Meta 今天发布了两款 AI 产品：Muse Code，一个在终端里运行的编程 agent；Muse Spark 1.2，驱动这个 agent 的新模型。一句话概括：你可以用 curl -fsSL https://dev.meta.ai/install.sh | bash 安装一个能在大项目里自动规划、写代码、验证结果的 AI 终端工具。

据介绍，Muse Code 是 Meta 的编程 agent 产品。它和市场上已有的终端编程 agent 在设计理念上有几个明显的差异点。

• 异步后台 agent：Muse Code 有一个主 agent 循环，外加一组后台 agent。这些后台 agent 不是每次任务临时创建的，而是一直运行在整个 session 里，负责收集信息、执行下一步操作，并在需要时主动通知主 agent。因为它们是持久化的，不用每次重新收集上下文，在多步骤任务中延迟更低，也不需要用户频繁给指令。
• 事件日志作为单点真相：Muse Code 的运行时把每一次模型调用、工具执行、用户审批、代码编辑都以事件的形式追加到本地日志中。这个设计的直接好处是：agent 崩溃后可以精确恢复到中断点继续执行，不用从头开始。对于需要跑几个小时的长任务来说，这个能力是刚需。
• 内置技能：/plan 把任务变成需要审批的计划，/grill 对这个计划进行压力测试直到它站得住脚，/goal 则持续推进目标的完成。Meta 给的 demo 是把一个房子的航拍视频扔给终端，Muse Code 自动生成了一个度假屋营销页面。

模型端：Muse Spark 1.2

Muse Spark 1.2 是 Muse Spark 1.1 的"编程特化版"。Meta 在编程任务上大幅增加了训练算力，同时扩展了训练环境的多样性。几个值得注意的点：

与 Muse Code 联合训练：不是先训好模型再适配工具，而是在训练过程中就让模型和 Muse Code 的工具集、harness 交互。训练数据包括 rejection sampling 产出的 harness 轨迹、针对 goal 和 subagent 的 recipe 优化。

长时域训练：模型在整仓库级别的代码生成、大型端到端项目、自动研究等场景上做了大量训练。通过 planning 来排序工作、goal conditioning 来维持方向、context compaction 来保留进度中需要的知识。

自我改进：Muse Spark 1.1 被用来生成挑战性的编程环境和指令遵循模板，然后由同一个模型对输出评分，看是否满足要求。这个循环产出了一个可扩展的训练数据集，让 1.2 在复杂指令遵循上更强。

GPU 内核优化：24 小时连续跑

Meta 给了一个具体案例：让 Muse Spark 1.2 在 NVIDIA Hopper GPU 上优化 KDA 和 MLA 内核，超过 1000 次工具调用，最长连续跑 24 小时。agent 写代码、编译、profile、迭代优化，最终在 baseline 之上实现了显著性能提升。测试规则是：禁止直接导入 FLA 等第三方内核库，必须自己用 Triton 实现算法。

Muse Spark 1.2 的做法是：把 chunk-parallel 的准备内核和跨 chunk 的顺序扫描配对，结合常规的融合和分块优化，再加上 KDA 专属的优化——比如在 chunk 中点重置 gated cumulative decay。

定价策略引起广泛讨论

Muse Spark 1.2 的 API 定价让大家关注的重点跑偏了——比起模型能力，大家更关心价格。

Meta 给了一个选择：如果你允许 Meta 用你的数据来训练模型，输入价格从 $1.25/M token 降到 $0.10/M token（10 倍），输出从 $4.25/M token 降到 $0.20/M token（20 倍）。这个折扣幅度在 API 定价里是罕见的。

"我太喜欢这个定价策略了，非常透明。"一位 HN 用户在评论区写道。但紧接着就有人质疑："Meta 不可能因为你没勾那个框就真的不用你的数据训练，你只是多付了钱让他们对你撒谎并违反合同。"

有人把 OpenAI 的政策翻出来对比。OpenAI 也有数据共享换免费额度的机制，但门槛复杂：不同价格层级、不同 opt-in 配置、基于用量的可用性。"比 Meta 的方案复杂太多了。我宁可翻个参数开关就拿 10 倍折扣，也不要在 OpenAI 那一堆配置里翻来翻去。"

不过也有用户指出 OpenAI 的免费额度限制很严——每天 1M 到 10M token，按 100K 上下文算也就是 10 到 100 个请求。"不多，这反而是付费给 Meta 的另一个理由。"

参考来源：

• Introducing Muse Code and Muse Spark 1.2 (Meta AI Blog)
• Muse Spark API 定价
• HN 讨论