Pada 5 Agustus 2026, Meta Superintelligence Labs merilis Muse Code, agen pemrograman yang berjalan di dalam terminal dan ditenagai model baru bernama Muse Spark 1.2, yang dibuat untuk mengerjakan tugas rekayasa berdurasi panjang di repositori kode besar, bukan pada baris-baris yang terpisah. Pelajaran langsung bagi pemilik bisnis: alat pemrograman AI telah beralih dari memberi saran dan melengkapi kode menjadi menjalankan tugas utuh yang berlangsung berjam-jam, dan itu mengubah kecepatan sekaligus biaya pengembangan. Ada satu hal yang tidak berubah: siapa pun yang memegang kebutuhan, peninjauan, dan pengujian tetap memegang kualitas sistem akhirnya.

Apa sebenarnya yang diluncurkan Meta?

Muse Code adalah alat baris perintah untuk macOS dan Linux, dirilis dalam versi beta, tanpa aplikasi desktop — artinya alat ini menyasar tim pengembang, bukan pengguna umum. Di dalamnya, agen latar belakang asinkron tetap aktif sepanjang sesi sehingga lebih dari satu tugas dapat berjalan bersamaan, ditambah log peristiwa lokal yang memungkinkan sebuah eksekusi diputar ulang secara persis untuk ditinjau kemudian. Alat ini dilengkapi perintah bawaan seperti /plan untuk menyusun rencana kerja, /goal untuk mengunci tujuan, dan /grill untuk menguji ketahanan sebuah solusi sebelum diterima.

Muse Spark 1.2 adalah model di baliknya, dan deskripsi Meta berfokus pada tiga hal: peningkatan dalam pembuatan kode, debugging, dan pemahaman basis kode besar; pelatihan pada tugas pemrograman berjangka panjang, termasuk pembuatan seluruh repositori; serta mekanisme yang menjaga model tetap pada jalurnya selama tugas panjang, seperti perencanaan, pengondisian tujuan, dan pemadatan konteks. Meta menerbitkan perbandingan pada tiga evaluasi — Terminal-Bench 2.1, DeepSWE 1.1, dan tolok ukur pemrograman internalnya — tetapi menyajikannya dalam bentuk grafik, bukan tabel angka yang presisi, sehingga skor spesifik apa pun yang beredar di tempat lain perlu disikapi dengan hati-hati. Model ini tersedia di dalam Muse Code dan melalui Meta Model API.

Pergeseran utama: dari melengkapi satu baris ke bekerja pada sistem

Perbedaan antara asisten pelengkap kode tradisional dan agen modern bukan terletak pada keanggunan kodenya, melainkan pada cakupan tugasnya. Asisten menyarankan baris Anda berikutnya; agen membuka puluhan file, menjalankan perintah, membaca keluaran pengujian, mengedit, mencoba lagi, dan terus bekerja selama satu jam atau lebih. Di sinilah fitur-fitur yang ditekankan Meta menjadi penting: pemadatan konteks membuat agen tidak lupa apa yang dilakukannya di awal tugas panjang, dan log peristiwa membuat apa yang terjadi dapat ditinjau langkah demi langkah, bukan hanya keluaran akhir yang Anda percayai atau tidak.

Dampak praktisnya pada proyek perangkat lunak sangat jelas. Pekerjaan yang membosankan dan berulang — memperbarui pustaka lama di ratusan file, menyeragamkan gaya kode, melengkapi pengujian yang belum ada, memigrasikan API dari satu versi ke versi berikutnya — kini dapat diotomatiskan hingga tingkat yang belum praktis setahun lalu. Dan justru pekerjaan inilah yang menguras anggaran pemeliharaan sistem lama di dalam perusahaan.

Hal yang perlu diperhatikan pengambil keputusan: harga versus data Anda

Menurut harga Meta Model API yang dipublikasikan, tingkat standar model ini berbiaya sekitar $1,25 per juta token masukan dan $4,25 per juta token keluaran, sementara tingkat yang jauh lebih murah bernama contributor tersedia dengan imbalan Anda menyetujui bahwa data Anda boleh digunakan untuk meningkatkan produk Meta. Pilihan ini menarik dari sisi biaya tetapi mengkhawatirkan dari sisi tata kelola: kode proyek Anda memuat logika bisnis Anda, kunci yang terhubung ke sistem Anda, dan terkadang data uji yang diambil dari kehidupan nyata.

Aturan yang kami pegang sederhana: tidak ada kode produksi dan tidak ada data pelanggan yang melewati tingkat yang mengizinkan pelatihan, berapa pun selisih harganya. Dan jika data yang diproses milik individu di dalam Kerajaan Arab Saudi, Anda tunduk pada Undang-Undang Pelindungan Data Pribadi (PDPL) yang diawasi oleh Otoritas Data dan Kecerdasan Buatan Saudi (SDAIA), yang prinsip pembatasan tujuan, minimalisasi data, dan akuntabilitasnya dalam praktik berarti bahwa yang termurah bukanlah kriteria yang cukup untuk memilih penyedia.

Apa artinya ini bagi perusahaan Anda dalam praktik

Pertama, jangan membeli alatnya — belilah hasilnya. Memiliki agen pemrograman yang andal tidak otomatis berarti proyek Anda selesai lebih cepat; yang benar-benar mempercepat proyek adalah kebutuhan yang jelas dan desain yang baik. Agen melipatgandakan kecepatan tim yang tahu apa yang sedang dibangunnya, dan melipatgandakan kekacauan tim yang tidak tahu.

Kedua, bersiaplah biaya pengembangan bergeser dari jam menulis ke jam peninjauan dan verifikasi. Volume kode yang dihasilkan meningkat, sehingga pengujian otomatis, peninjauan sejawat, dan pemeriksaan keamanan kini menjadi hambatan utama, bukan lagi mengetik. Perusahaan yang hari ini belum memiliki pengujian otomatis akan cepat merasakan perbedaannya.

Ketiga, ini adalah peluang nyata untuk memodernisasi sistem lama. Banyak perusahaan menunda migrasi sistem lama karena biaya manualnya terlalu mahal; agen modern membuat migrasi bertahap lebih murah dan lebih cepat, dengan satu syarat: pengujian yang membuktikan perilaku sistem tidak berubah setelah migrasi.

Keempat, pantau persaingan harga antarpenyedia. Masuknya satu pemain besar lagi ke pasar agen pemrograman menekan harga, dan itu menguntungkan Anda, tetapi langkah yang lebih penting adalah membangun sistem Anda agar tidak terkunci pada satu vendor dan biaya peralihan tidak pernah menjadi jebakan di kemudian hari.

Apa yang tidak diubah oleh agen pemrograman

Agen tidak mengetahui aturan bisnis Anda yang tidak tertulis, tidak memikul tanggung jawab hukum, dan tidak memutuskan apakah sebuah fitur memang layak dibangun. Agen masih membuat kesalahan dengan penuh percaya diri, terutama dalam integrasi dengan sistem eksternal dan pada kasus-kasus tepi yang jarang terjadi. Jadi persamaannya tetap seperti semula: spesifikasi yang jelas, pengujian yang membuktikan kebenaran, peninjauan manusia di batas-batas yang sensitif, dan catatan yang menunjukkan siapa mengubah apa dan kapan.

Cara kami bekerja dengannya di Origami

Kami adalah perusahaan teknologi, dan kami menggunakan agen pemrograman di dalam batas rekayasa yang jelas: repositori privat, data uji sintetis alih-alih data pelanggan sungguhan, pengujian otomatis yang berjalan pada setiap perubahan, dan peninjauan manusia sebelum setiap rilis. Manfaat yang didapat klien kami bukanlah karena kami memakai model terbaru di pasar — melainkan biaya dan jadwal yang turun sementara kualitas tetap dapat dibuktikan dan ditinjau.

Sumber