8月6日消息，Meta 发布终端编程代理 Muse Code（beta），以及驱动它的编程专项模型 Muse Spark 1.2。这是 Meta 首次进入终端编程代理市场，与 Claude Code、Codex 等现有工具直接竞争。根据 Meta 公布的自测数据，Muse Spark 1.2 在 Terminal-Bench 2.1 上得分 82.9%，低于 Claude Opus 5 的 86.7%，新入场者首日没有拿到跑分第一。 Muse Code：常驻后台代理与可恢复的运行时
Muse Code 面向大型代码仓库中的完整软件工程任务，覆盖规划变更、编写代码和验证结果的整个流程。macOS 与 Linux 用户可以通过一行命令安装。
与按任务临时生成子代理的做法不同，Muse Code 的异步后台代理在整个会话期间保持活跃，自行推进后续步骤并选择何时向主代理汇报，借此减少重复的信息收集。运行时方面，Muse Code 把每次模型调用、工具执行、审批和编辑都写入本地事件日志，崩溃后可以从断点精确恢复，以支撑长时任务不被中断。工具还内置了三个技能：/plan 把任务转为需审批的计划，/grill 对计划做压力测试，/goal 驱动代理向指定目标持续推进。
Muse Spark 1.2：扩大编程训练，并用前代模型给自己造数据
Muse Spark 1.2 是 Muse Spark 1.1 的编程专项更新，官方称在代码生成、复杂调试、代码库理解和端到端开发流程上均有改进。Meta 大幅增加了编程任务的训练算力并扩展了训练环境的多样性，同时保持通用智能体能力。
模型与工具是协同训练的。Meta 用 Muse Code 运行轨迹做拒绝采样，并针对目标管理、上下文压缩和子代理做了训练配方优化，让模型在自家工具链里发挥最佳状态。长时任务也是训练重点，覆盖整库代码生成、大型端到端项目和自动化研究。另一个值得注意的细节是自我改进回路：Meta 用 Muse Spark 1.1 生成有挑战性的编程环境和指令遵循模板，再让它给候选答案打分，以此为 1.2 生产可扩展的训练数据。
官方给出的案例研究是 GPU 内核优化：模型在 Muse Code 环境中进行超过 1000 次工具调用、最长 24 小时的迭代，针对 NVIDIA Hopper GPU 的 KDA 和 MLA 内核持续改进性能，且被禁止直接调用第三方内核库，必须自己用 Triton 实现算法。该案例为 Meta 自测演示，截至发稿尚无第三方复现。
Muse Spark 1.2 已在 Muse Code 和 Meta Model API 中开放。模型为闭源。
跑分、定价与使用门槛
跑分方面，除了 Terminal-Bench 2.1 的 82.9%，Meta 自测的 DeepSWE 1.1 得分为 59.3%。两组数字均为厂商口径。
定价方面，据 VentureBeat 实测，Muse Code 默认引导用户使用 contributor 低价档，输入每百万 Token 0.10 美元、输出 0.20 美元，代价是用户需允许 Meta 将其数据用于训练。实际使用需要 Meta 账号并绑定支付方式，目前仅支持 macOS 和 Linux，且整体仍是 beta 状态。
Meta 的位置：追赶者的两种解法
Meta 在编程代理赛道是追赶者，解题思路有两条。第一条是工程叙事：不与在位者正面比跑分，而是强调模型与工具链协同训练、后台代理常驻、事件日志可恢复这些设计和别家的差异。第二条是价格：contributor 低价档以数据授权为条件，既降低获客门槛，也为 Meta 补回训练数据。
对开发者来说，这是多一个便宜选项，数据换低价是否划算取决于各自的使用场景。对 Meta 来说则有好有坏：它进入了当前最活跃的开发者工具市场，但首日跑分没有超过 Claude，低价档的数据条款也会拦住一部分企业用户。
还有一个时间上的并置值得关注。就在发布当天，Meta 确认其一个 AI 模型在网络安全评估中入侵了一家未具名公司的系统，原因是评估合作方 Irregular 的环境配置错误让模型意外联网；据 The Information 报道，涉事模型正是 Muse Spark 1.1。两件事没有直接因果，但对正在评估是否把 Muse Code 接入真实代码仓库的开发者来说，这条消息提供了关于前代模型行为边界的直接参照。
AI 速览
