Meta于4月5日发布名为Muse Code的AI编程助手，该工具以终端命令行方式运行，专为开发者提供自然语言交互式代码生成、项目规划与验证服务。其核心依托Meta自研的Muse Spark 1.2大语言模型，具备处理长周期编码任务的能力，可支持从零构建完整代码仓库、端到端项目开发及复杂逻辑研究。该产品目前仅支持macOS与Linux系统，通过执行特定curl命令即可完成安装。
Muse Code采用异步持久化代理机制，多个智能代理在会话期间持续运行并主动感知上下文变化，无需用户重复说明已实现内容，显著降低交互冗余。其内置原生指令包括/plan（制定计划）、/goal（设定目标）和/grill（代码审查），使开发者能以自然语言驱动整个开发流程。官方未提及Windows平台支持，但Meta首席执行官马克·扎克伯格在X平台回应称，未来将就开源可能性释放更多信息。
支撑Muse Code的Muse Spark 1.2是Meta继Muse Spark 1.1后的最新一代大模型，专为编程场景优化训练。根据Meta公布的基准测试结果，其性能在多项指标上接近Anthropic Claude Opus 5（max）与OpenAI GPT-5.6 Terra（max）水平，虽尚未达到旗舰级模型如Fable 5或GPT-5.6 Sol的上限，但在实际编码任务中展现出更强的上下文理解与长序列生成能力。该模型已开放接入Meta Model API，支持按使用量计费，输入每百万token收费1.25美元（约合6.42元人民币），输出则为4.25美元（约21.84元人民币），采用即用即付模式。
对于中国开发者与软件外包企业而言，Muse Code的出现标志着主流科技公司正加速将AI深度嵌入开发工作流。尤其值得关注的是其对多代理协作的支持，意味着复杂系统开发可由多个AI角色分工完成——例如一个代理负责架构设计，另一个负责单元测试，第三个进行部署脚本生成，形成类“虚拟开发团队”模式。这种架构对需要快速迭代的敏捷开发项目具有明显优势，尤其适用于微服务架构、自动化CI/CD流水线搭建等场景。
在采购与选型层面，中国企业若考虑引入此类工具，需重点关注其运行环境限制：当前仅支持macOS与Linux，不兼容Windows系统，这意味着在以Windows为主的国内开发环境中需额外配置虚拟机或远程服务器。未明确说明数据存储位置，但所有交互内容均通过Meta服务器处理，涉及敏感代码或商业机密时应评估合规风险。建议在非生产环境先行测试，并结合本地私有化部署方案（如自建API网关）控制数据流向。
从产业链角度看，Muse Code的推出进一步推动了AI辅助开发工具向轻量化、终端化方向演进。相比传统IDE插件（如GitHub Copilot），其终端优先的设计更契合云原生开发、DevOps工程师及运维自动化需求。对于中国IT服务商、系统集成商及海外项目交付团队，该工具可作为提升交付效率的补充手段，尤其在跨国协作中减少语言障碍带来的沟通成本。其基于自然语言的指令体系也降低了低阶开发者入门门槛，有助于缓解部分地区的技术人才短缺问题。
Meta未宣布开源计划，但其在AI模型生态上的开放姿态（如此前发布的Llama系列）暗示未来可能推出开源版本。中国企业在关注该工具的也可同步跟踪Meta在模型透明度、本地化部署与安全审计方面的进展。若后续支持本地部署或提供私有化API接口，将极大增强其在金融、政务、医疗等高合规要求行业的适用性。
- 核对项：确认开发环境是否为macOS或Linux，避免在Windows主机直接使用
- 核对项：评估代码敏感性，避免将核心业务逻辑提交至公共AI平台
- 核对项：关注Meta后续是否公布API私有化部署方案或开源路线图 。