Meta 正式推出首款编程智能体 Muse Code，并同步发布针对编程优化的前沿模型 Muse Spark 1.2。这是 Meta 在 AI 编程工具领域最具野心的一次布局，旨在向 Anthropic 和 OpenAI 发起直接挑战。
Meta CEO 马克·扎克伯格在社交平台 X 上宣布，Muse Code 测试版已具备“在大型代码库中执行完整软件工程任务”的能力。该工具由 Meta AI 负责人 Alexandr Wang 主导研发，基于终端运行，依托 Muse Spark 1.2 模型，在代码生成、复杂调试、代码库理解及端到端开发者工作流方面实现了显著升级。
为编程而生，性能仍逊于 Claude Code
Muse Code 的核心架构创新在于其“异步后台智能体”机制。与竞品为每个任务临时生成辅助智能体不同，Muse Code 在整个会话期间维持一组专用后台智能体持续运行。这种设计避免了冗余的信息收集，智能体可自主执行后续步骤并择机汇报，从而大幅降低延迟并减少人工监督。
在处理大规模任务时，系统会将工作分发至独立的子智能体进行并行处理，每个子智能体均在隔离的 Git 工作树中运行，确保开发者的主工作副本不受干扰。此外，Muse Code 具备强大的可审计性与容错能力：若长周期任务中断，系统可从断点精确恢复，所有操作均记录于本地事件日志，支持精确重放。
基准测试数据显示，Muse Spark 1.2 在 Terminal-Bench 2.1 上得分为 82.9%，略高于 OpenAI 的 GPT-5.6 Terra（81.8%）和 xAI 的 Grok 4.5（81.6%），但落后于 Anthropic 的 Opus 5（86.7%）。在 DeepSWE 1.1 基准中，Muse Spark 1.2 得分为 59.3%，排名第三。尽管在 Meta 内部基准测试中以 70.6% 的成绩击败部分竞品，但仍与 Opus 5 存在近 9 个百分点的差距。
值得注意的是，Muse Spark 1.2 相较前代版本有显著提升，在 Terminal-Bench 和 DeepSWE 上分别提高了 6.7 和 6.3 个百分点。Meta 还展示了一个长达 24 小时的 GPU 内核优化案例，智能体在无法调用第三方库的限制下，成功实现了实质性的性能改进。
定价策略：以数据换折扣
价格优势是 Meta 差异化竞争的关键。Muse Code 提供两种 API 层级：标准层级采用按量付费，输入 token 价格为 1.25 美元/百万，输出为 4.25 美元/百万，低于 Anthropic Sonnet 5，且承诺不利用用户数据训练模型；贡献者层级价格极具竞争力，输入仅需 0.10 美元/百万，输出 0.20 美元/百万，成本比 DeepSeek-V4-Flash 更低。
作为低价交换，贡献者层级用户需同意 Meta 利用其数据改进模型，且速率限制较为严格（每分钟 60 次请求），主要面向个人开发者及小型实验。对于有数据隐私需求的企业，Meta 提供了零数据保留选项，但需额外付费。
此次发布正值 Meta 财报承压之际，公司亟需通过 AI 业务开辟新的营收增长点，以平衡其在数据中心和计算基础设施上的巨额投入。
开源战略转向？小扎留下悬念
本次发布最引人注目的变化是 Meta 对“开源”只字未提。过去三年，Meta 凭借 Llama 系列确立了开放 AI 的旗手地位，但自 Llama 4 表现平平及中国开源模型崛起后，其策略开始动摇。
随着 Meta 超级智能实验室（MSL）的成立及 Alexandr Wang 的加入，Meta 已转向专有模型路线。继 4 月发布仅限云端 API 的 Muse Spark 后，此次 Muse Code 依然没有任何开源承诺。相比之下，OpenAI 和 Google 近期均在推进开源或开放权重模型，Meta 的姿态更接近 Anthropic 的专有模式。
面对开发者关于开源计划的提问，扎克伯格仅回应“很快会有更多消息分享”，并未给出明确承诺。新的贡献者层级似乎标志着 Meta 策略的根本转变：从免费开放权重换取市场份额，转为以廉价 Token 换取训练数据。
参考链接：
https://research.meta.ai/blog/introducing-muse-code-and-muse-spark-1-2
声明：本文为 AI 前线整理，不代表平台观点，也不构成投资建议，未经许可禁止转载。
