Meta发布Muse Code测试版：AI编码Agent新选手入局
AI编码工具赛道又添重磅选手，Meta正式推出自研的终端AI编程智能体Muse Code，直接向现有头部产品发起挑战。
近日，Meta官方推出了Muse Code的测试版本，这是一款运行在终端环境中的AI编程代理，底层依托全新升级的Muse Spark 1.2大模型打造。公司创始人公开表示，该工具能够在大型代码仓库中完成全流程的软件工程任务，包括项目分析、代码修改规划、功能代码编写、配套工具运行以及最终结果验证等多个环节。
这也意味着，Meta正式加入了AI编码智能体的热门赛道，与其他头部厂商的产品展开直接竞争。
产品上线后立刻引发了开发者社区的广泛讨论，有网友针对开源方向提问，询问Muse Code是否会采用开源策略，相关负责人也随即回应称，后续会公布更多相关细节。
目前Muse Code支持macOS和Linux系统，用户仅需通过一条终端命令即可完成安装。当用户提出完整的开发需求时，比如修复跨多个模块的程序漏洞、新增某项功能模块，或是对大型项目进行整体重构，Muse Code会先完成代码库的理解与分析，随后制定执行计划、修改对应代码文件、运行配套测试，并根据测试结果动态调整后续步骤。
Muse Code：Meta首款专业AI编程智能体
Muse Code采用了轻量化的主智能体循环架构，搭配一组常驻运行的异步后台智能体来强化核心能力。这些专用后台智能体不会针对单次任务临时启动，而是在整个会话周期内持续运行，能够有效减少重复的信息收集流程，自主完成后续执行步骤并判断何时向主智能体反馈结果。
这种常驻运行的设计不仅降低了系统延迟，也减少了主智能体在处理复杂多步骤任务时对人工引导的依赖。
Muse Code的核心设计亮点有两个：
第一是可靠的运行时日志机制。工具会将所有的模型调用、工具运行、审批操作以及代码修改操作记录在本地事件日志中，这套日志作为唯一可信的数据源，能够完整复现整个执行流程，即使程序意外崩溃，也可以从中断位置恢复执行，不会因中途故障导致任务流程中断或偏离原定方向，因此能够很好地支持运行周期较长的复杂开发任务。
第二是内置的专用操作指令。Muse Code默认提供了多个实用的内置技能：使用/plan指令可以将用户提出的整体任务拆解为可审批的分步计划；/grill指令会对生成的执行计划进行多轮压力测试，直到方案的可靠性达到预设标准；/goal指令则会围绕用户指定的目标持续推进，直到任务成功完成。
Muse Spark 1.2：支撑智能体的升级大模型
作为Muse Code的底层引擎，Muse Spark 1.2是在1.1版本基础上针对编程场景全面升级的大模型，重点优化了代码生成、复杂问题调试、大型代码库理解以及端到端开发流程的表现。在训练过程中，Meta大幅提升了编程任务相关的算力投入，同时扩展了训练环境的多样性，并且保留了模型在通用智能体场景下的核心能力。
在针对智能体终端任务能力的评测基准Terminal-Bench 2.1中，Muse Spark 1.2的表现仅略逊于顶级模型Opus 5（max）；在DeepSWE 1.1评测中，该模型同样表现亮眼，仅输给Opus 5（max）和GPT-5.6 Terra（max）。DeepSWE评测包含113项真实开发任务，覆盖91个代码仓库和TypeScript、Go、Python、JavaScript、Rust五种主流编程语言，每项任务都配备了人工编写的功能验证程序和回归测试套件。
在Meta内部代码库构建的Meta Internal Coding Bench评测中，Muse Spark 1.2同样仅弱于Opus 5（max），该基准包含440项基于真实内部拉取请求构建的任务，涵盖漏洞修复、功能开发、代码重构、代码清理等多种软件工程工作。
Muse Spark 1.2的优异表现离不开三项核心技术优化：
首先是与Muse Code的协同训练。模型和智能体采用联合训练的方式，确保两者配合时能够充分发挥性能，提供更流畅的编程体验。训练过程中引入了基于拒绝采样的智能体运行轨迹优化方案，围绕目标执行、上下文压缩和子智能体协作等环节优化训练方法，同时将Muse Code的工具集纳入训练数据，提升模型与智能体运行框架的兼容性。
其次是针对长时程开发任务的专项优化。模型针对完整代码仓库生成、大型端到端项目开发、自动化研究等长周期编程任务进行了大规模训练，通过任务规划安排执行顺序，通过目标条件约束保持执行方向，并借助上下文压缩技术保留推进任务所需的关键信息，避免冗余信息干扰核心流程。
最后是自我迭代的训练机制。Meta使用上一代的Muse Spark 1.1生成高难度的编程环境和指令遵循模板，再由模型评估候选方案对各项要求的满足程度，以此构建出可规模化扩展的训练数据集，这套自我改进机制让Muse Spark 1.2在复杂指令遵循能力上相比上一版本有了显著提升。
使用成本方面，Muse Spark 1.2分为两个版本：普通版本的输入Token收费为1.25美元每百万Token，缓存输入为0.15美元每百万Token，输出Token收费为4.25美元每百万Token；Contributor版本的输入Token收费为0.10美元每百万Token，缓存输入为0.002美元每百万Token，输出Token收费为0.20美元每百万Token。
