Meta近日正式推出其AI编程智能体Muse Code（测试版），正式加入与Anthropic和OpenAI的竞争行列。该公司在官方公告中表示：“我们很高兴发布Muse Code（测试版），这是一款由Muse Spark 1.2模型驱动的终端编程智能体，标志着我们向前沿迈出新的一步，未来将推出更大、更强大的模型。”
作为一款智能编程工具，Muse Code专为大型代码库的软件工程任务设计。据Meta介绍，它能够“承担跨大型代码库的复杂软件工程任务：规划变更、编写代码并验证结果。它可为每个任务协调多个持久性子代理，从而更快、更准确、更少干预地解决难题。”
最引人注目的特点是其运行时设计。Muse Code将所有模型调用、工具运行、审批和编辑记录到本地事件日志中，作为单一事实来源。Meta表示：“这一单一事实来源使得运行时能够精确重放并安全重启：崩溃后，智能体可以从停止的位置精确恢复。”对于长时间运行的任务，这一特性比原始速度更为关键，而竞争对手尚未将其作为卖点。
此外，Muse Code内置了默认技能。`/plan`命令将任务转化为需审批的计划，`/grill`对计划进行压力测试直至稳定，`/goal`则致力于成功完成目标，类似于Hermes的功能。Meta称，他们与Muse Code联合训练了Muse Spark 1.2模型，使核心大语言模型与智能体协同工作。
基准测试与表现
Muse Spark 1.2是Muse Spark 1.1的编程专精版本。Meta表示：“我们大幅增加了编程任务的训练计算量，同时扩展了训练环境的多样性，在代码生成、复杂调试和端到端开发者工作流方面取得了显著改进。”图表显示，在Terminal-Bench 2.1上，Muse Spark 1.2搭配Muse Code得分82.9%，低于Claude Code on Opus 5的86.7%，但高于GPT-5.6 Terra on Codex的81.8%和Grok Build的81.6%。
在衡量智能编程能力的DeepSWE 1.1基准上，差距缩小：Muse为59.3%，Opus 5为65.0%，Codex为64.8%。在Meta内部编程基准上，Muse达到70.6%，而Opus 5为79.4%。
加速图表显示，在超过1000次工具调用后，Opus 5相对于基线提升最大（约74-75%），Muse Spark 1.2居中（约61-69%，取决于运行次数）。Meta强调，智能体随着工具调用积累而持续改进，这正是长周期编程所需的行为。
多模态与长时任务
最有趣的演示是长周期和多模态任务。在压力测试中，Meta表示Muse Code“在Nvidia Hopper GPU上通过1000多次工具调用（长达24小时）迭代优化GPU内核”，这意味着它能够随时间不断改进。此外，Muse Code还具备视觉编码能力：用户可将房屋漫游视频（mp4）拖入终端，Muse Code“解读视频并生成一个带有预订功能的视觉丰富的网站”。将原始视频转化为可工作的网页应用，是Meta在Muse系列中一直强调的多模态能力。
竞争格局与独特优势
虽然Meta入局较晚，但Muse Code的亮点在于崩溃安全运行时和子代理设计，而非基准测试领先。目前OpenAI的Codex已支持并行云端智能体，DeepSeek也构建了类似Claude Code的竞品，而Hermes或OpenClaw等工具已具备更多功能。Muse Code的风险在于：一个能崩溃后恢复并持续调用工具长达24小时的智能体，既强大又难以预测。Meta正在押注开发者渴望这种自主性，并已开始发货。
Muse Code现已开放测试，用户可通过以下命令安装：curl -fsSL https://dev.meta.ai/install.sh | bash