Meta 发布 Muse Code：一个用「后台常驻 Agent」设计的终端编码助手

原文来源：Meta AI Research Blog — Meta 推出终端编码 Agent Muse Code（Beta）与升级模型 Muse Spark 1.2，主打长任务场景：常驻后台 Agent、可精确恢复的事件日志、与模型协同训练。

2026 年 8 月 5 日，Meta Superintelligence Labs 发布了 Muse Code（Beta）——一个运行在终端里的编码 Agent，由新模型 Muse Spark 1.2 驱动。这是 Meta 在编码 Agent 赛道的正式入场，目标很明确：复杂软件工程任务、大型代码仓库，以及"一跑就是几个小时"的长任务。

安装命令只有一行：

curl -fsSL https://dev.meta.ai/install.sh | bash

目前支持 macOS 和 Linux。Meta 把它定位为"迈向 frontier 的下一步"，更大的模型已经在路上。

常驻后台 Agent：与主流方案不同的架构选择

Muse Code 最特别的设计，是它的一套"异步后台 Agent"。

主流编码 Agent（Claude Code、Codex 等）的做法是：主 Agent 循环遇到子任务时，临时生成一个子 Agent 去执行，做完就销毁。Muse Code 反过来——后台 Agent 在整个会话期间常驻，不按任务临时生成。

这样做的好处是避免重复的信息收集。子 Agent 每次生成都要重新读一遍相关文件、重新理解上下文；常驻 Agent 把这些信息保留在会话里，主 Agent 需要时直接取用。Meta 称这降低了长任务的延迟和对人工引导的依赖。

后台 Agent 自己决定下一步做什么、什么时候把结果汇报给主 Agent。这有点像一个团队：负责人分派大方向，几个骨干各自盯着自己的领域，需要协作时再碰头。

运行时设计：事件日志让崩溃恢复变成精确回放

Muse Code 的第二个关键设计是本地事件日志。

每一次模型调用、工具运行、审批操作、文件编辑，都被追加进一个本地日志。这个日志是"单一事实来源"，Meta 称它让运行时变得 replay-exact（回放精确）和 restart-safe（重启安全）。

含义是：如果 Agent 跑到一半崩溃了，重启后它能精确地从上次中断的位置继续，而不是从头再来。这对长任务意义重大——一个持续 24 小时的 GPU 内核优化任务，如果崩溃一次就要重跑，基本没法用。

内置 Skills：/plan、/grill、/goal

Muse Code 出厂自带三个默认 skill：

• /plan：把任务转化为一份需要逐项审批的计划
• /grill：对计划做压力测试，直到它经得起推敲
• /goal：朝着指定目标持续推进直到完成

这套组合拳的逻辑是：先规划、再验证、最后执行。/grill 这个设计比较少见——它相当于让 Agent 自己当自己的批评者，在动手写代码之前先把计划中的漏洞找出来。

Muse Spark 1.2：与 harness 协同训练的模型

Muse Code 背后的模型是 Muse Spark 1.2，一个编码聚焦的升级版。相比 1.1，Meta 大幅增加了编码任务的训练算力，并扩大了训练环境的多样性。改进方向包括代码生成、复杂调试、代码库理解、端到端开发流程。

三个值得注意的训练细节：

与 Muse Code 协同训练。模型训练时就用 Muse Code 的 harness 环境生成轨迹，用拒绝采样（rejection sampling）筛选高质量轨迹，并对 goal、compaction、subagent 等机制做了配方优化。换句话说，模型不是训练完再配个壳，而是从第一天起就在"如何使用自己的工具"上做优化。

长程训练。训练任务覆盖整仓库生成、大型端到端项目、自动研究。模型学会了用规划来排列工作顺序、用 goal conditioning 维持方向、用上下文压缩（context compaction）保留推进所需的知识。

自我改进循环。Meta 用 Muse Spark 1.1 生成有挑战性的编码环境和指令模板，让模型自己评分候选方案，产出一套可扩展的训练集。这套数据反过来喂给 1.2，让它更精准地遵循复杂指令。

实战案例：24 小时、1000+ 次工具调用的内核优化

Meta 公布了一个很有说服力的案例：让模型迭代优化 GPU 内核。

任务是在 NVIDIA Hopper GPU 上优化 KDA 和 MLA 两种内核，模型要写代码、编译、性能剖析、逐步改进，整个流程超过 1000 次工具调用，最长跑了 24 小时。基线是 FLA 的 Triton 实现，且明确禁止模型直接导入第三方内核库——它必须真正理解 KDA 的算法，用 Triton 从头实现。

结果是 Muse Spark 1.2 把"块并行准备内核"和"顺序跨块扫描"组合起来，在标准 fusion 和 tiling 基础上，加入了 KDA 特有的优化（比如把门控累积衰减的重心移到块中点）。对于 MLA，模型构建了一个两内核 Triton 流水线，复用共享的 KV latent 作为 K 和 V。

这个案例的价值不在于某个具体优化技巧，而在于证明了模型能在 24 小时的自主迭代中持续改进——这正好是长程 Agent 能力的试金石。

评测数据与定价

Meta 的评测方法论文档给出了具体数字：

• Terminal-Bench 2.1：全部 89 个任务，pass@1（5 次尝试取最优）。作为参照，Muse Spark 1.1 在此基准上是 80.0
• DeepSWE v1.1：113 个任务，覆盖 91 个仓库、5 种语言
• Meta Internal Coding Bench：440 个任务，全部来自 Meta 内部真实 PR

对照模型包括 Grok 4.5、Claude Opus 5、GPT-5.6 Terra、Gemini 3.6 Flash 和 Kimi K3，各自搭配自家的 Agent 产品。Meta 也坦率承认：它的 harness 未必为第三方模型做过调优，对比不能完全算公平。

定价方面，Muse Code 从 Meta 的 contributor tier 起步，按量付费是输入每百万 token 1.25 美元、输出每百万 token 4.25 美元（AppleInsider 报道）。模型也同步上线了 Meta Model API，全球开放。

怎么看这次发布

Muse Code 的三个设计选择——常驻后台 Agent、事件日志回放、模型与 harness 协同训练——都不是全新的概念，但它们组合在一起，指向了一个明确的趋势：编码 Agent 的竞争正在从"单次对话写一段代码"转向"自主运行数小时的长任务"。

常驻 Agent 解决的是上下文浪费问题，事件日志解决的是可靠性问题，协同训练解决的是模型与工具匹配问题。这三者恰恰是长任务 Agent 能否真正落地的三个瓶颈。Meta 在这三个方向上都给出了工程化答案，而且用 24 小时内核优化的案例做了实证。

当然，Beta 阶段的 Muse Code 还不完美：没有图形界面、依赖 Meta 的托管服务（未公布开放权重）、定价相比 Claude Code 等成熟产品也谈不上便宜。但作为 Meta 在编码 Agent 赛道的正式入场，这个开局的技术含量是实打实的。后续更大模型的发布，才是真正值得关注的点。