Ha úgy érzed, hogy az AI-kódolás már most is zsúfolt piac, igazad van — és most a Meta is beszállt. A kérdés nem az, hogy „tud-e kódot írni”, hanem hogy mennyire tud megbízhatóan végigvinni hosszú, eszközökkel tarkított fejlesztési feladatokat, és mindezt milyen áron.

Mi történt

A Meta csütörtökön nyilvánosan elindította a Muse Spark 1.1-et, egy multimodális (vagyis többféle bemenetet — például szöveget és más formátumokat — kezelni képes) AI-modellt, amit kifejezetten agentic codingra pozicionál. Az „agentic” itt nagyjából azt jelenti, hogy nem csak válaszol egy kérdésre, hanem feladatokat hajt végre: lépéseket tervez, eszközöket hív meg, és több körben iterál, mintha egy junior fejlesztő vagy ops-os kolléga kapott volna egy ticketet.

A Spark 1.1 a cég állítása szerint képes többlépcsős következtetésre, összetettebb folyamatok kezelésére, digitális munkafolyamatok menedzselésére, és új funkciók telepítésének támogatására vállalati rendszerekben. A Meta üzenete kifejezetten az enterprise irány: nagy agentic terhelések, hibajavítás és nagyobb kódmigrációk támogatása.

Árazásban a Meta láthatóan versenyképesre lő: a Reuters által idézett díj 1,25 dollár / millió input token és 4,25 dollár / millió output token. (A „token” gondolj rá úgy, mint szövegdarabokra bontott egységekre: nem karakter és nem szó pontosan, inkább a modell belső „szótárának” szeletei. Minél hosszabb a prompt és minél hosszabb a válasz, annál több token fogy.) Ez az árszint nagyjából egy sávban van a hasonló kategóriájú ajánlatokkal.

Miért fontos

A kódoló modellek versenyében egyre kevésbé az a döntő, hogy „megír-e egy függvényt”, és egyre inkább az, hogy képes-e orchestrálni: repo feltérképezés, tesztek futtatása, hibajegy értelmezése, több fájl módosítása, majd a változtatások biztonságos végigvezetése. Ez olyan, mint amikor nem egyetlen csavart húzol meg, hanem egy teljes szerelési folyamatot vezényelsz le — és közben szerszámokat is cserélsz. A Meta most erre a „munkafolyamat-AI” rétegre próbál rámenni, ahol a költség (tokenár), a megbízhatóság és az eszközhasználat minősége közvetlenül pénzben mérhető.

Mire figyelj

  1. Valódi agentic képességek a gyakorlatban: mennyire stabilan fut végig több lépésen, mennyire „akad el” eszközhasználat közben, és hogyan kezeli a részfeladatokra bontást.
  2. Enterprise integráció és kontroll: mennyi munkát igényel a vállalati környezetbe illesztés (jogosultságok, audit, naplózás), és milyen korlátokkal lehet biztonságosan használni kódmigrációkra.
  3. Ár–teljesítmény arány: a tokenár önmagában kevés; az számít, hogy egy feladatot hány próbálkozásból és mennyi fölösleges outputtal old meg. A „drága” modell néha olcsóbb, ha kevesebbet hibázik.
  4. Meta következő lépései: Mark Zuckerberg nyilvános posztja azt sugallja, hogy további modellek jönnek, miközben a hét amúgy is tele volt nagy bejelentésekkel. A kérdés az, hogy a Spark köré tudnak-e olyan ökoszisztémát építeni, ami nem csak egy újabb modell, hanem napi szinten használható fejlesztői infrastruktúra.

A következő hónapokban az fogja eldönteni a Spark 1.1 helyét, hogy mennyire lesz „megbízható kolléga” a hosszú, eszközökkel összefűzött fejlesztési munkákban — és mennyire tudja ezt kiszámítható költségen hozni.