Meta bietet Teams, die KI-Coding-Agenten entwickeln, eine kostengünstigere Option.
Das Unternehmen hat Muse Spark 1.1 am Donnerstag als öffentliche Vorschau in den USA veröffentlicht und damit Entwicklern Zugang gewährt, die Coding-Assistenten entwickeln, welche Tools nutzen, Dateien prüfen und längere Softwareaufgaben bearbeiten können. Die Preise beginnen bei 1,25 US-Dollar pro Million Eingabetokens und 4,25 US-Dollar pro Million Ausgabetokens. Damit erhalten Teams eine kostengünstigere Option, während sie agentische Coding-Modelle von Meta, OpenAI, Anthropic und anderen vergleichen.
Für Entwicklungsteams ist das Versprechen einfach: mehr Spielraum zum Experimentieren. Die schwierigere Frage lautet, ob günstigere Agenten ohne strengere Prüf-, Protokollierungs- und Freigaberegeln in der Nähe von echtem Code vertrauenswürdig eingesetzt werden können.
„Am stärksten bei Agentenleistung, Tool-Nutzung und Computernutzung“
US-Nutzer, die an der Vorschau teilnehmen, erhalten 20 US-Dollar an kostenlosen Guthaben, bevor die kostenpflichtige Nutzung beginnt.
Der frühe Zugang war auf ausgewählte Partner beschränkt gewesen. Mit der öffentlichen Vorschau können US-Entwickler, die an Coding-Assistenten, App-Entwicklung und agentenbasierten Workflows arbeiten, das Modell testen. Die Kompatibilität mit OpenAI-Standards könnte außerdem den Einrichtungsaufwand für Teams verringern, die Muse Spark 1.1 mit anderen KI-Modellen.
Mark Zuckerberg bezeichnete die Veröffentlichung in einem Beitrag auf X als „starkes agentisches und Coding-Modell zu einem sehr niedrigen Preis“ und fügte hinzu, dass es bei Agentenleistung, Tool-Nutzung und Computernutzung am stärksten sei.
Alexandr Wang, Metas Chief AI Officer, sagte gegenüber CNBC, die Preise seien „sehr aggressiv und attraktiv“. Das Unternehmen wolle eine Preisgestaltung, die „mit einer enormen Nutzung skaliert“.
Das Modell kann über Dateien und Bildschirme hinweg arbeiten
Meta zufolge ist Muse Spark 1.1 für mehrere Arten von Aufgaben ausgelegt:
- Code schreiben und Fehler beheben
- Softwaretools verwenden
- Text, Bilder, Videos und Dokumente verstehen
- Mehrstufige Aufgaben mit weniger menschlicher Anleitung erledigen
Ein wichtiges Verkaufsargument ist die Fähigkeit, mit verschiedenen Arten von Eingaben zu arbeiten. Ein Entwickler könnte das Modell bitten, schriftliche Anweisungen zu durchdenken, einen Screenshot zu prüfen, Projektdateien zu lesen oder im Rahmen derselben Aufgabe innerhalb einer Softwareumgebung zu arbeiten.
Das Unternehmen erklärt außerdem, dass das Modell ein Kontextfenster mit 1 Million Tokens unterstützt. Das könnte ihm dabei helfen, den Überblick über längere Projekte oder umfangreiche Anweisungssätze zu behalten.
Warum Coding für Muse Spark 1.1 ein wichtiger Test ist
Softwareentwicklung ist für Muse Spark 1.1 ein anspruchsvoller Test, weil der erzeugte Code auch nach der Ausgabe funktionieren muss. Ein fehlgeschlagener Test kann das Modell dazu zwingen, den Fehler zurückzuverfolgen, bevor es den Quellcode anfasst. Sobald es eine Änderung vornimmt, muss die Korrektur weiterhin funktionieren.
Visuelle Fehler stellen ein anderes Problem dar. Nicht jeder Fehler zeigt sich in einem Testergebnis. Bei einer fehlerhaften Seite muss das System möglicherweise zunächst einen Screenshot lesen, bevor es einen Browser in einer Sandbox öffnet oder die Projektdateien überprüft.
Teams brauchen vor dem Einsatz in echtem Code weiterhin Leitplanken
Niedrigere Preise könnten mehr Start-ups und Entwicklungsteams für KI-gestützte Coding-Tests gewinnen, insbesondere wenn sie aufgrund der Kosten bisher darauf verzichtet haben, Agenten in großem Umfang einzusetzen.
Der bloße Zugang macht Automatisierung allerdings noch nicht sicher. Ein Coding-Agent kann Routineaufgaben beschleunigen und dann ein neues Problem verursachen, indem er die falsche Datei ändert oder einen Kontext übersieht, den ein menschlicher Prüfer erkannt hätte.
Bevor sie diese Systeme auf produktivem Code einsetzen, müssen Führungskräfte in der Entwicklung Regeln dafür festlegen, wo das Tool arbeiten darf und wann eine Person den nächsten Schritt genehmigen muss. Auch Protokolle werden wichtig, weil Teams wissen müssen, was geändert wurde, wenn eine KI-gestützte Korrektur später einen Fehler verursacht.
Günstigere Tests können Entwicklern helfen, schneller voranzukommen, doch die Verantwortung bleibt beim Team, das das Tool einsetzt. Wenn ein Agent einen Fehler in ein Produkt oder ein internes System einschleust, müssen Kunden und Mitarbeiter zuerst mit den Folgen umgehen.
Meta steht in Frankreich erneut unter Druck, weil die Frage im Raum steht, ob Nachrichtenverlage für Inhalte bezahlt werden sollten, die ihre Plattformen unterstützen.