Meta发布Muse Code和Muse Spark 1.2：编码代理与模型更新，贡献者版价格低至0.5折

Meta发布了编码智能体Muse Code和最新大模型Muse Spark 1.2。Muse Code开放测试，一个命令即可安装。Muse Spark 1.2是1.1与harness一起训练的结果，提升有限但提供贡献者版本。

贡献者版本要求用户同意上传数据，即可获得0.5折，立省95%，比DeepSeek还便宜。这被解读为赔本收集数据的策略，司马扎之心路人皆知。

Muse Code接收完整工程任务，在大型代码库中理解需求、规划变更、跨文件改动并验证结果。官方演示中，用户输入房屋航拍视频，Muse Code生成度假屋营销页面并在浏览器验证。

其结构为简单主循环加异步后台智能体，后台智能体在整个会话中保持活跃，自行推进并决定何时反馈。后台观察智能体围绕记忆召回、技能召回、目标追踪和验证四个维度工作，前三项默认启用，验证默认关闭，但会带来额外token开销。

任务可拆分时，Muse Code分派给多个子智能体，可用muse -subagent-worktree-isolation启用隔离，每个子智能体从主提交点创建独立Git worktree，独立提交，主智能体审查合并。运行时本地事件日志记录每次模型调用、工具运行、审批和编辑，作为唯一事实来源，支持精确回放和重启安全。

Muse Spark 1.2与Muse Code深度结合训练，训练素材包括拒绝采样的harness轨迹，以及针对目标设定、上下文压缩和子智能体的配方优化，工具集直接整合进训练。

长时程能力来自整仓库生成、大型端到端项目和自动研究任务，模型用规划排序、目标条件化维持方向、上下文压缩保留知识。自我改进回路用上一代1.1生成编码环境和指令模板，模型打分，形成可规模化训练数据。

Meta展示高强度案例：在英伟达Hopper GPU上优化KDA和MLA kernel，执行超1000次工具调用，运行长达24小时，在不得导入第三方kernel库的限制下，模型自行编写、编译、剖析并改进，相对基线取得显著性能提升。