Meta'nın Muse Spark 1.3 incelemesi: güçlü kod ve fiyatlandırma, zayıf skill'ler ve sandbox

Bir geliştirici, Meta'nın son frontier seviye modeli olarak tanımlanan Muse Spark 1.3 ile şirketin geliştiricilere sunduğu LLM harness'i muse üzerine uygulamalı bir inceleme yayımladı. Dev.to'da gosukiwi adıyla yazan inceleyicinin kararı karışık: modelin kendisi zekâ, okunabilirlik ve hız açısından rekabetçi ve abonelik iyi bir değer sunuyor; ancak çevresindeki ürün — skill yürütme, çıktı biçimlendirme ve sandbox — hâlâ geliştirilmeye ihtiyaç duyuyor.

Skill yürütmesi zayıf nokta

En keskin eleştiri, harness'in çalıştırabildiği betikleşmiş iş akışları olan skill'lerle ilgili. İncelemeye göre, bir skill disable-model-invocation ile işaretlendiğinde, Muse Spark 1.3 bazen geliştirici elle çağırdığında bile onu başlatmayı reddediyor. İnceleyici bunun skill cümlenin ortasında çağrıldığında meydana geldiğinden şüpheleniyor, ancak davranışın tutarlı olmadığını bildiriyor.

Daha geniş ölçekte, modelin bir skill'in talimatlarını takip etmede akranlarından daha zayıf olduğu ve kolayca kafası karıştığı belirtiliyor. Test vakası olarak inceleyici, bir GitHub issue'dunu pull request'e kadar götüren bir skill kullanıyor: önce issue'yu sorguluyor, ardından otonom biçimde planlıyor, TDD ile uyguluyor, kodu inceliyor ve PR'ı açıyor. Aynı skill'in Claude (Opus 5) ve Cursor (Grok 4.6) üzerinde kusursuz çalıştığı bildiriliyor. Muse Spark 1.3 altında ise iş akışı adımlar arasında takılıyor; "devam et" yazmak yeniden harekete geçirmeye yetiyor, bu işe yarıyor ama günlük kullanımda can sıkıcı.

Çıktı biçimlendirme ikinci bir rahatsızlık kaynağı. Yanıtlar bazen ham markdown olarak, bazen de biçimlendirilmiş görünüyor ve tutarlı bir örüntü yok.

Sandbox fazla katı

Harness bir sandbox ile geliyor; inceleyici bunu ilke olarak iyi bir fikir olarak değerlendiriyor ama uygulamada fazla kısıtlayıcı buluyor. Sandbox, workspace dışındaki dosyaların çalıştırılmasını engelliyor ve harici portları yasaklıyor, bu da Firebase emülatörlerini başlatma gibi iş akışlarını imkânsız kılıyor. İstisna ekleme veya sandbox'ı başka şekilde yapılandırma mekanizması yok.

Bu da cazip olmayan iki seçenek bırakıyor: aynı izin istemlerini tekrar tekrar onaylamak — inceleyici, modelin bazen aynı izni defalarca isteyip fiilen hiçbir şey yapmaz hale gelebildiğini söylüyor — ya da --yolo moduna geçip tüm korumaları bırakmak.

İşe yarayan yanlar

Ham yetenek tarafında tablo epey iyileşiyor. İnceleyici, modelin genel ve kodlama zekâsını öznel olarak Opus 4.8 ve Grok 4.6 seviyesinde değerlendiriyor ve ürettiği kodun diğer frontier modellerin ürettiğine çok benzediğini — çıktıların ayırt edilmesinin zorlaştığı kadar — söylüyor.

Okunabilirlik de övgü topluyor: inceleyici, Claude'un kendine özgü bir lehçeyle yazdığıyla espri yaparken, Muse Spark 1.3'ün yanıtı yeniden yazması için nadiren uyarılması gerektiğini belirtiyor. Hız ise sağlam olarak tanımlanıyor; ortalama ilk token süresinin ardından hızlı bir üretim geliyor.

Fiyatlandırma ve kullanım limitleri

Fiyat, inceleyicinin modeli ilk denemesinin ana nedeniydi. 15 dolarlık planda, 5 saatlik limite ulaşmadan önce kesintisiz kodlama yaklaşık 2 ila 4 saat sürmüş; yoğun eşzamanlı oturumlar limiti daha hızlı tüketmiş. Haftalık kullanım hakkı yaklaşık 4-5 adet 5 saatlik pencereye, kabaca 25 saate denk geliyor. 50 dolarlık plan yaklaşık %33 daha fazla kullanım ekliyor; inceleyicinin hesabına göre bu, günlük yaklaşık 11,5 saat kodlamaya yetiyor. Rakip planlarla karşılaştırıldığında bu, mevcut en iyi değerlerden biri olarak görülüyor.

Neden önemli

İnceleme, Meta'nın kodlama-agent pazarında açığı kapatmaya çalıştığını ve bu açığın modelin kendisinden çok ürün altyapısında yattığını gösteriyor. Temeldeki zekâ, çıktı kalitesi ve fiyat-kullanım oranı zaten Codex, Claude ve Cursor ile rekabet ediyor; ekosistemi geri tutan şey güvenilir olmayan skill yürütmesi, yapılandırılamayan sandbox ve tutarsız biçimlendirme. İnceleyicinin özeti şu: yeni bir şey ya da daha ucuz bir seçenek istemediğiniz sürece bugün geçmek için güçlü bir neden yok; ancak Meta'nın modeli, veri merkezleri ve mühendislik kadrosu göz önüne alındığında, ürünün birkaç ay içinde olgunlaşması gayet mümkün. AI araç bütçelerini takip eden ekipler için, yalnızca fiyatlandırma yapısı bile bunu izlemeye değer kılıyor.