近日，Meta正式推出其AI编程代理产品Muse Code（测试版），正式加入与Anthropic和OpenAI在AI编码领域的竞争。Muse Code由Meta最新模型Muse Spark 1.2驱动，定位为面向大型代码库的终端代理工具，能够规划代码变更、编写实现并验证结果。Meta表示，该代理可协调多个持久化子代理并行处理复杂软件工程任务，减少人工干预，提升解决难题的速度与准确性。
Muse Code最突出的设计是运行时机制。它会把每一次模型调用、工具运行、审批操作和编辑记录到本地事件日志中，形成“唯一事实来源”。Meta称，这一机制使得运行时具备“回放精确”和“崩溃安全”的特性：即使代理因故障中断，也可从断点精准恢复执行。对于长时间运行的任务而言，这一功能比单纯的速度更具实际价值，也是当前竞品尚未作为核心卖点强调的部分。
此外，Muse Code内置了多个默认技能。例如：/plan指令可将任务转化为需审批的分步计划；/grill指令用于对计划进行压力测试直至其稳定；/goal则驱动代理落实目标，类似Hermes所实现的效果。Meta还透露，Muse Spark 1.2与Muse Code采用联合训练方式，使大模型与代理协同配合更高效。
在基准测试方面，Muse Spark 1.2相较1.1版本在编码任务上显著增加训练算力，并扩展了训练环境多样性。官方数据显示，在Terminal-Bench 2.1测试中，Muse Spark 1.2配合Muse Code取得82.9%的成绩，低于Claude Code（基于Opus 5）的86.7%，但高于GPT-5.6 Terra驱动的Codex（81.8%）以及Grok Build（81.6%）。在考察代理编码能力的DeepSWE 1.1评测中，Muse得分为59.3%，落后于Opus 5的65.0%和Codex的64.8%。Meta内部编码基准上，Muse为70.6%，Opus 5为79.4%。
在工具调用效率提升图表中，趋势发生反转。跨越超过1000次工具调用，Opus 5相对基线的提升最大（约74-75%），Muse Spark 1.2则处于中游水平，提升幅度约为61-69%，具体随运行环境而异。Meta强调，随着工具调用累积，Muse Code的性能仍在继续增长，这正是长时间编码任务所期望的特性。
最值得关注的演示集中在长时任务和多模态能力上。在压力测试中，Muse Code在Nvidia Hopper GPU上进行了超过1000次工具调用（最长24小时）的GPU内核迭代优化，展现出持续改进的能力。另一方面，Meta展示了视觉编码场景：用户将一个房屋飞越视频（mp4）拖入终端，Muse Code即可解读视频内容，并生成一个具备预订功能的视觉丰富网站。这一“从视频到可用Web应用”的流程，延续了Meta在Muse系列中所强调的多模态技术路线。
整体来看，AI编程代理赛道已经相当拥挤。OpenAI的Codex已支持并行云代理，DeepSeek也构建了类似Claude Code的竞争产品，同时Hermes、OpenClaw等代理工具同样提供了丰富替代能力。Muse Code的核心竞争优势并不在于基准分数全面领先，而是其崩溃安全的运行时和子代理机制设计。不过，风险也同样存在：一个能够在崩溃后自动恢复并持续调用工具长达24小时的代理，虽然强大，但也可能带来更高的不可预测性和使用风险。Meta显然在押注开发者愿意接纳这种高度自主的编码代理，且其现已开放测试，安装命令为：curl -fsSL https://dev.meta.ai/install.sh | bash。