▍即時快訊 09:57 英特爾宣布加碼50億歐元 擴大愛爾蘭Leixlip園區晶片產能›09:49 Meta 發布 Muse Code 編程代理與 Muse Spark 1.2：基準測試落後 Claude Opus 5，靠低價貢獻者層定價搶市場›09:48 NVIDIA Alpamayo 2 Super 開放商用:OpenMDW-1.1授權擴大至整個Alpamayo家族
AI快訊

Meta 發布 Muse Code 編程代理與 Muse Spark 1.2：基準測試落後 Claude Opus 5，靠低價貢獻者層定價搶市場

N
Nathan・科技編輯 · 技術負責人
發布 · 更新
根據TechCrunch與VentureBeat報導，Meta於8月5日推出終端機編程代理Muse Code測試版，並發布Muse Spark 1.2；該模型於Terminal-Bench得分82.9%，低於Claude Opus 5的86.7%，貢獻者層定價每百萬輸出token僅0.20美元。

Muse Code 是什麼，Meta 為何在此時推出它？

根據TechCrunch報導，Meta發布Muse Code，是一款鎖定大型程式碼庫的終端機編程AI代理，目前為公開測試版（beta）。Meta執行長Mark Zuckerberg於8月5日（週三）在社群貼文中表示，Muse Code能完成「跨大型程式碼庫的完整軟體工程任務」。

VentureBeat報導指出，Meta同日發布Muse Code測試版與Muse Spark 1.2，兩者合計讓Meta直接與Anthropic的Claude Code、OpenAI的Codex，以及日漸壯大的代理式編程工具陣營競爭。值得對照的是，原始Muse Spark已於2026年4月8日由Meta Superintelligence Labs發布，是Meta首款純雲端、不開放權重下載、不可自架的專有模型；VentureBeat稱此舉標誌著Llama開源時代的終結。當時Meta發言人被直接問及Llama後續開發時，僅回應「我們目前的Llama模型將繼續作為開源提供」，對未來模型保持沉默。

Muse Code 的核心功能與工作流程

Zuckerberg描述Muse Code的任務範圍，包括「規劃變更、撰寫程式碼、驗證結果」。根據TechCrunch報導，Muse Code可用單一指令安裝，並由Meta先前發布的編程模型Muse Spark驅動。

異步背景代理架構設計

VentureBeat引述Meta官方部落格說明，Muse Code採「持續運作」的異步背景代理設計：代理在整個工作階段中保持運作，而非為每個任務重新生成，藉此避免重複蒐集資訊，並自行決定何時向主代理回報進度。

此外，每一次模型呼叫、工具執行、核准與編輯，都會先寫入本地事件日誌才執行；VentureBeat報導稱，Meta形容這套單一事實來源設計讓運作「精確重播且安全重啟」。

Muse Spark 1.2 在多個基準測試中的表現與對標

VentureBeat彙整多項基準測試分數，顯示Muse Spark 1.2雖較前代進步，但仍未在多數測試中超車對手：

基準測試Muse Spark 1.2（於Muse Code運行）對手成績備註
SWE-Bench Verified（原始Muse Spark，2026年4月）77.4Claude Opus 4.6：80.8／Gemini 3.1 Pro：80.6落後兩者
Terminal-Bench 2.182.9%Claude Opus 5：86.7%（第一）／GPT-5.6 Terra：81.8%／Grok 4.5：81.6%領先GPT、Grok，落後Opus 5
DeepSWE 1.159.3%Opus 5：65.0%／GPT-5.6 Terra：64.8%排名第三
Meta內部編程基準70.6%GPT-5.6 Terra：65.4%／Gemini 3.6 Flash：63.9%／Opus 5：79.4%領先GPT、Gemini，落後Opus 5近9分

與前代1.1版相比，Muse Spark 1.2在Terminal-Bench提升6.7分，在DeepSWE提升6.3分。

Muse Code 的成本優勢與差異化定價模式

Meta AI負責人、Meta Superintelligence Labs主管Alexandr Wang向《華爾街日報》表示：「我們認為對許多工作流程與許多使用情境來說，這會是一個非常好的選項，尤其是從成本角度而言。」VentureBeat報導的定價結構顯示這句話背後的具體數字：

定價層級輸入（每百萬token）輸出（每百萬token）快取輸入速率限制資料是否用於訓練
標準層$1.25$4.25$0.153,000次/分鐘否
貢獻者層$0.10$0.20$0.00260次/分鐘是（換取授權）

貢獻者層的輸入與輸出價格，分別較標準層便宜約12倍與21倍，代價是使用者須同意將提示詞與生成結果用於訓練Meta未來的模型。VentureBeat指出，貢獻者層遠低於標準層的速率限制，顯示該方案針對個人與小型實驗場景，而非生產環境負載。

安裝部署與可用性體驗

VentureBeat報導稱，Muse Code是一套完整的執行環境（harness），可透過單行curl指令在macOS或Linux上安裝，與驅動它的模型共同訓練，且與背後的Muse Spark模型一樣，完全屬於Meta專有技術。

VentureBeat在Mac mini上實測安裝流程：一行安裝指令運作正常，下載檔案為97MB，登入流程也順利完成，但代理最終未能實際執行任何工作——系統回報找不到可見的模型，且需要「完成帳戶設定所需的付款」才能繼續使用。

Muse Spark 1.2 的實際應用表現與硬體訓練優化

Zuckerberg表示，在測試中，Muse Code同時為一款遊戲建置六項功能，且沒有發生衝突。另一項測試中，Meta讓Muse Spark 1.2針對GPU核心優化任務，在輝達（NVIDIA）Hopper硬體上運行超過1,000次工具呼叫，持續時間長達24小時。

Meta 進軍企業 AI 與開源生態的長期戰略

VentureBeat報導指出，Meta今年6月已跨出核心的廣告業務焦點，推出鎖定客服支援場景的企業AI代理，正式進軍企業AI市場。

在開源議題上，截至2026年初，Llama系列模型的累積下載量約達12億次，平均每天約100萬次下載；但截至2025年底，來自DeepSeek、阿里巴巴與智譜AI的中國開源模型，在Hugging Face上的下載量佔比已攀升至約41%，侵蝕Llama在其開創的開源運動中的領導地位。對於Muse Code或Muse Spark是否會走向開源，Zuckerberg在X上回覆提問時僅表示：「稍後會有更多消息分享。」

這代表什麼

把基準測試與定價數字並列可以看到一個張力：Muse Spark 1.2在Terminal-Bench（82.9% vs. 86.7%）、Meta內部基準（70.6% vs. 79.4%）與DeepSWE（59.3% vs. 65.0%）上都落後Claude Opus 5，但貢獻者層定價僅為標準層的12分之1至21分之1，條件是使用者同意資料用於訓練。這項定價設計，發生在Meta自2026年4月8日起終止開放Muse Spark權重下載、轉向純雲端專有模型之後；而彼時Llama累積下載量雖已達12億次，其在開源生態的地位卻已面臨中國模型41%下載佔比的侵蝕。三組數字擺在一起，呈現的是一家在性能指標上尚未領先、卻在定價與資料策略上做出明確選擇的公司。

📊 證據與數據

常見問題

Muse Code 或 Muse Spark 未來會開源嗎？

根據VentureBeat報導，Zuckerberg在X上被問及此問題時僅回應「稍後會有更多消息分享」；目前Muse Code與Muse Spark系列模型皆為Meta的專有技術，尚未開放權重下載。

Muse Code 怎麼安裝？

根據TechCrunch與VentureBeat報導，Muse Code可用單一指令安裝（在macOS或Linux上透過curl指令），由Meta先前發布的Muse Spark模型驅動；VentureBeat實測下載檔案為97MB，但需綁定付款方式才能完成帳戶設定並實際運作。

📎 資料來源

  1. techcrunch.com
  2. venturebeat.com
N
Nathan・科技編輯 · 技術負責人
🔗 作者頁與著作

相關文章