要点

Meta 已发布 Muse Code（测试版），这是一个基于终端的编码代理，由 Muse Spark 1.2 编码模型驱动，可通过 Meta Model API 与 curl 安装脚本获取。该代理协调持久子代理，将每个事件记录到本地的精确重放事件存储，并能在崩溃后继续而不丢失进度。根据 Meta 的基准图表，Muse Spark 1.2 在所示的编码测试中落后于 Anthropic 的 Opus 5，但通常优于 OpenAI 的 Codex 与 Google 的 Antigravity。 最突出的功能是可重启的安全运行时：长期任务可以精确地从中断处恢复，对延长的工程工作流而言，这比原始速度更重要。

情感分析

• 整体情感为混合偏稍正面。本次发布以实用的工程特性为主，而非在基准上全面压倒对手。下方的进度条反映出谨慎正面的语气，强调有用的创新但也承认在某些测试中存在更强的竞争者。
  60%

文章正文

Meta 推出 Muse Code（测试版），这是一个基于 Muse Spark 1.2 模型的终端式编码代理，并通过 Meta Model API 与简单的 curl 安装方式发布。该产品面向大型代码库的软件工程：规划变更、编写代码、验证结果，并协调多个持久子代理以解决复杂问题，减少人工干预。Meta 将此发布定位为渐进但有意义的一步，并表示更大型的模型正在研发中。

Muse Code 的一个关键运行细节是其事件记录策略。该代理将每次模型调用、工具调用、审批与编辑记录到本地事件日志，作为单一事实来源。基于此设计，运行时为“可精确重放”且可重启安全：如果进程崩溃，可以精确地从中断处继续。对于可能持续数小时或数天的长期任务而言，这种弹性可能比原始推理速度更重要，并且是相较于许多竞争代理的一个区别性能力。

Muse Code 随附内置技能与命令，以支持迭代与需审批的工作流。例如，"/plan" 命令可将任务转换为需要审批的计划；"/grill" 对计划进行压力测试，直到其证明稳健；而 "/goal" 则驱动以完成目标。Meta 报告称 Muse Spark 1.2 与 Muse Code 共同训练，使底层大型语言模型与代理的编排逻辑协同运作。

在基准测试上，Muse Spark 1.2 讲述了一个细微的故事。它相较于上一代更侧重编码，Meta 表示已增加代码任务的计算量并拓宽训练环境，以改进代码生成、调试与端到端工作流。在 Meta 报告的结果中，搭配 Muse Code 的 Muse Spark 1.2 在 Terminal‑Bench 2.1 上得分低于 Anthropic 的 Opus 5（82.9% 对 86.7%），但在相同图表中领先于若干其他系统，例如 Codex 与 Grok Build。面向代理的基准如 DeepSWE 1.1 显示差距较小：Muse 更接近竞争者，尽管在报告数字中仍落后于 Opus 5。

在更长序列与多次工具调用下的性能是另一个重要维度。Meta 的加速图表显示 Opus 5 在多次工具调用上相较基线取得最大提升，而 Muse Spark 1.2 则处于中间位置。Meta 强调 Muse Code 的行为会随着工具调用累积而改善——这正是你希望从会随时间改进解法的长期编码器得到的特性。

一些最具说服力的演示是长期与多模态的案例。Meta 展示 Muse Code 在 Nvidia Hopper 硬件上经过超过 1,000 次工具调用的长时间运行，逐步优化 GPU 内核，显示该代理能在长时间作业中改善输出。也有多模态示例：用户提供一段家居飞越视频（mp4），Muse Code 解析视频并生成视觉丰富且带有预订功能的网站。这类演示反映出 Meta 在 Muse 系列上的多模态野心。

尽管具备这些优势，Meta 仍进入了一个拥挤的市场。其他公司已经发布代理化的编码工具与并行代理编排；一些既有替代方案已提供可比或更广泛的能力。Meta 的差异点并非在基准上完全领先，而是其崩溃安全的运行时与子代理架构。该设计可能对运行长时间自主工作负载的团队具有吸引力，但也带来关于具长期自主性并频繁访问工具的强大代理的常见担忧。

简而言之，Muse Code（测试版）是一个务实的发布，强调面向长期开发者工作流的鲁棒性与多模态能力。它并未在每项基准上取代当前领导者，但引入的功能——尤其是可精确重放的事件日志与持久子代理——可能改变团队处理延续性代理化工程任务的方法。该代理现已可通过 Meta 提供的简易安装命令进行测试。

实用要点： Muse Code 的可重启安全运行时与協調子代理使其特别适合长期、多模态的工程工作，当连续性与可重复性比单一任务速度更有价值时尤为适用。

关键见解表