Muse Code och Metas Muse-modeller: allt du behöver veta 2026

Meta har släppt mer än en ny chattrobot. Under 2026 har Meta Superintelligence Labs byggt en sammanhängande helhet: modeller, ett API och en kodagent som är tränade att fungera ihop. Den officiella produktsidan för agenten ligger på developer.meta.com/ai/products/muse-code. Dokumentationen och modellkatalogen finns på dev.meta.ai.

Det är lätt att blanda ihop namnen. Muse Code är inte samma sak som Muse Spark. Spark är inte samma sak som Glimmer. Image är en tredje familj som ritar bilder, inte kod. Här reder vi ut hela produktfamiljen, vad som faktiskt skiljer den från Claude, ChatGPT, Cursor och Copilot – och när en byrå eller ett utvecklingsteam ska bry sig.

Vad Meta egentligen har släppt

Tänk tre lager, inte ett varumärke.

1. Modellerna. Tre familjer: Muse Spark (text och kod för agenter), Muse Image (bilder) och Muse Glimmer (öppna vikter för lokal körning).

2. Meta Model API. Spark- och Image-modeller som körs hos Meta bakom https://api.meta.ai/v1. API:t kan bytas in mot OpenAI SDK, Anthropic Messages och OpenAI-kompatibla agentverktyg i kommandoraden. Du byter bas-URL, nyckel och modell-id.

3. Muse Code. En färdig agent i terminalen. Samma Spark-modell, men i en agentmiljö som Meta samtränat med 1.2: verktyg, mål, kompaktering och underagenter.

Om du bygger en egen agent eller en app: anropa Model API. Om du vill ha en kodagent som redan kan planera, redigera och köra tester: kör Muse Code. Det är Metas egen uppdelning, inte en tolkning.

Muse-familjerna i korthet

Spark och Image faktureras via API. Glimmer laddas ner från Hugging Face och körs med vLLM, SGLang, llama.cpp, ExecuTorch eller MLX. Listan GET /v1/models returnerar bara de modeller Meta driftar.

Muse Spark 1.1, 1.2 och Contributor

Spark är Metas modell för agentarbete: verktygsloopar i flera steg, mjukvaruassistenter och lång kontext. Alla tre modell-id:n delar samma modaliteter och ett kontextfönster på 1 048 576 tokens. Skillnaden är modellversion och prisnivå.

muse-spark-1.1

Tidigare modellversion på Standard-nivån. Den finns fortfarande i katalogen. Bra att känna till om ett äldre exempel eller en integration pekar hit. Meta beskriver 1.2 som en uppdaterad version med något högre prestanda – inte som att 1.1 slutat existera.

1.1 är mer generell: multimodalt resonemang, styrning av datorn och längre sessioner. Om uppgiften är att styra ett grafiskt gränssnitt, läsa en skärminspelning eller hålla ihop ett multimodalt arbetsflöde kan 1.1 fortfarande vara rätt val. Verifiera mot din egen uppgift. Meta publicerar inte en tabell som säger "använd alltid 1.2".

muse-spark-1.2

Förvald i Metas kodexempel och förvald i Muse Code. Det är koduppdateringen: mer träning på kodgenerering, felsökning, förståelse för kodbasen och hela utvecklingsflöden. Meta skriver att de skalade upp träningsberäkningen på koduppgifter och breddade träningsmiljöerna, utan att modellen tappar styrkan i generella agentuppgifter.

1.2 är också samtränad med Muse Code. Träningsbanor från agentmiljön, recept för mål, kompaktering och underagenter, plus Muse Codes verktygslåda. Det är den enskilt viktigaste skillnaden mot att bara peka Claude Code eller Cursor mot en slumpmässig modell: Spark 1.2 förväntar sig just den här arbetsslingan.

Lång horisont är ett uttalat träningsmål: generering av hela kodbaser, stora projekt från början till slut och automatisk research. I ett eget exempel lät Meta agenten iterera GPU-kärnor över mer än 1 000 verktygsanrop, upp till 24 timmar – skriva, kompilera, profilera och förbättra mot en baslinje. Det är Metas eget exempel, inte ett oberoende jämförelsetest. Läs det som bevis på att agentmiljön är byggd för långa jobb, inte som ett löfte om att din landningssida tar 24 timmar.

muse-spark-1.2-contributor

Samma 1.2-version, annan affär. Contributor är kraftigt rabatterad mot att Meta får använda promptar och svar för att träna framtida modeller. Standard (1.1 och 1.2) gör inte det.

Officiella priser per 1 miljon tokens (USD, september 2026 – kontrollera alltid aktuell prislista):

Det finns inget tillägg för lång kontext. Ett nästan fullt fönster på 1 miljon tokens kostar samma tokenpris som ett tomt. Cachelagring av promptar sänker priset när prefixet träffar cachen. Webbsökning som förankring på Spark kostar extra: 2,50 dollar per 1 000 sökningar, utöver tokens.

Contributor är 12,5 gånger billigare på indata och drygt 21 gånger billigare på utdata. Motkravet är data. Kundkod, personuppgifter, opublicerade kampanjer och intern strategi hör hemma på Standard – eller på Glimmer lokalt. Contributor är för prototyper, interna experiment och data du accepterar att mata tillbaka in i Metas träning.

Muse Glimmer: den öppna, lokala kusinen

Muse Glimmer är inte Spark i en mindre låda. Det är en tät, multimodal modell med 30 miljarder parametrar (text och bild in, text ut), destillerad från Sparks utdata och släppt med Apache 2.0. Standardkontexten är 128 000 tokens, med stöd för längre fönster.

Den är byggd för lokala agenter som alltid är igång: funktionsanrop, lokal kod och språkmodell som bedömare. Meta tränade i tre steg: destillering från Spark, mellanträning på längre spår med mer agentarbete, sedan styrd finjustering, destillering mot modellens egna utdata och förstärkningsinlärning.

Hårdvara: i 4-bitars kvantisering krymper språkmodellen till under 20 GB, så helheten – modell, nyckel-värde-cache, bildkodare och spekulativ avkodning – ryms i 24–32 GB minne. Det är en konsument-GPU eller en stark Mac, inte ett datacenterkrav.

Du anropar inte Glimmer via Model API-katalogen. Du laddar vikterna och kör dem själv. Det är den enda Muse-modellen där koden och promptarna kan stanna på maskinen utan Metas servrar. Priset är drift, inte tokens: el, grafikprocessor och tid att hålla körningsmiljön uppdaterad.

Muse Image 1.0: agenten som ritar

muse-image-1.0 är en separat familj. Den skriver inte text. Den ger tillbaka bilder.

En modell gör både generering och redigering. Den arbetar som en agent: den kan söka webben efter visuella referenser och aktuella fakta, köra kod för layouter och kontrollera resultatet innan den lämnar ifrån sig en bild. Det skiljer den från en ren diffusionsmodell som ritar prompten rakt av.

Två vägar in:

• Responses API för samtal över flera turer (generera, sedan styra).
• OpenAI-kompatibla POST /v1/images/generations och /v1/images/edits för engångsanrop.

Pris: 0,01 dollar per lyckad bild. Samma pris oavsett promptlängd, reasoning_strength och inbyggd sökning. Misslyckade eller säkerhetsfiltrerade bilder räknas inte. Tak: 150 anrop per minut. För en byrå som gör annonsvarianter, katalogbilder eller personliga utskick är det prisläget som gör volymarbete realistiskt.

Juridik och varumärke gäller fortfarande. Läs vår guide till AI-bildgenerering innan du släpper genererade bilder i betald annonsering.

Muse Code: agenten, inte chatten

Muse Code är Metas svar på Claude Code: en terminalagent som läser kodbasen, planerar, redigerar och kör kommandon. Installationen är en inbyggd binärfil för macOS och Linux. Windows nämns inte i den officiella dokumentationen för första körningen.

Två lägen, samma binärfil:

• Interaktivt: muse öppnar ett terminalgränssnitt med snedstreckskommandon, godkännanden och status i realtid.
• Utan gränssnitt: muse exec "…" kör en prompt till slut. Det är läget för CI.

Första körningen frågar om förtroende för arbetsytan och inloggning (webbläsare eller API-nyckel). I CI sätter du META_API_KEY. Förvald modell: muse-spark-1.2.

Det som faktiskt skiljer arbetsslingan

De flesta språkmodeller väntar på din nästa mening. Muse Code kör en huvudslinga plus bakgrundsagenter som lever kvar hela sessionen. De startas inte om per deluppgift. De samlar kontext löpande, tar nästa steg och väljer när de ska prata med huvudagenten. Meta menar att det minskar upprepad research och behovet av styrning på långa jobb.

Körningen vilar på en lokal händelselogg. Varje modellanrop, verktygskörning, godkännande och ändring läggs till i loggen, som är den auktoritativa källan, går att spela upp exakt och överlever omstarter. Efter en krasch kan agenten fortsätta där den slutade. Det är en annan arkitektur än en chattsession som dör med terminalen.

Medföljande kommandon:

• /plan – gör uppgiften till en plan du godkänner innan kod skrivs.
• /grill – stresstestar planen tills den håller.
• /goal – arbetar mot ett uttalat mål.

Därutöver: sandlåda och godkännanden från start, återspolning (grena från ett tidigare meddelande utan att förstöra originalsessionen), meddelanden mellan pågående sessioner samt arbetsflöden för parallellt eller stegat agentarbete – i de versioner där arbetsflödesmotorn ingår och funktionen är aktiverad. I dokumentationen för utökning finns underagenter, hooks, skills, MCP och körning utan gränssnitt.

Skillnaden mot andra språkmodeller och kodverktyg

En språkmodell svarar på text. En kodagent får lov att röra filsystem, git och tester. Muse Code är det senare. Spark via API kan vara båda, beroende på hur du bygger runt den.

Mot Cursor

Cursor är en editor byggd för AI (en avknoppning av VS Code). Du pekar, markerar och chattar i gränssnittet. Muse Code körs utanför editorn. Den jobbar mot filsystemet. Cursor vinner på visuell iteration, @-referenser och att byta modell per uppgift. Muse Code vinner när jobbet ska köras utan gränssnitt, i CI, eller när du inte vill att agenten ska bo i en IDE-licens.

Mot GitHub Copilot

Copilot är i grunden automatisk komplettering plus chatt i editorn. Smalt kontextfönster, låg friktion, låg autonomi. Muse Code tar en uppgift och försöker slutföra den: plan, redigering, test, eventuellt mer. Det är inte samma produktkategori. Copilot gör dig snabbare på kod du redan förstår. Muse Code (och Claude Code) tar sig an jobb du annars hade brutit ner själv.

Mot ChatGPT, Gemini och vanliga språkmodeller

ChatGPT och Gemini är breda modeller med stark chatt, webbsökning och – i vissa lägen – egna kodagenter (Codex med flera). Skillnaden mot Muse är samträningen och hur produkten är byggd:

• En chattmodell skriver kod du klistrar in. En kodagent lägger in den i kodbasen och kör testerna.
• Spark tar bild, video, ljud och PDF i samma fönster på 1 miljon tokens. Det är mer än de flesta chattfönster klarar utan att du styckar underlaget.
• Model API låter dig peka befintliga OpenAI- eller Anthropic-klienter mot api.meta.ai utan att skriva om integrationen.
• Glimmer ger en öppen, lokal väg som ChatGPT och Claude inte ger med samma licens.

Vi använder redan Claude i strategi och Claude Code i webbutveckling. Muse ersätter inte det över en natt. Den ger ett andra, billigare spår som lämpar sig bättre för CI – plus en bildmodell och en lokal modell som Anthropic inte har i samma paket.

Mot Manus och övriga Meta-AI-spår

Manus är en annan produktlinje (agent + molnmiljö) som vi skrivit om i Meta + Manus. Muse är Model API + kodagent + öppna vikter. Blanda inte ihop dem i en upphandling. En kund som säger "vi kör Meta AI" kan mena Ads Advantage+, Llama, Manus eller Muse.

Vilken Muse-del ska du välja?

Bygg en intern agent eller koppla ett befintligt verktyg. Model API + muse-spark-1.2 på Standard. Byt base_url till https://api.meta.ai/v1.

Skriv och testa kod i en kodbas. Muse Code interaktivt. Börja med /plan och /grill innan du släpper lös /goal på huvudgrenen.

Samma sak i CI-kedjan. muse exec och META_API_KEY. Läs behörigheterna innan du kör mot produktion.

Känslig kod som inte får lämna kontoret. Muse Glimmer lokalt, eller den policy för lokal drift ni redan har. Inte Contributor – och kom ihåg att även Standard skickar koden till Metas servrar, den tränar bara inte på den.

Annonsvarianter, katalog, A/B-bilder. Muse Image till 0,01 dollar, sedan mänsklig kreativ styrning. Inte Spark – Spark skriver text om bilden, den ritar den inte.

Grafiska flöden, skärmar, blandad media utan tung kod. Utvärdera Spark 1.1 mot 1.2 på just den uppgiften.

Prototyp utan kunddata. Contributor för att lära er API:t. Flytta till Standard innan första riktiga kundfilen.

Vad det betyder för byråer och marknadsföringsteam

En kodagent låter som något bara utvecklare behöver. I praktiken syns den i tre leveranser som de flesta byråer redan säljer: webbutveckling, teknisk SEO och AI-produktion.

Kampanjsidor och sajter. En landningssida är sällan ett stycke text. Den ska ha strukturerad data, hålla Core Web Vitals, skicka konverteringar rätt och inte tappa indexering. När något går sönder syns det ofta först i Search Console – inte i chatten där texten skrevs. En agent som kan ändra flera filer, köra testerna och fortsätta efter en krasch är mer värd än en modell som bara formulerar om sidtexten.

Bilder till annonser. Muse Image kostar en cent per lyckad bild. Det räcker för att ta fram många varianter till en Meta-kampanj och sedan välja ut de som håller. Det ersätter inte en designer. Det ersätter det manuella steget att producera 50 utkast innan någon tittar på dem. Varumärke och upphovsrätt ska fortfarande granskas innan något går live.

Jobb som tidigare var för dyra att automatisera. Spark Standard är tydligt billigare än Claude Opus per miljon tokens. Då blir det rimligt att låta en modell gå igenom loggar, kontrollera interna länkar, validera produktflöden eller uppdatera tjugo likadana stadssidor – arbete som annars äter kalendertid men sällan får en senior att sätta sig en hel dag.

Vi använder fortfarande Claude när det gäller strategi och svåra vägval. Muse är intressant när uppgiften är lång, priset märks och resultatet ska landa som riktig kod – inte som ett chattfönster ni klistrar in för hand.

Så kommer du i gång

Skapa en API-nyckel hos Meta och välj Standard, inte Contributor, så länge du är osäker på datan. Installera Muse Code från Metas officiella sida på en kopia av ett projekt du känner – läs vad installationskommandot gör innan du kör det.

Ge agenten en liten uppgift: ett test, en textändring eller en intern länk. Använd /plan först. Inte en omdesign av startsidan.

Jämför sedan samma uppgift i Claude Code. Räckte tiden? Behövde du styra om den? Blev testerna gröna? Skulle du ha slagit ihop ändringen? Först när svaret är ja på det sista är det dags att köra muse exec i CI, och då på en egen gren.

Vill du bara känna på Spark utan terminalen pekar du en befintlig OpenAI-klient mot https://api.meta.ai/v1 och modellen muse-spark-1.2. Samma modell, inget extra gränssnitt. Källorna längst ner i artikeln räcker för att komma vidare.

Vanliga frågor om Muse Code och Muse-modellerna

Relaterat innehåll

• Claude för marknadsföring
• Claude Code för webbutveckling
• AI-verktyg för marknadsföring 2026
• AI-bildgenerering
• AI-driven content-produktion

Källor: Muse Code docs, Models, Pricing, Introducing Muse Code and Muse Spark 1.2, Introducing Muse Glimmer. Priser och modell-id kan ändras – kontrollera Metas sidor före beslut.