Meta 推出 Muse Code 与 Muse Spark 1.2：同意让出数据，终端智能体就打折

2026年8月5日，Meta AI Research 在官方博客上同时公布了两款产品：一是 Muse Code，被定义为“由 Muse Spark 1.2 驱动的终端编程智能体”（来源：Meta AI Research 官方公告）；二是模型 Muse Spark 1.2，官方称其“面向代码”，在长周期编程任务上训练，包括生成完整的代码仓库（来源：Meta AI Research 官方公告，Simon Willison 转述）。Muse Code 以测试版形式发布，支持 macOS 和 Linux，安装只需一条 shell 命令，从 dev.meta.ai 下载脚本（来源：Meta AI Research 官方公告）。Windows 版本和正式上线的时间，Meta 都没有给出。

这个智能体能够调度在整个会话中持续存在的子智能体，公告中点名了三个：Photon Sphere、Embervault 和 Avo Lawn（来源：Meta AI Research 官方公告）。它自带三条操作命令：/plan，把任务变成一份需要你批准的计划；/grill，对这份计划进行拷问；/goal，一直干到目标完成（来源：Meta AI Research 官方公告）。

Muse Spark 1.2 在 Meta 的开发者平台上以两个不同的标识提供。标准价“muse-spark-1.2”为每百万输入 token 1.25 美元、每百万输出 token 4.25 美元；而“contributor”档为输入 0.10 美元、输出 0.20 美元。这份价目并未出现在官方公告里，而是从 Meta 开发者平台上得到的（来源：Simon Willison、福布斯）。“contributor”档的低价有前提：用户必须明确同意 Meta 使用其提示词和回复来训练未来的模型（来源：Simon Willison、福布斯）。两者差距在输入端约 12 倍，输出端约 21 倍（依据公开价格计算，来源：福布斯）。

技术层面，该模型接受文本、图像、视频和 PDF 作为输入，上下文窗口为 1,048,576 个 token（来源：Models.dev、OpenRouter）。在 Meta 的内部评测中，Muse Spark 1.2 在 Terminal-Bench 2.1 上取得 82.9%（1.1 版为 76.2%），在 DeepSWE 1.1 上取得 59.3%（1.1 版为 53.0%）；在一项内部测试中，分数从 68.3% 提升到 70.6%（来源：Meta AI Research 官方公告）。这些数字由 Meta 自行公布，以图表形式呈现，没有任何说明交代是怎么测出来的。到目前为止，还没有人独立复现过。

无论是官方公告，还是各方的独立梳理，都没有说清这一档位覆盖的数据边界——只是提示词和回复，还是也包括智能体在仓库里读取的文件内容——也没有说明是否存在删除或事后退出的机制。

总的来说，Muse Code 是 Meta 在命令行智能体领域迈出的实际一步，而“contributor”档的折扣被明确绑定在训练授权上：愿意分享自己提示词和回复的开发者，拿到的价格比标准档低一个数量级。 — Pixie