8月5日，Meta Superintelligence Labs 一次性放出了两件东西：终端编码代理 Muse Code（公测）和为其量身打造的推理模型 Muse Spark 1.2。与以往”模型 + 第三方壳子”的组合不同，Meta 明确宣称两者是联合训练（co-trained）的——模型在训练时就运行在它推理时所在的同一个 Agent 环境里。这是 Meta 第一次以”运行时即产品”的姿态正面切入 AI 编程赛道，而它公布的那份基准测试幻灯片，甚至包含了自己输掉的图表。

背景：Meta 的编码模型路线

Muse Spark 系列是 Meta 首个闭源推理模型线（1.1 于7月16日发布），参数规模未公开——这与 Anthropic 对 Claude 的做法如出一辙，用外部基准而非参数量说话。1.2 版本在编码任务上大幅扩充了训练算力，并扩展了训练环境的多样性，目标直指长程任务（long-horizon work）：整库生成、多文件重构、长时间调试。

Meta 给出的最硬核演示是一个 GPU kernel 优化案例：让 Muse Spark 1.2 在 NVIDIA Hopper 硬件上用 Triton 语言连续工作，单次任务超过 1000 次工具调用、最长运行 24 小时，且禁止直接包装现成的第三方库。这种”马拉松式”评测正是当前编码模型竞争的分水岭——短程补全早已不是卖点，能扛住多日任务的 Agent 才是。

核心特性：Muse Code 的运行时设计

Muse Code 是一个纯终端 CLI（macOS / Linux，暂无 Windows 原生版），一行命令安装：

1
curl -fsSL https://dev.meta.ai/install.sh | bash

它的架构亮点集中在”可靠性工程”上：

  • 并行子代理 + Git worktree 隔离：多个子任务在独立的 git worktree 中并行推进，互不污染工作区；
  • 崩溃安全事件日志（crash-safe event log）：所有本地动作落盘记录，会话状态持久化，进程崩溃后可恢复——对跑数小时的长任务至关重要；
  • Plan-Grill-Goal 三段式工作流：内置三个技能命令。/plan 先生成一份需人工审批的计划；/grill 对计划进行”拷问式”压力测试；/goal 则朝着既定目标持续推进直到完成。这套模式其实是资深 Claude Code / Codex 用户手动摸索出来的最佳实践，现在被 Meta 做成了第一方命令。

模型侧的规格同样激进：1,048,576 token（1M）上下文、最大输出 131,072 token，输入支持文本、图像、视频、音频和 PDF 多模态。API 层面提供 OpenAI SDK 与 Anthropic SDK 的双向 drop-in 兼容，模型 ID 为 muse-spark-1.2（标准档）和 muse-spark-1.2-contributor（贡献者档）。

技术分析：一份”自己输掉”的基准测试

Meta 这次发布最有意思的地方在于它主动公布了 Claude Opus 5 领先的图表。在 Meta 自选的三块看板上，Opus 5 全部占优：

基准 Muse Spark 1.2 Claude Opus 5
Terminal-Bench 2.1（Muse Code 集成） 82.9% 86.7%
DeepSWE 1.1 59.3% 65.0%
Meta 内部编码基准 70.6% 79.4%

独立评测给出了另一幅图景：Vals Index v1.2（综合编码 + 金融任务）中 Muse Spark 1.2 得分 71.88% ± 1.12，位列 45 个模型中的第 5；在通用 Terminus 2 harness 下的 Terminal-Bench 则排在第 14/50。两个数字的落差恰好印证了”联合训练溢价”的争议——模型在自己的壳子里表现更好，但换到第三方 harness 后优势缩水。

真正杀出重围的是价格。Contributor 档定价 $0.10 / $0.20（每百万 token 输入/输出），是当下所有有竞争力的编码模型中最激进的；标准档为 $1.25 / $4.25。Vals 实测单次测试成本仅 $0.69，是 Top-5 中最低的。代价也很明确：contributor 档会用你的代码参与训练——对私有仓库来说，这是一笔用源码支付的账单。

影响与未来

Muse Code 的发布标志着 AI 编程竞争从”模型能力军备赛”转向”运行时工程 + 价格战“的双线作战。Meta 没有试图在峰值能力上击败 Opus 5（它自己都不回避这一点），而是押注两个更实际的卖点：能扛住 24 小时任务的可靠运行时，以及低一个数量级的成本。

对开发者而言，Muse Code 值得本周就装上试试——尤其是需要并行处理大型多特性任务、或想验证”计划-拷问-执行”工作流价值的团队。但有两点需要留意：一是公测阶段的稳定性与 Windows 支持缺位；二是 contributor 档的数据条款，企业用户应默认使用标准档。

另一个值得跟踪的信号是开源路线：Muse Spark 1.2 的开放权重”在路上”，而 Meta 已于8月10日先行放出了从 1.2 蒸馏的 Muse Glimmer 30B（Apache 2.0），主打本地运行 Agent。如果完整权重的 Muse Spark 真的开源，Meta 将同时握有闭源旗舰与开源生态两张牌——那才是对 Claude Code 阵营真正的重击。