Meta发布Muse Code终端编程代理，基于Muse Spark 1.2模型，支持长时任务与崩溃恢复

一句话看懂

Meta发布终端编程代理Muse Code（测试版），基于新模型Muse Spark 1.2，主打大型代码库的规划、编码与验证，支持长时间任务和崩溃恢复。

详细发生了什么

Meta Superintelligence Labs正式推出Muse Code，这是一款运行在终端中的编程代理，目前处于测试阶段，由全新的Muse Spark 1.2模型驱动。Muse Code的目标是处理复杂软件工程任务，尤其是在大型代码库中：它能够规划变更、编写代码并验证结果。其核心设计包括一组异步后台代理，这些代理在整个会话期间保持活跃，而不是为每个任务临时创建，从而避免重复的信息收集，降低延迟并提升多步任务的执行效率。

另一个关键特性是本地追加式事件日志，记录每一次模型调用、工具运行、审批和编辑。Meta称该日志为“单一事实来源”，具有“重放精确”和“重启安全”的特性：即使代理崩溃，也能从停止处精确恢复，确保长时间运行的任务不中断。

Muse Spark 1.2是与Muse Code的harness协同训练的，训练数据包含拒绝采样的harness轨迹，以及针对目标、压缩和子代理的优化。模型还接受了长时程、仓库级任务的训练，包括整个仓库的生成、大型端到端项目和自动研究。此外，Muse Spark 1.1生成了具有挑战性的编码环境和指令遵循模板，并用于生成1.2的训练数据，实现了自我改进。

Meta还发布了一份内核优化案例研究，展示了在NVIDIA Hopper GPU上运行超过1000次工具调用、持续长达24小时的迭代优化过程。Muse Code支持macOS和Linux，可通过curl命令安装。Muse Spark 1.2已集成到Muse Code和Meta Model API中，并扩大了全球访问范围。

中文圈视角

对于中文开发者，Muse Code的发布提供了一个新的终端编程代理选择，但需注意其依赖Meta的托管服务，未提供可下载权重，因此使用时需要网络访问Meta API，国内用户可能需要考虑网络连接问题。目前国内已有类似产品，如阿里云的通义灵码（Tongyi Lingma）和腾讯的AI代码助手，它们同样支持代码补全和仓库级操作，但Muse Code的“持久后台代理”和“崩溃恢复”特性较为独特，可能对长时运行的自动化任务（如夜间批量重构）有吸引力。在合规方面，使用Meta API意味着代码可能出境，对于涉及敏感项目的团队需谨慎评估。中文社区对Muse Code的讨论尚少，其“重放精确”日志机制值得关注，可能为调试和审计提供新思路。

几条值得记住的细节

Muse Code通过curl -fsSL https://dev.meta.ai/install.sh | bash安装，支持macOS和Linux。
内置三个技能：/plan生成审批门控计划，/grill压力测试计划，/goal推动目标完成。
Muse Spark 1.2在Terminal-Bench 2.1上得分为80.0（Muse Spark 1.1），对比模型包括Grok 4.5、Claude Opus 5、GPT-5.6 Terra等。
评估使用89个任务的Terminal-Bench 2.1、113个任务的DeepSWE v1.1和440个任务的Meta内部编码基准。
内核优化案例中，模型在KDA和MLA内核上分别构建了分块并行预处理内核和两内核Triton流水线。

一句话总结

Muse Code为长时、复杂的编程任务提供了新工具，但国内用户需权衡网络和合规因素。