meta公司近日正式推出其首款AI编程智能体Muse Code，这款产品被定位为市场上同类竞品的低成本替代方案，标志着meta开始向Anthropic和OpenAI等企业发起挑战。作为meta人工智能领域的核心项目，Muse Code由该公司超级智能实验室负责人Alexandr Wang主导开发，该实验室同时承担着基础模型研发的重任。
据Wang介绍，Muse Code的设计初衷是为各类工作流程和应用场景提供高效解决方案，尤其在成本控制方面具有显著优势。目前已有部分meta内部员工开始使用这款工具，预计未来使用规模将进一步扩大。AI编程智能体的核心功能是帮助用户完成软件开发任务，无需手动编写代码。去年12月，Anthropic推出的Claude Code凭借这一特性迅速获得市场关注，随后OpenAI也发布了类似产品Codex。
Muse Code的功能定位与竞品相似，旨在通过单一界面简化应用程序开发流程，同时管理多个AI驱动的数字智能体，为软件开发全周期提供支持。Wang表示，这款终端编程智能体安装简便，用户仅需一条命令即可完成部署，随后便可处理从项目规划到结果验证的完整软件工程任务。目前Muse Code以测试版形式发布，与meta最新升级的Muse Spark 1.2模型协同运行。
新版本模型在代码编写任务上进行了专项优化，其与前代1.1版本的关键区别在于同步开发训练机制。Wang解释称，这种开发模式使Muse Code与Muse Spark 1.2形成深度整合，显著提升了整体编程性能。在定价策略上，meta采用按量付费模式，输入token每百万收费1.25美元，输出token每百万收费4.25美元，该价格体系与7月发布的Muse Spark 1.1模型API保持一致。
为进一步降低使用门槛，meta特别推出"贡献者版本"，其成本较按量付费模式降低超过十倍。Wang强调，meta选择通过价格优势而非模型性能参数来建立市场差异化，虽然Muse Code在尖端能力上可能不及Claude Code或Codex，但低成本策略有望吸引大量开发者。meta还响应企业用户需求，新增"零数据保留"选项，确保开发者数据不会被用于模型训练或其他商业用途。
这款新工具的推出反映了meta在AI领域的战略调整，从追求技术前沿转向注重实用性与成本控制。Wang透露，Muse Code的内部测试显示，其在处理常规编程任务时已展现出较高效率，特别是在需要快速迭代的开发场景中表现突出。随着测试版逐步开放，meta计划收集更多用户反馈来优化产品功能，同时探索与企业客户的深度合作模式。
