2026年8月5日，Meta发布首款终端编程Agent——Muse Code，并同步推出专为编程优化的Muse Spark 1.2模型。Muse Code能够读取大型代码库、制订修改计划、编写代码、运行测试并验证结果，还允许多个后台Agent在整个会话中持续运行，不必每接到一项任务就重新理解项目。Meta同时为系统设计了只能追加、不能覆盖的本地事件日志，即使程序崩溃，也可以准确恢复到中断位置。真正引起开发者讨论的还有价格：标准版每百万输入、输出Token分别为1.25美元和4.25美元；如果用户允许Meta使用输入与输出改进产品，“贡献者版本”会降至0.10美元和0.20美元。低价背后的交换条件不是普通促销，而是代码与使用数据。官方评测显示Muse Spark 1.2已接近头部编程模型，但尚未全面领先，部分成绩也未得到独立复现。Meta这次释放的信号是：AI编程的竞争单位正在从单个模型，转向模型、Agent运行框架、长期状态和数据闭环组成的完整系统。
文章作者、来源：Meta AI Research
Meta终于拥有自己的“Claude Code”
Muse Code是Meta推出的第一款终端编程Agent，目前以测试版形式面向macOS和Linux开放。它所瞄准的并不是代码补全，而是完整的软件工程任务：进入一个大型代码仓库，理解现有结构，制订方案，修改多个文件，运行命令和测试，再根据结果继续修正。
这让Muse Code直接进入Claude Code、Codex、Gemini CLI等产品正在争夺的市场。模型不再只是回答“这段代码应该怎么写”，而是获得终端、文件系统和开发工具的使用权，在较少的人类干预下持续执行任务。
Meta在发布文章中把Muse Code与Muse Spark 1.2作为一套系统介绍，而不是两个可以随意拆分的产品。Muse Spark 1.2负责理解、推理和生成，Muse Code则负责组织上下文、调度子Agent、调用工具、保存状态和验证结果。两者还在训练阶段进行了联合优化，意味着同一个模型换到其他Agent框架中，未必能够复现Meta展示的成绩。
多Agent不是临时拉群，而是长期驻场
Muse Code最具差异化的设计，是一组异步运行的后台Agent。
常见的多Agent系统会在需要执行子任务时临时创建一个助手，例如让它查找相关文件、分析测试失败或研究某个依赖项。任务结束后，这个助手的上下文往往随之消失；下一次遇到类似问题，系统可能再次扫描同一批代码、重复收集相同信息。
Muse Code的后台Agent则会在整个会话期间保持活跃。它们可以持续积累对代码库的理解，自行推进下一步，并选择何时把结果汇报给主Agent。主Agent负责协调目标，后台Agent则可以分别研究不同模块、检查测试、寻找调用关系或验证实现方案。
这种设计试图解决长任务中的一个常见浪费：Agent反复忘记自己已经看过什么。只要后台Agent的状态能够可靠保留，它就不必在每一步重新阅读项目结构，人类也不需要不断提醒它“刚才已经检查过这个文件”。
不过，多个Agent同时修改代码也会带来冲突、权限和成本问题。Meta的公开文章没有完整披露任务如何分区、代码修改如何合并，以及一个后台Agent出现错误时，其他Agent如何避免继承错误结论。因此，持续Agent是一个值得关注的架构方向，但目前还不能仅凭官方演示判断它在真实团队项目中的稳定性。
崩溃之后，不再从头开始
长时间运行的编程Agent面临一个很现实的问题：任务越长，越容易遇到网络中断、工具报错、进程崩溃或上下文超限。如果系统只把当前状态保存在模型对话里，一次故障就可能让几个小时的探索工作全部丢失。
Muse Code为此建立了一份本地事件日志。每次模型调用、工具执行、用户批准和文件修改都会以追加方式写入日志，已经发生的历史不会被后续状态直接覆盖。
Meta把这种机制称为“可精确重放”和“重启安全”。当Agent中途崩溃时，系统可以根据事件记录恢复工作，而不是重新猜测此前发生过什么。这实际上把编程Agent从一段临时对话，变成更接近有状态的工程流程。
Muse Code还内置了几项可调用技能：/plan先生成需要用户批准的执行计划；/grill专门攻击和质疑这份计划，寻找遗漏、风险及错误假设；/goal则让Agent围绕指定目标持续执行，直到满足完成条件。
这些功能背后的思路很明确：如果AI要承担数小时的软件工程工作，关键就不仅是每一步生成的代码是否漂亮，还包括它能否保存进度、接受审查、发现计划漏洞，并在故障之后继续执行。
Muse Spark 1.2是模型，也是Agent框架的“专用发动机”
Muse Spark 1.2是在1.1版本发布不到一个月后推出的编程强化版本。Meta称其增加了编程任务训练算力和训练环境的多样性，重点改善代码生成、复杂故障排查、代码库理解以及端到端开发流程。
训练范围不只包括单文件修复，还覆盖完整代码仓库生成、大型端到端项目和自动研究任务。模型会使用计划来排列工作步骤，通过目标条件维持方向，并在上下文不断增长时进行压缩，保留后续工作真正需要的信息。
Meta还让Muse Spark 1.1参与训练下一代模型。旧模型负责生成更困难的编程环境和指令遵循模板，再对候选解法是否满足要求进行评分，从而批量产生供1.2版本学习的数据。
这里所说的“自我改进”仍然不是模型脱离人类控制后自行修改权重。更准确的说法是，前一代模型被用作数据生成器和评测器，帮助团队扩大下一代训练数据。数据流程、训练运行和最终模型发布仍由Meta控制。
更重要的是，Meta没有单独训练一个“会写代码的模型”，而是把Muse Code的工具、目标管理、上下文压缩和子Agent轨迹纳入训练。未来编程模型的能力，可能越来越依赖它从训练阶段就熟悉哪一种Agent框架。
跑24小时、调用工具1000多次，才是这次展示的重点
Meta提供的一个案例，是让Muse Spark 1.2在Muse Code环境中优化NVIDIA Hopper GPU上的KDA和MLA内核。系统需要自行编写代码、编译、分析性能，再根据结果反复修改。
整个测试最长运行24小时，工具调用超过1000次。研究人员禁止模型直接导入现成的第三方内核库，要求它在Triton中实现算法并寻找真正的性能改进，而不是把已有实现包装成自己的结果。
在KDA任务中，模型组合了并行的块内准备内核与顺序的跨块扫描，并加入针对门控累计衰减的专门优化。在MLA任务中，它设计了由两个内核组成的Triton流水线，并尝试复用共享的KV潜在表示。
这类案例的重要性不在于某一次加速数字，而在于Agent能否在经历数百次失败和中间结果后，继续维护目标、理解性能分析数据并产生下一轮实验。如果系统只能稳定工作十几分钟，那么它更像一款高级补全工具；能够推进24小时，才开始接近可以委托工程研究的Agent。
评测接近头部，但还没有“击败Claude和Codex”
Meta的评测覆盖Terminal-Bench 2.1、DeepSWE 1.1、GDPVal-AA v2、MCP Atlas以及内部编程测试。其中，Terminal-Bench 2.1包含89项需要在终端环境完成的任务；DeepSWE 1.1包含来自91个代码仓库、覆盖五种编程语言的113项任务。
根据Meta公布的图表，Muse Spark 1.2搭配Muse Code在Terminal-Bench 2.1上得到82.9%，低于Claude Opus 5的86.7%，但高于其评测中的Codex和Grok Build。在DeepSWE 1.1上，Muse Spark 1.2获得59.3%，未取得第一。Meta内部的440项真实工程任务中，它得到70.6%，同样落后于Opus 5。
这些结果说明Muse Code已经进入头部编程Agent的竞争范围，但不支持“Meta全面击败Claude Code和Codex”的结论。
官方评测方法文件还说明，不同模型搭配了各自的Agent产品：Muse Spark使用Muse Code，Claude使用Claude Code，GPT使用Codex，Gemini使用Antigravity，Kimi使用Kimi Code。这样的比较更接近完整产品对决，却无法区分成绩究竟来自模型还是Agent框架。
Meta也承认，其内部评测环境和提示词未必针对第三方闭源模型进行最佳优化。Muse Spark 1.2在Terminal-Bench上的成绩目前也尚未进入独立验证榜单。因此，现阶段最稳妥的表述是：Meta自测显示它接近前沿水平，独立复现仍然缺失。
最便宜的版本，要用代码和对话来换
Muse Spark 1.2标准版每百万输入Token收费1.25美元，缓存输入0.15美元，输出4.25美元。这个版本的输入和输出不会被用于改进Meta产品。
另一款模型标识为muse-spark-1.2-contributor。它的每百万输入Token价格只有0.10美元，缓存输入0.002美元，输出0.20美元。相较标准版，输入便宜92%，输出便宜约95%。
代价是贡献者版本的提示和模型输出可以被Meta用于改进产品。对于开源项目、个人实验或不含敏感信息的工作，这可能是一笔非常有吸引力的交易；但对于企业私有代码、尚未发布的产品、客户数据、密钥配置和受保密协议约束的项目，它首先是数据治理问题，而不是价格问题。
企业不能只看到Token单价，就默认适合把整个代码库交给贡献者版本。是否允许数据用于训练，需要结合Meta的具体服务条款、代码权属、客户合同和内部安全政策判断。标准版与贡献者版本使用相似能力，却对应两种完全不同的数据关系。
这也揭示了Meta真正的竞争策略：它不仅希望靠低价争夺开发者，还希望通过开发者使用Muse Code时产生的任务、修改、反馈与结果，建立新的编程训练数据闭环。开发者得到近乎免费的Agent调用，Meta则可能得到比公开GitHub代码更有价值的数据——真实任务是如何被拆解、修改和验证的。
AI编程进入“模型与脚手架共同训练”的阶段
过去，人们评估编程AI时主要比较模型会做多少题。Muse Code展示的是另一套竞争逻辑：模型只是系统的一部分，后台Agent是否保持状态、工具调用是否可靠、任务能否恢复、上下文是否会被正确压缩，以及失败后能否继续迭代，都可能比单次代码生成能力更重要。
Meta还明确表示，未来会推出更大的模型和更多Agent框架功能。这意味着Muse Spark 1.2并不是最终的旗舰产品，更像Meta进入编程Agent市场的第一套完整基础设施。