnou spotřebu tokenů, která komplikuje rozpočty. „Řada firem se stále zdráhá otevřít svá CI/CD prostředí integraci AI nástrojů,“ říká Su z Omdie a dodává obavu z uzamčení k jednomu dodavateli. Pareekh Jain z Pareekh Consulting očekává, že firmy začnou u úzce vymezených, méně rizikových úloh — a teprve potom pustí persistentní agenty ke kritickému produkčnímu kódu.

Pro srovnávání nabídek se hodí i Shahova poznámka o benchmarcích: čísla z Terminal-Bench nebo DeepSWE vám řeknou, jak si model vede v laboratorních podmínkách, ale rozhodovat by měla úspěšnost nad vaší vlastní pipeline. Praktický postup je jednoduchý — vyberte deset reálných úkolů z vlastního backlogu, od opravy chyby po napsání testů, a nechte kandidáty soutěžit na nich. Takový interní benchmark stojí pár dní práce a řekne vám o nástroji víc než jakákoli tisková zpráva.

Praktické doporučení pro české firmy zní: Muse Code stojí za pilot na neprodukčním projektu, už kvůli obnově po pádu a práci s velkými kodebázemi. Ale než sáhnete po lákavém tarifu Contributor, položte si otázku, jestli je váš kód opravdu to, co chcete směnit za slevu. U interních nástrojů možná ano. U jádra vašeho produktu skoro jistě ne.

Podrobnosti o architektuře agenta, benchmarcích i vyjádření analytiků přinesl InfoWorld; technické detaily pocházejí z oficiálního oznámení Mety.