Meta Rilis Muse Spark 1.3, Jago Coding dan Lebih Efisien

Meta kembali memperbarui lini model kecerdasan buatannya yang dirancang khusus untuk membantu pekerjaan pemrograman. Kali ini, perusahaan di balik Facebook dan Instagram merilis Muse Spark 1.3, model AI coding terbaru yang diklaim membawa peningkatan signifikan dalam kemampuan menulis kode dan menjalankan pekerjaan secara mandiri.

Muse Spark 1.3 diperkenalkan Meta pada Rabu (2/9/2026), hanya sekitar satu bulan setelah perusahaan meluncurkan Muse Spark 1.2 pada awal Agustus. Jarak peluncuran yang relatif singkat ini menunjukkan agresivitas Meta dalam mengembangkan model AI yang ditujukan untuk kebutuhan developer, terutama untuk menangani pekerjaan coding yang kompleks dan membutuhkan banyak tahapan.

Meta mengatakan Muse Spark 1.3 tidak hanya dibuat lebih pintar dalam menghasilkan kode, tetapi juga lebih baik dalam menjalankan agentic workflow. Dalam pola kerja tersebut, AI tidak sekadar memberikan jawaban atau potongan kode berdasarkan perintah pengguna, tetapi dapat merencanakan pekerjaan, menggunakan berbagai tools, menjalankan beberapa langkah, lalu menyelesaikan tugas dengan tingkat kemandirian yang lebih tinggi.

Skor Benchmark Naik Signifikan

Salah satu indikator peningkatan kemampuan Muse Spark 1.3 terlihat dari hasil pengujian benchmark yang dibagikan Meta. Dalam DeepSWE v1.1, Muse Spark 1.3 mencatat skor 75,4.

Angka tersebut meningkat cukup jauh dibandingkan Muse Spark 1.2 yang memperoleh skor 55 dalam pengujian yang sama. Dengan demikian, terdapat peningkatan lebih dari 20 poin hanya dalam waktu sekitar satu bulan sejak generasi sebelumnya diperkenalkan.

Meta juga membandingkan hasil tersebut dengan sejumlah model AI lain yang digunakan untuk coding. Dalam data pengujian yang dicantumkan perusahaan, Muse Spark 1.3 memperoleh skor lebih tinggi dibandingkan GPT-5.6 Sol dari OpenAI yang mencatat skor 73 dan Opus 5 dari Anthropic dengan skor 74.

Hasil benchmark tersebut tentu menjadi salah satu klaim utama Meta dalam memperkenalkan model terbarunya. Namun, skor benchmark sebaiknya tetap dipandang sebagai salah satu indikator kemampuan, bukan satu-satunya ukuran untuk menentukan model AI coding terbaik.

Pasalnya, performa model dalam penggunaan sehari-hari dapat dipengaruhi berbagai faktor, mulai dari jenis proyek, bahasa pemrograman, kompleksitas kode, kemampuan menggunakan tools hingga seberapa baik model memahami konteks pekerjaan yang panjang.

Fokus pada Coding Jangka Panjang

Meta menyebut peningkatan terbesar Muse Spark 1.3 terasa ketika model digunakan untuk pekerjaan long-horizon coding, yakni tugas pemrograman yang membutuhkan banyak langkah dan waktu lebih panjang untuk diselesaikan.

Untuk meningkatkan kemampuan tersebut, Meta melatih Muse Spark 1.3 menggunakan lebih banyak tugas coding jangka panjang. Pendekatan ini ditujukan agar model tidak hanya mampu menyelesaikan permintaan sederhana, tetapi juga dapat mempertahankan konteks dan tujuan ketika harus mengerjakan proyek yang terdiri dari banyak tahapan.

Kemampuan ini menjadi semakin penting seiring berkembangnya penggunaan AI sebagai coding agent. Dalam skenario tersebut, developer dapat memberikan tujuan tertentu kepada AI dan membiarkan model melakukan sejumlah pekerjaan secara bertahap, seperti membaca kode, mencari masalah, mengubah beberapa file, menjalankan pengujian, memperbaiki kesalahan, hingga mengevaluasi hasilnya.

Meta mengklaim Muse Spark 1.3 mampu menjalankan pekerjaan semacam itu dengan lebih cepat dan efisien dibandingkan Muse Spark 1.2.

Lebih Sedikit Tool Calls dan Token

Peningkatan kemampuan tersebut juga disebut berdampak pada efisiensi penggunaan sumber daya. Berdasarkan perbandingan yang dilakukan engineer Meta, Muse Spark 1.3 membutuhkan sekitar 20 persen lebih sedikit tool calls dibandingkan Muse Spark 1.2.

Selain itu, model baru tersebut menggunakan sekitar 25 persen lebih sedikit token untuk menyelesaikan pekerjaan yang sama.

Bagi developer, efisiensi ini bukan sekadar persoalan teknis. Semakin sedikit langkah yang diperlukan AI untuk menyelesaikan sebuah pekerjaan, semakin cepat pula tugas dapat dituntaskan. Penggunaan token yang lebih rendah juga dapat membantu mengendalikan biaya, khususnya ketika model digunakan untuk proyek besar dengan percakapan panjang dan banyak interaksi dengan tools.

Efisiensi menjadi semakin relevan ketika AI coding agent digunakan secara intensif. Dalam pekerjaan pemrograman yang kompleks, satu tugas dapat melibatkan ribuan hingga jutaan token serta banyak pemanggilan tools.

Bisa Mengerjakan Beberapa Workflow Sekaligus

Muse Spark 1.3 juga mendapatkan peningkatan dalam menangani beberapa workflow dalam satu percakapan panjang.

Sebagai contoh, developer dapat meminta AI mengerjakan sebuah tugas pemrograman. Di tengah proses, pengguna kemudian memberikan instruksi lain yang tidak berkaitan langsung dengan pekerjaan pertama. Setelah pekerjaan kedua selesai, pengguna dapat kembali meminta AI melanjutkan tugas sebelumnya.

Menurut Meta, Muse Spark 1.3 lebih akurat dalam menentukan instruksi baru tersebut harus diterapkan pada pekerjaan yang mana.

Kemampuan mempertahankan konteks seperti ini penting karena percakapan antara developer dan AI coding agent dapat berlangsung panjang. Tanpa pengelolaan konteks yang baik, AI berisiko menerapkan perubahan pada bagian kode yang salah atau melupakan tujuan awal yang sedang dikerjakan.

Dengan peningkatan tersebut, Meta ingin menjadikan Muse Spark 1.3 lebih menyerupai rekan kerja digital bagi developer, bukan sekadar chatbot yang memberikan saran kode.

Gaya Coding Diklaim Lebih Bersih

Meta juga melakukan perubahan pada cara Muse Spark 1.3 menghasilkan kode dan berinteraksi dengan pengguna. Perusahaan mengatakan model terbaru menghasilkan gaya coding yang lebih bersih dibandingkan Muse Spark 1.2. AI juga dirancang agar tidak terlalu bertele-tele serta mengurangi langkah dan percakapan tambahan yang dianggap tidak diperlukan.

Bagi developer, perubahan semacam ini dapat membuat penggunaan AI terasa lebih praktis. Model yang terlalu banyak memberikan penjelasan atau melakukan langkah tambahan dapat memperpanjang proses, terutama ketika pengguna sebenarnya hanya membutuhkan perubahan kode tertentu.

Dengan respons yang lebih ringkas dan tindakan yang lebih terarah, AI diharapkan dapat bekerja lebih dekat dengan pola kerja developer sehari-hari.

Dirancang untuk Mengurangi Halusinasi

Selain kemampuan coding, Meta juga berupaya meningkatkan keandalan Muse Spark 1.3. Salah satu fokusnya adalah mengurangi halusinasi AI, yaitu kondisi ketika model menghasilkan informasi atau keputusan yang keliru tetapi menyampaikannya seolah-olah benar.

Untuk mengatasinya, Muse Spark 1.3 dirancang agar lebih mampu mengenali celah atau kesalahan dalam rencana kerja yang sedang dibuatnya. Setelah menemukan masalah, model dapat melakukan perbaikan secara proaktif sebelum melanjutkan pekerjaan.

Kemampuan tersebut menjadi penting bagi AI coding agent karena kesalahan kecil dalam perencanaan dapat menimbulkan masalah pada tahap berikutnya. Ketika sebuah tugas terdiri dari banyak langkah, kesalahan pada tahap awal berpotensi menghasilkan rangkaian kesalahan baru.

Karena itu, kemampuan mengevaluasi dan memperbaiki rencana sendiri menjadi salah satu aspek penting dalam pengembangan AI agent untuk pemrograman.

Harga API Tetap Sama

Muse Spark 1.3 mulai tersedia melalui Muse Code dan Meta Model API. Menariknya, Meta tidak menaikkan harga API meskipun kemampuan model mengalami peningkatan.

Tarif Muse Spark 1.3 tetap berada di angka 1,25 dollar AS per satu juta token input, sedangkan token input yang tersimpan dalam cache dikenakan biaya 0,15 dollar AS per satu juta token. Untuk token output, tarifnya sebesar 4,25 dollar AS per satu juta token.

Meta juga mempertahankan program Contributor Tier dengan harga yang lebih rendah. Program ini ditujukan bagi developer yang bersedia mengizinkan data mereka digunakan untuk membantu meningkatkan model AI Meta. 

Dalam skema tersebut, biaya yang dikenakan adalah 0,10 dollar AS per satu juta token input dan 0,20 dollar AS per satu juta token output. Dengan kombinasi peningkatan kemampuan, efisiensi penggunaan token, serta harga API yang tetap, Muse Spark 1.3 menjadi langkah terbaru Meta untuk memperkuat persaingan di pasar AI coding.

Peluncuran ini juga memperlihatkan bahwa persaingan model AI kini tidak hanya berfokus pada kemampuan menjawab pertanyaan. Perusahaan teknologi semakin berlomba menciptakan AI yang mampu memahami konteks panjang, menggunakan tools, mengoreksi kesalahan sendiri, dan menyelesaikan pekerjaan kompleks dengan campur tangan manusia yang lebih sedikit.

Jika kemampuan tersebut terus berkembang, AI coding agent berpotensi mengubah cara developer bekerja. AI bukan lagi hanya alat untuk menulis potongan kode, melainkan dapat berkembang menjadi mitra kerja yang menangani sebagian besar tahapan pengembangan perangkat lunak dari awal hingga selesai.