Meta 於 8 月 5 日正式進入 AI 程式碼工具市場，推出終端機程式碼代理 Muse Code 以及程式碼專用 AI 模型 Muse Spark 1.2。此次發布直接瞄準既有競爭對手，包括 Anthropic 的 Claude Code 與 OpenAI 的 Codex，標誌著生成式 AI 在商業應用領域中最快速成長的競爭前沿。

不同於 Meta 的開放權重 Llama 模型，Muse Code 是 macOS 與 Linux 平台上的付費軟體。該公司將其定位為大規模程式碼庫完整軟體開發工具，而非簡單的程式碼片段生成器。Muse Code 與 Muse Spark 1.2 模型緊密整合。這項轉向付費專有工具的舉措，代表 Meta 在商業策略上的重大轉變，因為該公司先前的 AI 聲譽建立在免費向研究與開發者社群開放 Llama 模型權重的基礎上。

Meta 執行長 Mark Zuckerberg 表示，該代理能夠執行「跨大型儲存庫的完整軟體工程任務：規劃變更、編寫程式碼、驗證結果。」他指出，內部測試證實該代理能夠同時建立六個不同的遊戲功能而無任何問題，並預告未來將推出更多開放權重的 AI 軟體。

Meta 在擁擠市場中的定位

Meta 正踏入一個由 Anthropic 與 OpenAI 作為主要玩家的領域，同時 Cursor 等新創公司已證明 AI 驅動的軟體工程工具具有強烈需求。目前的競爭版圖涵蓋 IDE 整合助手（如 Cursor）與終端機代理（如 Claude Code 與 Muse Code），反映出產業從簡單的程式碼自動補全面向能夠處理多步驟工程工作流程的自主代理之演進趨勢。

Meta 承認，雖然 Muse Spark 1.2 在某些方面具備競爭力，但尚未成為市場領導者。該模型在 Terminal-Bench 2.1 上獲得 82.9% 的分數，優於 GPT-5.6 Terra 和 Grok 4.5，但落後 Anthropic 的 Opus 5。在 DeepSWE 1.1 基準測試中，Muse Spark 1.2 名列第三，同樣落後於 Opus 5。

第三方評估也得出相同結論。根據 Artificial Analysis 的資料，Muse Spark 1.2 在 Intelligence Index 中以 54 分的成績在 186 個模型中排名第 14，高於中位數 32。該模型具備良好的延遲表現與相對較低的價格，顯示 Meta 更注重效能與成本之間的平衡，而非追求頂級基準測試成績。隨著領先模型的基準測試分數逐漸收斂，API 經濟效益已成為開發者評估供應商時日益重要的差異化因素。

定價：Muse Spark 1.2 與 DeepSeek V4 系列的比較

定價可能成為 Meta 最具意義的競爭優勢之一，前提是開發者願意接受相應的取捨。

Reuters 引述 Artificial Analysis 的報導指出，DeepSeek V4-Flash 目前是基準測試中運行成本最低的廣泛使用 AI 模型，使 DeepSeek V4 系列成為競爭前沿模型的重要定價參考基準。

Muse Spark 1.2 提供兩種定價方案。標準 API 定價為每百萬輸入 token $1.25、每百萬快取輸入 token $0.15、每百萬輸出 token $4.25。Meta 還為經核准的提示與回應提供 Contributor 方案，大幅降低成本至每百萬輸入 token $0.10、每百萬快取輸入 token $0.01、每百萬輸出 token $0.20。

作為比較，DeepSeek 的 V4-Flash 每百萬輸入、快取輸入與輸出 token 分別收費 $0.14、$0.0028 和 $0.28。V4-Pro 的同類 token 定價分別為 $0.435、$0.0145 和 $0.87，根據 API 文件說明，費率視尖峰與離峰時段而有所不同。

這些數據揭示了兩種截然不同的定價策略。在標準定價下，Muse Spark 1.2 比 DeepSeek 兩款模型都更昂貴。然而，在 Contributor 方案下，Meta 在輸入與輸出定價上低於 V4-Flash 和 V4-Pro，使其成為願意分享資料的合格使用者最具經濟實惠的選擇之一。

DeepSeek 的定價優勢可能不會永久持續。根據 Bloomberg 報導，DeepSeek 正計劃大幅調漲其 AI 服務價格，但細節尚未公開。若新價格實施，可能會縮小 DeepSeek 與其他主要競爭對手之間的差距。

持久背景代理與可靠性策略

Meta 代理的決定性特徵可能在於其架構，而非基準測試表現。根據該公司的工程筆記，Muse 採用持久背景代理，在整個開發工作階段中維持儲存庫的上下文，而非每次請求都從零開始重置。

針對較大型專案，Muse 將任務分配到多個隔離的 Git worktree 中，讓子代理能夠獨立運作而不干擾開發者的主要工作區。

Meta 也高度重視可靠性。每一次模型呼叫、工具執行與檔案編輯都會記錄在本地事件日誌中，使中斷的工作階段能夠從檢查點恢復，而非重新開始。該公司在一項為期 24 小時的 GPU 核心工程任務中測試了此系統，涵蓋超過 1,000 次工具呼叫，凸顯其對長時間自主軟體工程的投入。此架構反映出產業向為持續性、真實開發工作流程設計的代理邁進的更廣泛趨勢，在這些場景中，工作階段的連續性與容錯能力與原始程式碼生成品質同等重要。

此次發布加劇了全球 AI 領域的競爭。Meta 的加入為軟體開發者在 Anthropic、OpenAI 與 DeepSeek 之外提供了另一個可行的選項，增加了 AI 供應商在程式碼能力與定價模式上競爭的壓力。此態勢可能加速產品開發週期、降低推論成本，並擴大軟體工程團隊取得先進 AI 程式設計工具的管道。