可自定义形象，免费起步

Muse 允许用户自定义智能体的名称与头像，以获得更个性化的使用体验。在入口上，除 iPhone 客户端外，用户也可通过网页端 muse.ai 在 Mac 上使用这一服务。

在收费模式上，Muse 采用”免费起步、付费解锁”的策略：基础使用免费，但设有每周调用限额；付费用户可解锁更高的使用权限。Meta 同步公开了 Muse 的设计介绍页与一份关于智能体安全机制的说明文档。

目前仅在美国上线

iPhone 版 Muse 已通过 App Store 在美国区上架。Meta 方面表示，该应用目前仅在美国提供，后续会逐步扩展到更多国家和地区。

就在上个月，Meta AI 还发布了一款功能更强的 Mac 桌面端应用。Muse 与苹果的新一代语音助手 Siri AI 在同月登场，反映出科技巨头正集体将语音助手升级为聊天机器人时代的形态。需要指出的是，Siri AI 虽已能执行部分操作，但尚不属于 OpenAI、Anthropic、SpaceXAI 与 Meta AI 所展示的那种完整智能体系统。

行业背景

将人工智能包装为具有人格特征的角色，是 2026 年个性化智能体赛道的一个明显取向。Muse 的出现，意味着 Meta 在聊天助手之外，进一步把能力延伸到可代为完成任务的智能体形态，与同赛道的其他厂商形成直接竞争。

Muse Code 基于 Meta 同日推出的 Muse Spark 1.2 模型。与竞品不同，它没有独立图形界面，安装只需一行命令即可集成进终端工作流。官方介绍称，该工具能够规划代码改动、编写代码、验证结果，并通过多个持久运行的后台子代理协同完成复杂工程任务。

价格双轨：标准版与贡献版相差 20 倍

Muse Code 的计费方式分为两档。标准档按量计费，输入 token 为每百万 1.25 美元，输出 token 为每百万 4.25 美元；贡献档则降至输入每百万 0.10 美元、输出每百万 0.20 美元，输出成本约为标准档的二十分之一。代价是用户需授权 Meta 将提示词与模型输出用于训练未来模型。两档的速率限制也不同：贡献档每分钟最多 60 次请求、210 万 token；标准档可达每分钟 3000 次请求、400 万 token。

这种定价模式把”数据换折扣”摆上了桌面。对于处理公开代码或原型项目的开发者，贡献档极具吸引力；但对于涉及商业机密、私有代码库或受监管行业的团队，标准档几乎是唯一选择。

功能亮点：持久代理与崩溃恢复

Muse Code 在架构上强调长时任务稳定性。它在本地维护一份追加式事件日志，记录每次模型调用、工具执行、审批与编辑。即便运行过程中断，代理也能从断点精确恢复，官方称之为”可重放、可重启”。此外，内置的 /plan、/grill、/goal 等命令分别用于生成待审批计划、压力测试计划以及推进目标完成。

在 Meta 自己公布的基准测试中，Muse Spark 1.2 在 Terminal-Bench 2.1 上取得 82.9%，低于 Anthropic Opus 5 的 86.7%，但略高于 OpenAI GPT-5.6 Terra 的 81.8%。需要注意的是，该分数为厂商自报，尚未经过公开排行榜独立验证。

竞品格局与选择建议

Anthropic Claude Code 与 OpenAI Codex 目前仍是该领域的头部产品，拥有更成熟的社区与生态。Muse Code 的优势在于激进的定价和面向长时任务的运行时设计，劣势则是起步较晚、缺少图形界面、数据授权引发隐私担忧。

对普通开发者而言，若项目代码可公开且追求最低成本，贡献档值得试用；若涉及企业代码或敏感业务，标准档虽贵，但避免了将核心资产变成训练数据的风险。平台竞争越激烈，开发者反而越要先算清楚这笔账。

来源：Meta AI Research 官方博客 / MacRumors / 9to5Mac

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