Meta 推出終端程式設計智慧體 Muse Code：基於 Muse Spark 1.2，能獨立跑大專案

很多開發者已經習慣了在終端裡敲命令，但 Meta 這次打算直接把一整個「工程小隊」塞進你的命令列。

Meta 釋出了終端程式設計智慧體 Muse Code 測試版。這是一款面向大型程式碼庫的 CLI 工具，底層由 Meta 新發布的閉源模型 Muse Spark 1.2 驅動，主打從需求規劃、寫程式碼到跑測試驗證的全流程接管。

拿隔離工作區搞並行開發

終端程式設計智慧體最讓人頭疼的，一是上下文不夠大，二是容易把現有程式碼改得一團糟。Meta 這次的設計明顯是衝著這兩個痛點來的。

Muse Spark 1.2 本身支援 100 萬 token 的上下文視窗，具備多模態輸入能力，而且目前只能通過 API 接入。Muse Code 則在此基礎上搭建了一整套工程排程機制。單條命令安裝之後，它可以在後臺維持持久化會話，隨著時間推移不斷積累專案上下文。

更聰明的是它的並行處理方式。按照扎克伯格在社交媒體上的說法，當任務體量足夠大時，Muse Code 會自動把任務分發給並行的子智慧體，在獨立的 git worktree 隔離環境裡分別作業。這意味著 AI 絕不會直接汙染開發者當前的工作目錄。

扎克伯格表示，在內部測試中，系統曾同時為一款遊戲並行構建了 6 個功能，全程沒有發生任何程式碼衝突。為了防止中途崩潰，每一個動作都會在本地記錄日誌，支援隨時斷點恢復。在輝達 Hopper 硬體的 24 小時實測中，它跑完了超過 1000 次工具呼叫。

紙面跑分不夠，靠極致便宜來湊

雖然 Meta 自家宣稱 Muse Spark 1.2 相比前代大幅躍升、逼近 Opus 5，但圈內很快有人挑出了刺。

在油管等技術社群的實測分析中，有評測博主指出，Meta 官方基準測試故意拿較弱的 GPT 5.6 Terra 對標，而不是頂配的 Soul。在獨立的第三方 Artificial Analysis 綜合榜單上，Muse Spark 1.2 甚至沒有擠進前十，排在 Quen 3.8 和 GPT 5.6 Soul Max 之後。在針對金融和程式碼任務的 Val's index 測試裡，它的表現同樣不拔尖。

不過，它有一張幾乎很難被忽視的王牌，那就是極其低廉的呼叫成本。無論是相比 Opus，還是對比 Gemini 3.6 Flash，它的單任務花費都要便宜得多。

領導 Meta 超級智慧實驗室的 AI 負責人 Alexandr Wang 接受《華爾街日報》採訪時直言，從成本角度看，這在很多實際工作流中都是極具價效比的方案。

為什麼重要

在 OpenAI 擁有 Codex、Anthropic 推出 Claude Code 的當下，Meta 此前常被視為智慧體外殼（harness）領域的追趕者。Muse Code 的出現，意味著大廠之間的競爭重心，已經從單純的「模型多聰明」轉向「如何讓模型在開發者的本地機器上安全乾活」。

對開發者和獨立團隊來說，這絕不是一個全知全能的完美架構師，你不能指望它在底層架構設計上超越頂尖模型。但在日常繁重的長尾任務上——比如大專案批次改寫介面、補充測試用例或者跑多分支試驗，便宜且能並行的 Muse Code 會是一個極有誘惑力的實用工具。

我們認為 Meta 這次的產品策略非常清醒。如果純拼模型智商佔不到絕對上風，那就靠嚴密的工程防護和白菜價的 API 來突圍。用隔離分支防止程式碼被改炸，用本地容災確保長任務穩定，說白了，就是既然單兵作戰不如頂尖高手，那就用極致廉價的並行勞動力把活兒堆完。