Meta 在 2026 年 8 月 5 日发布了 Muse Code beta，一款终端 AI 编程代理，同时推出驱动它的模型 Muse Spark 1.2。这是 Meta 首次进入 agentic coding 这一正在快速商品化的品类，直接对标 Anthropic 的 Claude Code 和 OpenAI 的 Codex。
异步持久代理：不一样的 agent 循环
Muse Code 的核心架构决策是 async background agents（异步持久背景代理）。大多数竞争产品在遇到子任务时临时 spawn 一个新的 agent，处理完就销毁。Muse Code 反其道行之，在整个 session 期间维持一组专用的背景代理，它们持续活跃、自主执行下一步操作，只在有结果或需要人工决策时才与主代理通信。
这种设计减少了重复的信息收集。一个已经理解了仓库结构的背景代理，不需要在每次被调用时重新探索代码库。Meta 将其描述为"less latency and less babysitting"。
当任务足够大时，Muse Code 会将工作扇出（fan out）到多个并行子代理，每个子代理在独立的 git worktree 中工作，互不干扰，开发者的工作副本始终保持干净。Mark Zuckerberg 在 X 上展示了同时为同一个游戏项目构建 6 个功能、无文件冲突的演示。
Event Log：每次操作都可审计、可回放
第二个关键设计是 append-only event log。Muse Code 将每次模型调用、工具运行、审批和编辑在执行前就追加到本地 event log 中，形成单一的事实来源（single source of truth）。日志格式为 JSONL，存储在 ~/.local/share/muse/sessions/ 下，可以用 jq 直接查询。
这意味着两件事：一是完全可审计，工程管理者可以回溯每个子代理做了什么、什么时候做的；二是崩溃安全（crash-safe），如果 Muse Code 在一个持续 20 小时的任务中崩溃，下一次 session 会从日志中精确恢复到中断点，无需重新输入 prompt。
Muse Spark 1.2：与 harness 协同训练的编码模型
Muse Spark 1.2 是 Muse Spark 1.1 的编码优化版本，Meta 在编码任务上显著扩大了训练算力，同时扩展了训练环境多样性。模型覆盖多文件重构、长时间调试、超出单个 prompt 范围的长任务等编码代理最常处理的工作负载。
两个训练细节值得注意。第一，Meta 将 Muse Code 本身纳入了训练循环，使用 rejection-sampled harness trajectories 和针对 goals、context compaction、sub-agents 的 recipe optimization 进行协同训练。模型在 Muse Code 内表现最佳，但仍能泛化到其他编码代理。这反映了行业趋势：模型和 harness 不再是独立产品。
第二，Meta 使用了 self-improvement loop。Muse Spark 1.1 生成具有挑战性的编码环境和指令遵循模板，然后对候选方案进行评分，产出可扩展的训练数据集用于训练 1.2。Meta 认为这一循环使 1.2 在遵循复杂指令方面有显著提升。
模型支持 1M token 上下文窗口，能在一个 session 中持有依赖图、遗留代码和数千个文件。Muse Spark 1.2 是推理模型，思考 token 按 output 计费，用户可以通过 /effort 参数控制推理深度。
Benchmark 表现
Meta 发布了 Terminal-Bench 2.1、DeepSWE 1.1 和内部编码基准的对比图表。各模型在 Terminal-Bench 2.1 上的得分如下：
| 模型 | 关联工具 | Terminal-Bench 2.1 |
|---|---|---|
| Claude Opus 5 (max) | Claude Code | 86.7% |
| Muse Spark 1.2 | Muse Code | 82.9% |
| GPT-5.6 Terra (max) | Codex | 81.8% |
| Grok 4.5 (high) | Grok Build | 81.6% |
| Gemini 3.6 Flash (high) | Antigravity CLI | 78.9% |
| Muse Spark 1.1 | mini-swe-agent | 76.2% |
在 DeepSWE 1.1 上：
| 模型 | 关联工具 | DeepSWE 1.1 |
|---|---|---|
| Claude Opus 5 (max) | Claude Code | 65.0% |
| GPT-5.6 Terra (max) | Codex | 64.8% |
| Muse Spark 1.2 | Muse Code | 59.3% |
| Grok 4.5 (high) | Grok Build | 56.6% |
| Muse Spark 1.1 | mini-swe-agent | 53.0% |
| Gemini 3.6 Flash (high) | Antigravity CLI | 40.0% |
Terminal-Bench 2.1 上 Muse Spark 1.2 与 GPT-5.6 Terra 仅差 1.1 个百分点，与 Claude Opus 5 差距 3.8 个百分点。DeepSWE 1.1 上的差距更大，落后 Opus 5 约 5.7 个百分点。独立验证平台 kingy.ai 指出，Meta 报告的分数来自自建评估框架，Claude Fable 5 在独立验证的 Terminal-Bench 2.1 上以 83.8% 领先，而 Meta 自测为 82.9%，两者尚未在统一条件下直接对比。
长时间自主运行案例
Meta 展示了一个 GPU kernel 优化案例。Muse Spark 1.2 在 NVIDIA Hopper 硬件上对 KDA 和 MLA kernel 进行自主优化，持续运行超过 1000 次工具调用（最长 24 小时）。模型被禁止直接包装 FLA 等第三方 kernel 库，必须从零开始用 Triton 实现算法。
在 MLA kernel 上，Muse Spark 1.2 设计了一个两阶段 Triton 流水线，将标准 kernel fusion 和 tiling 与 MLA 专用优化结合，包括复用 shared KV latent 同时作为 K 和 V。在 KDA kernel 上，模型采用了 chunk-parallel preparation kernel 配合顺序 inter-chunk scan，并在 chunk 中点重新居中 gated cumulative decay。
Zuckerberg 表示 agent 在初始探索阶段之后仍能持续找到显著改进。长时间自主运行中不出现性能平台期或 drift，是编码代理领域的一个关键挑战。
定价策略
Muse Spark 1.2 提供两个定价层级：
- 标准层：$0.15/1M cached input，$1.25/1M input，$4.25/1M output。此层的数据不用于模型训练，无长上下文溢价，速率限制为每团队每分钟 3000 请求和 400 万 token。
- 贡献层（Contributor）：通过降低 token 费用换取 Meta 使用 prompt 和 completion 数据训练模型。按滚动 5 小时窗口内的 token 用量限速，而非请求计数。
标准层价格处于市场中间水平。贡献层的逻辑类似于 Llama 时代的生态策略：以免费权重换取社区采用，现在变成了以廉价 token 换取训练数据。
与竞争对手的架构对比
目前终端编程代理市场的主要玩家和它们的架构特点：
- Claude Code（Anthropic）：专有模型 + 专有 harness，市场先行者
- Codex CLI（OpenAI）：Apache 2.0 开源 harness + 专有模型，gpt-oss 权重开源
- Grok Build（xAI）：专有模型 + 专有 harness
- Gemini CLI（Google）：Apache 2.0 开源 harness + 专有模型
- Muse Code（Meta）：专有模型 + 专有 harness，异步持久代理 + event log 审计
Meta 在开源性上走了一条与 Llama 时代相反的路。Zuckerberg 的 Threads 和 X 帖子均未出现"open"一词，没有权重、没有许可证。而 OpenAI 已将 Codex CLI 以 Apache 2.0 开源并推出 gpt-oss 权重模型，Google 的 Gemini CLI 同样采用 Apache 许可。
可用性
Muse Code 在 macOS 和 Linux 上通过一条 curl 命令安装，需要 Meta 账户和绑卡。Muse Spark 1.2 同时在 Meta Model API 和 OpenRouter 上线，全球访问权限已扩大。开发者可在 dev.meta.ai 获取 API key。
来源：Meta AI Research Blog · Meta Developer Blog · VentureBeat