Meta 已正式加入 AI 程式設計代理的競爭行列，發布了 Muse Code 的測試版。這是一款基於終端機的工具，專為處理大型程式碼庫中的複雜軟體工程任務而設計。這項於 2026 年 8 月 5 日宣佈的發布，將這款新代理與 Meta 專有的程式設計模型更新版 Muse Spark 1.2 搭配使用。此舉使 Meta 直接與 Anthropic 的 Claude Code 和 OpenAI 的 Codex 展開競爭，同時引入了一種可能徹底顛覆市場的定價策略：「貢獻者方案」，每個 token 僅收費 0.30 美元，以換取使用者允許其使用程式碼來訓練未來模型。
這項公告標誌著 Meta 的一項重大戰略轉變，該公司歷來透過其 Llama 模型系列倡導開源 AI。藉助 Muse Code，該公司已轉向完全專有、僅限雲端的產品，並強調其可負擔性以及以持久背景代理為核心的新穎架構。該工具旨在解決 AI 輔助開發中最棘手的痛點之一：代理需要不斷重新探索程式碼庫。透過在整個工作階段中保持專門的代理活躍，Muse Code 承諾降低延遲並減少人工監督，而其隔離 git worktree 中的平行子代理系統則可確保在大型操作期間開發者的工作副本保持不變。
Muse Code is available in beta for macOS and Linux. Install with: curl -fsSL https://dev.meta.ai/install.sh | bash
持久背景代理與平行執行
Muse Code 最突出的架構特點是其非同步背景代理的使用。與每次任務都生成全新輔助代理的競爭工具不同，Muse Code 維護一組在整個工作階段保持活躍的專門代理。這種設計選擇使系統能夠避免冗餘的資訊收集，因為當新請求到來時，代理已經具備了對程式碼庫的知識。對於特別大型的工作，代理會分派給多個平行工作的獨立子代理，每個子代理都在自己隔離的 git worktree 中執行。Meta 執行長 Mark Zuckerberg 在社群媒體貼文中強調了這項能力，指出在測試中，該系統同時為一款遊戲建置了六個功能，且沒有發生任何衝突。這種永續性與平行性的結合，被定位為與 Claude Code 和 Codex 等競爭對手工具的關鍵差異點。
該系統還透過本地事件日誌引入了強大的可稽核性功能。每次模型呼叫、工具執行、批准和編輯都會在執行前附加到此日誌中，形成 Meta 所描述的「可精確重播且可安全重啟」的執行環境。如果 Muse Code 在執行一項長達 20 小時的任務時當機，它可以精確地從停止處恢復，不會遺失任何工作，也無需重新提示。對於那些曾被不透明的代理執行困擾的企業工程領導者來說，這份完整的本地稽核軌跡可能會在評估中被證明是最有價值的功能。該工具還配備了熟悉的內建技能：/plan 可將任務轉化為需經批准的計劃，/grill 會對該計劃進行壓力測試直到其穩固，而 /goal 則驅動代理朝向完成既定目標前進。
Muse Code features: Persistent async background agents, parallel sub-agents in isolated git worktrees, local event log for replay-exact and restart-safe runtime, /plan, /grill, and /goal commands
Muse Spark 1.2：與其自身框架共同訓練
在底層，Muse Code 由 Muse Spark 1.2 驅動，Meta 將其描述為一次專注於程式設計的更新，大幅擴充套件了程式設計任務的訓練計算量。該模型在程式碼生成、複雜除錯和程式碼庫理解方面展現了改進，同時保持了通用的代理能力。公告中有兩個訓練細節值得關注。首先，Meta 使用 Muse Code 本身對模型進行了共同訓練，利用了拒絕取樣的框架軌跡以及針對目標、上下文壓縮和子代理的配方最佳化。這意味著該模型經過明確調整，能在這個特定工具內表現最佳，反映了整個行業從將模型和框架視為可分離產品的轉變。其次，Meta 使用了一個自我改進迴圈，其中 Muse Spark 1.1 生成了具有挑戰性的程式設計環境和指令遵循模板，然後根據這些要求對候選解決方案進行評分，為其後續版本產生可擴充套件的訓練資料集。
Meta 對該模型長時程能力最引人注目的展示涉及 GPU 核心最佳化。該公司讓 Muse Spark 1.2 專注於此任務，並讓它在 NVIDIA Hopper 硬體上執行超過 1,000 次工具呼叫，持續時間長達 24 小時。在 Triton 環境中工作，且被禁止包裝現有的第三方核心庫，該代理透過編寫、編譯和分析，最終達到了 Meta 所稱的「顯著改進」，超越了 KDA 和 MLA 核心的基準實作。這包括一些真正不顯而易見的最佳化，例如在區塊中點重新置中門控累積衰減。Zuckerberg 指出，該代理「在初始探索階段之後仍持續發現顯著改進」。這種在 24 小時自主執行中持續改進的能力，如果在 Meta 的演示之外也能成立，將解決對程式設計代理最持久的批評之一：它們在最初的進展爆發之後就會趨於平穩或偏離正軌。
Muse Spark 1.2 benchmark context: Original Muse Spark scored 77.4 on SWE-Bench Verified vs. Claude Opus 4.6's 80.8 and Gemini 3.1 Pro's 80.6. Meta did not headline specific scores for 1.2 in the announcement
定價策略：用你的資料換取折扣
定價結構可能是此次發布中最具影響力的部分。Meta 透過其 Meta Model API 提供 Muse Spark 1.2，分為兩個方案。標準方案定價為每百萬輸入 token 1.25 美元，每百萬輸出 token 4.25 美元，快取輸入為 0.15 美元。Meta 承諾此方案中的提示和完成內容不會用於訓練其模型。沒有長上下文附加費，速率限制為每個團隊每分鐘 3,000 個請求和高達 4 百萬個 token。這使其在透過 API 提供的其他領先 AI 模型中處於中等價格水準。
貢獻者方案是 Meta 策略與競爭對手明顯不同的地方。其成本僅為每百萬輸入 token 0.10 美元，每百萬輸出 token 0.20 美元，分別比標準方案便宜約 12 倍和 21 倍，快取輸入幾乎免費，僅需 0.002 美元。作為交換，使用者必須明確允許 Meta 使用他們的提示和完成內容來訓練未來的模型。這使其成為市場上最便宜的選擇，但使用者是用自己的資料來支付。貢獻者方案還設有嚴格得多的速率限制，每分鐘僅 60 個請求，而標準方案為 3,000 個，這清楚地表明其目標使用者是個人和小型實驗，而非生產環境工作負載。Zuckerberg 正積極引導新使用者使用此方案，他寫道：「入門既簡單又低成本。一行指令安裝 Muse Code，你就可以從我們的貢獻者方案開始。」
然而，即使是大幅折扣的貢獻者方案，也要求使用者在 Muse Code 執行任何工作之前，先提供一種付款方式。在 VentureBeat 使用 Mac mini 進行的測試中，一行安裝程式如宣傳般運作，但代理並未執行任何東西，而是報告說沒有可見的模型，並且需要付款才能「完成帳戶設定」。這種做法是典型的 Meta 風格：補貼使用，大規模收集資料，並利用這些資料來縮小與頂尖模型的差距。對於那些希望或有法律義務保持程式碼安全的開發者和企業來說，這種權衡取捨可能是他們不願意或無法做出的。
Muse Spark 1.2 pricing (per million tokens): Standard tier: $1.25 input / $4.25 output / $0.15 cached input. Contributor tier: $0.10 input / $0.20 output / $0.002 cached input (requires permission to use data for training)
Llama 時代的終結
今天的公告明顯缺少的是對開源的任何提及。對於一家花了三年時間將自己定位為開放 AI 旗手的公司來說，這是一個驚人的遺漏。從 2023 年 2 月最初的 LLaMA 首次亮相（其權重據稱在數週內洩漏到 4chan）開始，到 Llama 2 的商業可用許可證、專精於程式設計的 Code Llama，以及擁有 4,050 億引數的 Llama 3.1，Meta 向開發者傳達的全部訊息是，頂尖級別的權重應該可以免費下載、自行託管和微調。這個策略奏效了：到 2026 年初，Llama 系列的下載量已達約 12 億次，平均每天約有 100 萬次下載。
隨後，情況開始惡化。Llama 4 於 2025 年 4 月首次亮相，評價褒貶不一，並承認其基準測試結果曾被篡改，而來自 DeepSeek、阿里巴巴和智譜 AI 的中國開放權重競爭對手則迅速崛起，到 2025 年底佔據了 Hugging Face 上約 41% 的下載量。Llama 時代實際上已於今年 4 月 8 日結束，當時 Meta 推出了最初的 Muse Spark，作為其首個專有模型：僅限雲端，沒有可下載的權重，也無法自行託管。藉助 Muse Code，Meta 的姿態最接近 Anthropic，後者的 Claude Code 仍然是專有的，而這家曾經主張開源是前進之路的公司，現在卻要求開發者為一個他們無法檢查的模型按 token 付費，或者用自己的資料來補貼這種使用。如此看來，貢獻者方案可被視為 Llama 策略本身的繼承者：生態系統的飛輪不再是免費權重換取心智份額，而是廉價 token 換取訓練資料。
Meta's Llama family had been downloaded roughly 1.2 billion times by early 2026, averaging about a million downloads a day
為何重要
終端機程式設計代理已成為企業 AI 中成長最快的領域，而直到今天，該類別實際上一直是 Anthropic 和 OpenAI 之間的雙雄之爭，Google 和眾多新創公司緊隨其後。Meta 的加入帶來了真正不同的架構，包括持久背景代理和僅追加的本地事件日誌、可信的長時程演示，以及激進的定價策略。開放的問題是基準測試圖表無法回答的：Muse Spark 1.2 在真實世界的程式碼庫上是否真的能與 Claude 和 GPT 級別的模型匹敵，開發者是否信任 Meta 處理他們的程式碼，以及貢獻者方案的折扣是否足以讓他們停止追問。Muse Code 今天起提供 macOS 和 Linux 的測試版，只需一條 curl 指令即可安裝，而 Muse Spark 1.2 已透過 Meta Model API 上線，並擴大了全球存取範圍。