DeepSeek要涨价，小扎立马“拼命”：Meta新模型打出更低“骨折价”，只要一点数据税 文章

整理｜华卫刚刚，Meta推出其首款编程智能体Muse Code，同时发布了针对编程优化的前沿模型Muse Spark 1.2。这可能是该公司迄今为止对AI编程工具市场最认真的一次进军。Meta首席执行官马克·扎克伯格在社交平台X上亲自宣布了这一消息，称目前提供测试版的 Muse Code 能够“在大型代码库中执行完整的软件工程任务”，以此向领先的AI实验室Anthropic和OpenAI发起挑战。Muse Code出自Meta AI负责人Alexandr Wang之手，他领导Meta超级智能实验室并统管基础模型研发。Wang于去年6月加入Meta，是扎克伯格为重振公司陷入困境的AI战略而进行的核心人事布局。据介绍，这款基于终端的新编程工具由Muse Spark 1.2提供支持，在“代码生成、复杂调试、代码库理解以及端到端开发者工作流”方面有所改进。为编程而生，仍逊于Claude Code“在测试中，我们让它同时为一个游戏构建了六个功能，且没有发生冲突。”扎克伯格在帖子中表示，强调其并行处理能力不会干扰开发者的工作副本。据了解，Muse Code的核心架构亮点是Meta所称的异步后台智能体。与大多数竞品工具为每个任务临时生成辅助智能体的模式不同，Muse Code会在整个会话期间保持一组专门的后台智能体持续存活。这些智能体“在整个会话期间保持活动状态，而不是为单个任务临时生成，从而避免冗余的信息收集”，它们自行执行后续步骤，并自主选择何时向主智能体汇报。这一架构带来的实际效果是，更低的延迟和更少的监督：一个已经了解代码库的智能体无需在每次开发者提出新需求时重新探索代码库。当任务规模足够大时，Muse Code会分发到独立的子智能体进行并行处理，每个子智能体都在自己隔离的git工作树中，因此开发者的工作副本永远不会被触及。第二个值得注意的设计选择，是可审计性。如果Muse Code在长时间运行的任务进行20小时后崩溃，它会从停止的地方精确恢复，不会丢失工作，也无需重新提示。每个模型调用、工具运行、审批和编辑在执行前都会被追加到本地事件日志中，Meta称这一单一事实来源使运行时具有“可精确重放和重启安全”的特性。值得一提的是，最新的Muse Spark模型是与Muse Code一同开发和训练的，这提升了整体的编程性能。