Meta 近年加快推動 AI 編碼工具陣容，於本週發布 Muse Code 與全新 Muse Spark 1.2，正式加入由 OpenAI 與 Anthropic 主導嘅 AI 編碼工具競爭。Muse Code 係一款終端機為本嘅編碼工具，基於 Muse Spark 1.2 運作，設計用於喺背景以智能體形式執行多項複雜嘅編碼任務，為軟件開發者帶嚟新嘅工作流程。與此同時，Spark 1.2 喺代碼生成、除錯同代碼庫理解等場景做出專項優化，旨喺提升長期開發工作流嘅效率。官方指出，呢個組合能讓智能體喺用户唔需要逐步幹預嘅情況下完成編寫、驗證同協調任務。另有指出，Spark 1.2 係喺上月推出嘅 Spark 1.1 基礎上升級，聚焦喺編碼相關嘅功能改進。 Meta 同時透過 OpenRouter 同開發者網站提供訪問權限，但需要先申請 API 金鑰，現階段主要開放畀軟件開發者同工程師使用；雖然技術層麪人人都可以購買 API 金鑰，成本控制仍然係實際規劃嘅核心。
根據 CNMO 的報導，Muse Code 以一種「氛圍編碼」嘅趨勢推動，使用户喺缺乏深入編程經驗之下都能透過智能體創建網站同應用程式；該工具同時指出，OpenAI 嘅 Codex 與 Claude Code 曾經引領過類似嘅編碼工具熱潮，而 Meta 此次嘗試係以本地化運算與長期任務協調作為賣點。Muse Code 及其底層模型 Spark 1.2 目前係面向開發者開放，使用者可透過 Meta 開發者網站，或者透過 OpenRouter 取得訪問，需先完成 API 金鑰申請程序。
該科技動向揭示：多模態與長期工作流的編碼智能體正成為主流，市場競爭加速但成本風險同樣顯著；Meta 透過 Muse Code 與 Spark 1.2 的組合，強調本地運算、背景任務管理及自動化流程嘅可行性，與 OpenAI、Anthropic 等對手形成技術與商業策略嘅新對撞。
9to5Mac 的報導補充，Muse Code 已經喺 macOS 與 Linux 的測試版本中提供 beta 版本，Mac 用户可用「curl -fsS dev.meta.ai/install.sh | bash」呢條單線指令安裝。相較於 ChatGPT Codex 或 Claude Code，Muse Code 現階段仲未出現專屬應用程式介面，整體經驗更偏向於終端機同開發者工作流嘅整合。Meta 稱 Muse Code 具備規劃變更、撰寫代碼、驗證工作，以及在會話中持續運作嘅背景代理（agents）協調能力，仲有本地事件日誌，記錄模型呼叫、工具使用、批准同編輯動作，讓用户喺崩潰或中途中斷後可以恢復工作。內建指令仲可以自動產生計劃、進行壓力測試，或喺指定目標嘅方向持續工作。 Spark 1.2 嘅目標喺於增強代碼生成、除錯與長期開發工作流嘅整體能力，透過 Muse Code 同 Meta Model API 提供全球性訪問。
呢場發布亦延伸到對比過往產品路線：Meta 早前於 2024 年底取消 Llama，改以 Muse Spark 作為核心技術平台，並喺今年擴展 Meta AI 應用同埋新嘅圖像生成功能。為開發者提供更廣泛嘅存取，Meta 指定 Spark 1.2 同 Muse Code 係以“長期工作流”同“多模態能力”為核心，緊貼開發者社羣嘅需求。全球化訪問方面，Spark 1.2 同 Muse Code 都透過 Meta Model API 進行分發，並透過 OpenRouter 提供訪問路徑。與此同時，OpenAI 開發嘅 Codex 同 Anthropic 嘅 Claude Code 已經喺市場上建立咗早期競爭優勢，呢個競爭格局會促使各家不斷優化模型能力同成本控制策略。
定價方面，Meta 仍採用按量計費嘅模式。Muse Spark 1.2 嘅定價同 Spark 1.1 相同：輸入端每百萬 token 收費 1.25 美元，輸出端每百萬 token 收費 4.25 美元。Meta 提醒使用者，近期有企業因大量使用 AI 服務而產生高額賬單，因此採用「token 最大化」策略嘅實踐風險不容忽視；用户需對成本與效益進行平衡規劃，避免造成不必要嘅經濟負擔。
整體而言，Muse Code 與 Spark 1.2 嘅組合，喺現階段重心放喺「客製化開發」與「長期任務自動化」嘅工作流，依賴本地運算同代理機制，使得開發者能喺本地環境或受控伺服器中進行高階編碼工作。然而，呢種以本地運算為核心嘅策略，可能對硬件資源、網路存取同安全性帶來新嘅挑戰，特別喺跨團隊協作及企業級部署時，需要更完善嘅鑑權、審計與成本監控工具。若果你係開發者或企業團隊，喺決定採用 Muse Code 前，建議先評估現有工作流中嘅長期任務分解、代碼安全風險、以及與現有 CI/CD 系統嘅整合程度，並合理配置 API 金鑰嘅使用上限與監控機制，避免意外高昂成本影響整體研發預算。 https://www.meta.com。
