Muse Code läuft laut Meta auf macOS und Linux und wird über einen Shell-Befehl installiert. Der Agent bearbeitet lang laufende Aufgaben, indem er Code schreibt, kompiliert, profiliert und über mehrere Runden verbessert. Meta trainierte Muse Spark 1.2 gemeinsam mit Muse Code, damit Modell und Werkzeug zusammen besser funktionieren.
Als Beispiel nennt Meta die Optimierung von GPU-Kerneln über mehr als 1.000 Werkzeugaufrufe und bis zu 24 Stunden. Getestet wurden KDA- und MLA-Kernel für Nvidias Hopper-Generation. Für MLA beschreibt Meta eine aus zwei Triton-Kerneln bestehende Pipeline; einen konkreten Faktor für den Vorsprung gegenüber der Referenz nennt der Beitrag nicht.
Meta verweist auf Terminal-Bench 2.1, DeepSWE 1.1 und einen internen Coding-Benchmark. Die Veröffentlichung zeigt dazu Diagramme, nennt im Fließtext aber keine Zahlenwerte. Auch die Aussage über „substantial improvements“ bei den Kernel-Referenzen bleibt qualitativ.
Simon Willison führt für das Modell Tarife von 1,25 Dollar je Million Input- und 4,25 Dollar je Million Output-Token an. Eine günstigere Contributor-Variante setzt laut seiner Lesart der Entwicklerdokumentation das Teilen von Nutzungsdaten voraus. Unabhängige Messungen lagen zum Redaktionszeitpunkt nicht vor; die Preise sind nicht im Meta-Blogpost selbst angegeben.