Meta发布Muse Code AI编程代理

Meta将Muse Code的成本定位为其主要差异化优势，而非基准性能。标准使用按每百万输入token 1.25美元、每百万输出token 4.25美元计费，但选择共享使用数据以帮助改进模型的开发者可享受“贡献者层级”优惠价，仅为每百万输入token 0.10美元、每百万输出token 0.20美元^[1]——比标准费率便宜十倍以上，远低于Anthropic Sonnet 5的每百万token 3/15美元^[2]。这一价格差距至关重要，因为Muse Spark 1.2在已发布的编码基准测试中并未领先：在Terminal-Bench 2.1上得分为82.9%，低于Claude Opus 5的86.7%；在DeepSWE 1.1上为59.3%，低于Opus 5的65.0%^[3]。在Meta自有的内部编码基准测试中，Muse Spark 1.2得分为70.6%，高于GPT-5.6 Terra的65.4%和Gemini 3.6 Flash的63.9%，但仍落后于Claude Opus 5的79.4%^[3]。首席AI官Alexandr Wang直接强调了这一策略，向记者表示：“我们认为对于许多工作流和使用场景而言，这可能是一个极佳的选择，尤其是在成本方面。”^[4]，而未宣称其全面领先。

Muse Code的技术设计核心在于风险隔离。对于大型项目，它在隔离的工作树中启动并行子代理，而非直接修改用户的工作副本。正如Mark Zuckerberg所言：“你的工作副本永远不会被触碰。在测试中，我们曾让它同时为一款游戏构建六个功能，且无任何冲突。”^[4]该代理还保留一个本地的、仅追加的事件日志，记录每次模型调用、工具运行、审批和编辑^[5]，Meta称这使得运行过程可精确重放，并能在崩溃后干净恢复。在此运行环境之上，默认集成了三项技能：/plan将任务转化为需审批的计划；/grill对该计划进行压力测试直至其稳固；/goal则推动任务完成^[5]。在Meta自身的内核优化案例研究中，Muse Spark 1.2在长达24小时内执行了超过1,000次工具调用，以迭代优化NVIDIA Hopper硬件上的GPU内核^[6]，此例展示了该框架支持长时间自主会话的能力。与Claude Code的对比评测也指出了Meta坦承的两个局限：该框架本身未开源，据Zuckerberg本人声明；且Muse Code目前缺乏Claude Code已具备的内置语音模式——这些是以其显著更低的价格为代价的权衡。

贡献者层级折扣并非免费：要获得该资格，必须同意共享使用数据以便Meta改进模型，尽管Meta表示为担心暴露专有代码库的企业提供“无数据保留”选项^[7]。这一权衡，加上与Claude Opus 5的基准差距，影响了外界对此次发布的评价。BeInCrypto的分析认为，该产品的真正优势在于架构而非纯粹能力：“Meta打造了一个可靠的第二名编码器，并以预算选项的价格出售。”^[3]Reddit和X平台上的社区反应则更为分化。Reddit讨论中，一些评论者引用Meta在Llama 4基准测试中的争议历史作为质疑公布分数的理由，而同一话题下的其他用户则争论实际应用中的token效率是否匹配Meta公布的数字——这是社区讨论中提出的问题，而非既定结论。X平台上一篇持怀疑态度的帖子将此次发布贬为营销噱头，认为其在遗留代码库上难以成功，但该帖互动极少，并不代表更广泛从业者的共识。另有评论者反驳了数据共享本身的反对意见，指出大多数付费编码代理API默认并不基于客户数据进行训练，因此他们认为“不要把数据给Meta”的反对立场有些前后不一。

Muse Code标志着Meta AI部门约十四个月重建工作的收官。2025年6月，Meta向Scale AI投资约140亿美元，并将其CEO Alexandr Wang引入公司，领导新成立的Meta Superintelligence Labs，参与全行业范围的AI人才争夺战^[8]。Meta于2026年4月首次推出原始Muse Spark模型，作为Llama系列的彻底替代品^[9]，随后于2026年7月发布Muse Spark 1.1，正式进军竞争激烈的AI编码领域^[10]。Muse Code及其共训模型Muse Spark 1.2于2026年8月5日发布，标志着Meta首款专用编码代理的诞生，也是其迄今为止对Anthropic的Claude Code和OpenAI的Codex最直接的挑战^[5][8]。