Meta 推出终端编程智能体 Muse Code：基于 Muse Spark 1.2，能独立跑大项目

很多开发者已经习惯了在终端里敲命令，但 Meta 这次打算直接把一整个「工程小队」塞进你的命令行。

Meta 发布了终端编程智能体 Muse Code 测试版。这是一款面向大型代码库的 CLI 工具，底层由 Meta 新发布的闭源模型 Muse Spark 1.2 驱动，主打从需求规划、写代码到跑测试验证的全流程接管。

拿隔离工作区搞并行开发

终端编程智能体最让人头疼的，一是上下文不够大，二是容易把现有代码改得一团糟。Meta 这次的设计明显是冲着这两个痛点来的。

Muse Spark 1.2 本身支持 100 万 token 的上下文窗口，具备多模态输入能力，而且目前只能通过 API 接入。Muse Code 则在此基础上搭建了一整套工程调度机制。单条命令安装之后，它可以在后台维持持久化会话，随着时间推移不断积累项目上下文。

更聪明的是它的并行处理方式。按照扎克伯格在社交媒体上的说法，当任务体量足够大时，Muse Code 会自动把任务分发给并行的子智能体，在独立的 git worktree 隔离环境里分别作业。这意味着 AI 绝不会直接污染开发者当前的工作目录。

扎克伯格表示，在内部测试中，系统曾同时为一款游戏并行构建了 6 个功能，全程没有发生任何代码冲突。为了防止中途崩溃，每一个动作都会在本地记录日志，支持随时断点恢复。在英伟达 Hopper 硬件的 24 小时实测中，它跑完了超过 1000 次工具调用。

纸面跑分不够，靠极致便宜来凑

虽然 Meta 自家宣称 Muse Spark 1.2 相比前代大幅跃升、逼近 Opus 5，但圈内很快有人挑出了刺。

在油管等技术社区的实测分析中，有评测博主指出，Meta 官方基准测试故意拿较弱的 GPT 5.6 Terra 对标，而不是顶配的 Soul。在独立的第三方 Artificial Analysis 综合榜单上，Muse Spark 1.2 甚至没有挤进前十，排在 Quen 3.8 和 GPT 5.6 Soul Max 之后。在针对金融和代码任务的 Val's index 测试里，它的表现同样不拔尖。

不过，它有一张几乎很难被忽视的王牌，那就是极其低廉的调用成本。无论是相比 Opus，还是对比 Gemini 3.6 Flash，它的单任务花费都要便宜得多。

领导 Meta 超级智能实验室的 AI 负责人 Alexandr Wang 接受《华尔街日报》采访时直言，从成本角度看，这在很多实际工作流中都是极具性价比的方案。

为什么重要

在 OpenAI 拥有 Codex、Anthropic 推出 Claude Code 的当下，Meta 此前常被视为智能体外壳（harness）领域的追赶者。Muse Code 的出现，意味着大厂之间的竞争重心，已经从单纯的「模型多聪明」转向「如何让模型在开发者的本地机器上安全干活」。

对开发者和独立团队来说，这绝不是一个全知全能的完美架构师，你不能指望它在底层架构设计上超越顶尖模型。但在日常繁重的长尾任务上——比如大项目批量改写接口、补充测试用例或者跑多分支试验，便宜且能并行的 Muse Code 会是一个极有诱惑力的实用工具。

我们认为 Meta 这次的产品策略非常清醒。如果纯拼模型智商占不到绝对上风，那就靠严密的工程防护和白菜价的 API 来突围。用隔离分支防止代码被改炸，用本地容灾确保长任务稳定，说白了，就是既然单兵作战不如顶尖高手，那就用极致廉价的并行劳动力把活儿堆完。