Meta 发布 Muse Spark 1.2 与 Muse Code：百万 token 上下文的终端编程 Agent
8月5日，Meta 发布了编程专用语言模型 Muse Spark 1.2 和终端编程 Agent Muse Code（beta）。这是 Meta 首次推出面向开发者的完整编程 Agent 方案，直接对标 Anthropic 的 Claude Code 和 OpenAI 的 Codex。
两个产品，一次发布
Muse Spark 1.2 是 Meta 专为编程场景训练的语言模型，支持100万 token 的上下文窗口——足以把一个大型项目的依赖图、历史代码和数千个文件装进同一次会话。Muse Code 则是基于这个模型的终端 Agent，目前以 beta 形式面向 macOS 和 Linux 用户开放。
值得注意的是，这两个产品是联合训练的：Muse Code 被纳入了 Muse Spark 1.2 的训练流程，让模型在工具调用和计划执行方面更贴合实际编程场景。同时，模型也在多种编程 Agent 环境中训练过，不局限于 Muse Code 本身。更有意思的是，上一代 Muse Spark 1.1 生成的训练数据被用来训练 1.2——相当于一次自我改进循环。
Muse Code 的核心能力
Muse Code 不是一个代码补全工具，而是一个能独立完成多步骤开发任务的 Agent：
- 并行子 Agent + 隔离 Git worktree：面对大型项目，Muse Code 可以自动把任务拆分给多个子 Agent，每个子 Agent 在独立的 Git worktree 中工作，互不干扰，也不会影响开发者的主工作目录。据报道，扎克伯格曾亲自用它同时开发一个游戏的六个功能。
- 异步后台 Agent：一组后台 Agent 在整个会话中保持活跃，避免重复检索和不必要的等待。
- 事件日志运行时：每次模型调用、工具执行和代码编辑都记录到只追加的 JSONL 日志中。如果会话崩溃，用
muse resume就能从断点恢复，不丢失任何上下文。 - 内置技能：
/plan把任务转化为需要确认的计划，/grill对计划做压力测试，/taste做界面设计审查，/goal让 Agent 聚焦于既定目标。这些技能只在开发者主动调用时才执行。
定价与可用性
Muse Spark 1.2 通过 Meta Model API 提供两种访问层级：
- contributor 层级：按5小时滚动窗口的 token 用量限速（而非按请求次数），但使用数据可能被用于改进 Meta 产品。
- standard 层级：定价为 $0.15/百万 cached input token、$1.25/百万 input token、$4.25/百万 output token。
模型也可通过 OpenRouter 访问。Meta 已开始接受零数据保留（zero-data-retention）的请求。需要注意的是，模型权重不开放下载，只能在 Meta 服务器上运行。
安装 Muse Code 只需一行命令：
```
curl -fsSL https://dev.meta.ai/install.sh | bash
```
Windows 用户目前需要通过 WSL 使用。
性能表现
Meta 在三个 benchmark 上测试了 Muse Spark 1.2：Terminal Bench 2.1（89个任务）、DeepSWE v1.1（113个任务，覆盖5种编程语言）和 Meta 内部编程基准（440个真实 PR 任务）。不过 Meta 目前只发布了柱状图，没有公布精确数值。
一个更有说服力的案例是24小时 GPU kernel 优化：模型在超过1000次工具调用中，持续优化 NVIDIA Hopper 架构的内核代码，展示了长时间自主工作的能力。
编程 Agent 赛道的新格局
Muse Code 的发布意味着编程 Agent 赛道又多了一个重量级玩家。Claude Code 已经积累了大量用户，OpenAI 的 Codex 也在持续迭代，Meta 的差异化在于：百万 token 上下文、并行子 Agent 架构、以及相对较低的 API 定价。对于需要在大型代码库中做跨文件重构、长时间调试的开发者来说，这些特性有实际价值。
不过目前 Muse Code 仍处于 beta 阶段，模型不开源，Windows 原生支持也还没到位。想要尝试的开发者可以先在非关键项目上试用，观察其在实际工作流中的表现。