8 月 5 日，Meta 发布了首款 AI 编程智能体 Muse Code 的测试版，正式踏进由 Anthropic 的 Claude Code 和 OpenAI 的 Codex 主导的赛道。与两家对手一贯强调能力领先不同，Meta 这一次把价格摆在了最显眼的位置。
一条命令装好，在终端里干完整活
Muse Code 是一款运行在终端里的编程智能体，支持 macOS 与 Linux，官方给出的安装方式是一条命令。据 Meta 首席 AI 官亚历山大·王（Alexandr Wang）介绍，它可以承担完整的软件工程任务，包括规划改动、编写代码和验证结果，在大型代码仓库中同样适用。
技术设计上有几处值得留意。Muse Code 采用”一个主智能体 + 一组异步后台智能体”的结构，后台智能体在整个会话期间持续在线，而不是每接一个任务就临时创建，这样可以避免重复收集同一批上下文，也减少了在多步骤复杂任务上反复人工纠偏的需要。大型项目会被拆给彼此隔离的子智能体，互不干扰。
运行时依赖一份本地事件日志：每一次模型调用、工具运行、人工批准和代码修改都会被追加记录。Meta 称这份日志是唯一可信来源，可以做到精确重放，程序崩溃后智能体能从中断处继续，而不必从头再来。
工具默认自带若干技能命令，例如 /plan 把任务转成需要人工批准的计划，/grill 反复压力测试这份计划直到站得住脚，/goal 则朝着既定目标推进直至完成。
Meta 公布的一个案例是图形处理器（GPU）内核优化：模型在超过 1000 次工具调用、最长 24 小时的过程中反复编写、编译、性能分析并改进内核代码，测试对象是面向英伟达 Hopper 架构的 KDA 与 MLA 两类内核，且明确禁止直接调用第三方内核库，只能自行用 Triton 实现算法。
价格才是真正的卖点
按量付费档的定价与 Muse Spark 系列的接口价格一致：每百万输入词元（token）1.25 美元，每百万输出词元 4.25 美元。此外还设有一个”贡献者档”，用户需同意提供反馈帮助改进模型，作为交换，价格比按量付费档还要低 10 倍以上。据《华尔街日报》，该档位为每百万输入词元 0.10 美元、每百万输出词元 0.20 美元。
对比之下差距相当直观。以每百万输出词元计算，OpenAI 的 GPT-5.6 Terra 为 12 美元、旗舰 Sol 为 30 美元；Anthropic 的 Claude Sonnet 5 为 10 美元、Opus 5 为 25 美元。也就是说，Muse Code 按量付费档的输出价，大约只有 GPT-5.6 Sol 的七分之一。Claude Code 与 Codex 目前主要以每月约 20 美元的订阅形式提供，超出额度后转为按量计费。
亚历山大·王把话说得很直白：Meta 不打算靠最尖端的能力去竞争，而是把价格当成核心差异点。他表示，对于大量工作流和使用场景而言，这会是一个很有吸引力的选项，尤其是从成本角度看。
针对企业客户，Meta 开始接受”零数据保留”申请，承诺不留存开发者数据用于模型改进。对一家 98% 收入来自广告业务的公司来说，这个表态本身就带有信号意义。
性能大致卡在第一梯队边缘
驱动 Muse Code 的是 Muse Spark 1.2，它是 7 月发布的 Muse Spark 1.1 的编程向升级版，与智能体协同训练而成。Meta 称模型在代码生成、复杂调试、代码库理解和端到端开发流程上均有改进。
按 Meta 公布的评测结果，Muse Spark 1.2 在考察命令行工作流的 Terminal-Bench 2.1 上略微领先 GPT-5.6 Terra，接近 Claude Opus 5；在考察长周期任务的 DeepSWE 1.1 上落后于这两者，但仍领先于 xAI 的 Grok 和谷歌的 Gemini 3.6 Flash；在 Meta 自建的编程基准上，成绩位于 Claude Opus 5 与 GPT-5.6 Terra 之间。需要说明的是，这些数据均由 Meta 自行公布，目前尚无第三方复现。
一个细节是，Meta 在官方说明中的对比对象是 GPT-5.6 Terra，并未提及能力更强的 Sol。换句话说，Muse Code 现阶段的定位不是”最强”，而是”够用且便宜”。
发布时机并不轻松
这次发布落在一个敏感的时间点。上周 Meta 因营收指引不及预期、第二季度自由现金流下滑，股价一周内下跌约 10%，投资者持续要求管理层给出巨额 AI 投入的变现路径。Muse Code 是马克·扎克伯格为 AI 业务开辟独立收入来源的最新尝试。
公司内部也在加码。据《The Information》看到的内部备忘录，Meta 已要求数千名工程师每周至少用内部 AI 编程助手提交一次代码改动，并纠正它犯的错，以此积累训练数据。这套反馈循环据称已经提升了 Muse Spark 1.1 的编程能力，预计还将惠及一款内部代号为 Watermelon 的新模型。
对开发者来说，现阶段选择 Muse Code 的理由不是速度或能力上限，而是成本结构。Meta 从推出首个 Muse Spark 模型到拿出与同行接近的编程成绩只用了四个月，这个追赶速度本身比单次跑分更值得关注。不过也要提醒一句：高频使用 AI 编程工具的团队，按量计费的最终账单未必比订阅制便宜多少，实际成本仍需按自身调用量测算。
来源：How-To Geek / Jon Fingas、Engadget、CNBC、《华尔街日报》、Meta AI 研究博客
