Meta 於 8 月 5 日推出旗下首個編碼代理 Muse Code，同日一併發布與之共同訓練的 Muse Spark 1.2 模型，正式進入由 Anthropic 與 OpenAI 主導的 AI 編碼工具市場，開發者輸入單一指令便可以完成安裝，代理隨即能夠在大型程式碼庫內規劃修改、撰寫程式碼並驗證結果，遇上規模較大的工作時更會分拆多個持續運行的子代理，在互相隔離的工作副本中並行處理。
Meta 公布的評測數據顯示，Muse Spark 1.2 在所有編碼基準都落後 Anthropic 的 Opus 5，卻在大部分項目領先 OpenAI 的 Codex，因此公司選擇以價格而非能力作為賣點，API 收費只及對手約四分之一。這次發布屬於 Meta 人工智能總監 Alexandr Wang 上任後最重要的商業化動作，公司剛公布第二季自由現金流按年急挫 91%，投資者正在等待龐大資本開支帶來廣告以外的回報。
從模型供應商走向工具供應商
Alexandr Wang 於 2025 年 6 月加入 Meta，掌管 Meta Superintelligence Labs 並統籌基礎模型開發，行政總裁 Mark Zuckerberg 把他視為整頓公司 AI 策略的核心人物，Muse Code 是這條產品線由模型延伸至開發工具的第一步，公司在官方公告中形容它為「邁向前沿的下一步」，並預告更大、能力更強的模型仍在路上。Meta 早在 2026 年 6 月已經跨出廣告本業，推出面向企業客戶服務與支援的 AI 代理，Muse Code 令這條企業收入線再擴闊一層。
崩潰後可以續跑的執行環境
Muse Code 在終端機運行，架構上最值得留意的地方在於執行紀錄的設計，系統會把每一次模型呼叫、工具執行、人手批准與檔案修改寫入本機事件日誌，形成單一事實來源，令整個運行過程可以完整重播，程式即使中途崩潰亦能夠由中斷點準確接續。對於動輒運行數小時的長時間任務來說，這項特性的實際價值高於原始速度，而競爭對手至今並未把它當成主打賣點。
工具同時內建預設技能，/plan 把任務轉化成需要批准的計劃，/grill 反覆壓力測試計劃直至站得住腳，/goal 則持續推進至目標達成，Zuckerberg 在社交平台表示，測試期間 Muse Code 曾經同時為一款遊戲建構 6 項功能而沒有出現衝突，開發者的工作副本全程不受影響。Meta 另外展示了兩項壓力測試，其一是在 Nvidia Hopper GPU 上經歷超過 1,000 次工具呼叫、長達 24 小時反覆加強 GPU kernel，其二是把一段房屋導覽 mp4 影片直接拖入終端機，由代理解讀影片內容並生成具備預訂功能的網站。
定價成為主要武器
Muse Spark 1.2 的 API 收費為每 100 萬個輸入 token 1.25 美元、每 100 萬個輸出 token 4.25 美元，快取輸入低至 0.15 美元，並無長上下文附加費，速率上限為每個團隊每分鐘 3,000 次請求及 400 萬個 token，對照 Anthropic 的 Opus 5 每 100 萬個輸入與輸出 token 分別收取 5 美元與 25 美元，Meta 的輸出價格僅及對手約六分之一。
價格差距在 contributor 級別進一步拉開，該級別收費為每 100 萬個輸入 token 0.10 美元（約港幣 HK$0.78）、輸出 0.20 美元（約港幣 HK$1.56），條件是開發者必須同意 Meta 使用相關資料改良模型，Wang 形容這個級別比按用量付費再便宜超過 10 倍，並承認 Meta 這次以價格而非能力與 Anthropic 及 OpenAI 區隔。開發者可以透過 Meta 開發者頁面付費使用，模型亦已經上架 OpenRouter，與深度求索（DeepSeek）、智譜（Z.ai）等開放權重模型並列。
企業如何看待這條選項
價格優勢對用量密集的工作負載最有意義，包括大規模程式碼遷移、測試生成、依賴升級與檔案重寫等重複性高而容錯空間較大的任務，企業技術主管可以考慮分層策略，把邊際價值較低但數量龐大的工序交給 Muse Code，保留高風險的架構決策與安全敏感模組給準確度更高的模型，藉此壓縮整體 token 開支而不犧牲關鍵質素。
資料條款則是另一個必須計算的成本，contributor 級別的折扣本質上是以程式碼庫資料換取價格，任何涉及專有邏輯、客戶資料或受規管內容的項目都不適合採用。Meta 表示開始接受零資料保留（zero-data retention）申請，Wang 稱之為「對客戶重要的大型企業功能」，可是 Meta 有 98% 收入來自針對用戶資料的網上廣告，法務與合規部門在批核前很可能要求更明確的合約保證。長時間自主運行的代理亦帶來新的管治問題，一個能夠在崩潰後自行續跑、連續呼叫工具 24 小時的程式，權限邊界與審批閘口需要事先設定清楚。
基準分數揭示的真實位置
在 Terminal-Bench 2.1 測試中，Muse Spark 1.2 配合 Muse Code 取得 82.9%，落後 Claude Code 配合 Opus 5 的 86.7%，卻高於 Codex 上的 GPT-5.6 Terra（81.8%）與 Grok Build（81.6%），量度代理式編碼能力的 DeepSWE 1.1 差距更為明顯，Muse Spark 1.2 錄得 59.3%，Opus 5 與 Codex 分別為 65.0% 及 64.8%。Meta 內部編碼測試同樣呈現同一格局，Muse Spark 1.2 得 70.6%，Opus 5 得 79.4%。這批數字全部由 Meta 自行公布，結論卻對自己不利，反映公司清楚知道它的競爭位置在成本而非能力。
財務壓力下的商業化考驗
Meta 第二季收入達 608 億美元，按年增長 28%，廣告收入 594 億美元；資本開支同期由 170 億美元倍增至 311 億美元，令自由現金流暴跌 91% 至 7.84 億美元。公司把全年資本開支指引下限上調至 1,300 億至 1,450 億美元，單在第二季已經發行約 250 億美元長期債務支撐建設，業績公布後股價於盤後急挫 9.64%，Muse Code 的低價策略因此帶有雙重意義，它既是搶佔開發者心佔率的手段，也是把閒置算力轉化為現金流的途徑。
編碼代理走向價格分層
AI 編碼市場已經相當擠迫，OpenAI 的 Codex 早已支援雲端並行代理，深度求索（DeepSeek）推出對標 Claude Code 的方案，OpenClaw 一類開源代理亦累積了可觀用戶，Meta 加入的意義並非再多一個選擇，而是把價格拉扯成為市場的主要變數，令編碼代理由「用哪一個最強」逐步演變為「哪一層任務用哪一個價位」。
未來 12 個月的觀察重點在於三項指標，包括 Meta 能否以更強的後續模型收窄與 Opus 5 的能力差距、零資料保留條款能否通過企業法務審核，以及 contributor 級別的資料交換模式會否成為行業慣例。對企業而言，現階段合理的做法是把 Muse Code 納入評估清單而非立即全面切換，先以非敏感項目量度實際完成率與返工成本，再決定它在工具組合中的位置。
來源：CNBC
