摘要8 月 5 日Meta 发布首款编码智能体 Muse Code配套推出专为它训练的 Muse Spark 1.2 模型。它用接近成本线的价格贡献者档每百万输出 Token 仅 0.2 美元杀入由 Claude Code 和 Codex 把持的市场。但低价背后有条件Meta 用你的代码轨迹训练下一代模型。这一招国内厂商早就玩明白了。8 月 5 日Meta 干了件事发布了自己的第一个编码智能体 Muse Code。这家手握 Llama 开源权重、拥有全球最大单体代码仓库之一的公司正式下场和 Anthropic 的 Claude Code、OpenAI 的 Codex 抢开发者了。单看功能Muse Code 不算新鲜——终端安装、读取代码库、规划变更、写代码、跑测试验证这一套是 2026 年编码智能体的标配。真正值得拆解的是两件事它凭什么定价这么低以及它用低价换来了什么。Muse Spark 1.2和 harness 一起训练的模型Muse Code 跑在 Meta 专门为它训练的 Muse Spark 1.2 上。这个专门训练不是营销话术而是技术路线上的一个真实变化。此前大多数编码模型的训练逻辑是模型先训好再套一层 agent 框架harness让它学会调用工具。Meta 这次反过来——Muse Spark 1.2 在训练阶段就把工具调用、多智能体协作轨迹放进了训练数据里。官方博客的原话是Muse Code was in the training loop from day one。这意味着两件事一是工具调用成功率更高。模型在训练时见过工具调用失败→读报错→修正的完整轨迹而不是只在推理时被要求会用工具。官方称这带来更高的首次尝试成功率first-attempt accuracy和更可靠的工具调用。二是它对其他 harness 的泛化能力。Meta 强调模型是在多个 harness 上训练的所以 Muse Spark 1.2 不只在 Muse Code 里好用也可以塞进你已经在用的其他编码工具。这一点很务实——开发者不会因为 Meta 出了个新工具就换掉自己顺手的那套。模型本身带 100 万 Token 上下文窗口可以装下依赖图、遗留代码和上千个文件。这算是长时程任务的入场券不算碾压级优势——Claude 和 Gemini 系列早已有百万级上下文。定价0.2 美元换你的代码轨迹Muse Code 的定价才是这次发布最值得琢磨的地方。两档方案标准档输入 1.25 美元/百万 Token输出 4.25 美元/百万 Token——和 Muse Spark 1.1 的 API 价格一致提示词不会被用于改进产品。贡献者档输入 0.10 美元/百万 Token输出 0.20 美元/百万 Token。比按量付费便宜 10 倍以上按官方数据输出端是 21 倍。作为对比Anthropic 的 Claude Opus 5 输出价是 25 美元/百万 TokenGPT-5.6 Sol 是 30 美元。Meta 的贡献者档直接比它们便宜了 100 多倍。代价是什么贡献者档的协议写得很清楚Meta 可以使用你发送的提示词和补全内容来训练未来的模型。这就是这笔交易的实质。Meta 用接近成本线的 Token 价格换取了真实代码、任务轨迹、工具调用序列和报错信息——这些连续轨迹对训练编码模型的价值比普通问答数据高得多。编码智能体产生的不是零散文本而是目标→代码上下文→工具调用→测试反馈→最终修改的完整闭环这正是训练长时程任务表现所需的数据。价格屠夫的表象之下是数据收集的阳谋。Zuckerberg 愿意在营收承压、股价一周跌 10% 的当口推这个产品看中的显然不只是那点 API 收入。和国内厂商的对照这条路线早就有人在走如果你觉得低价换数据这个模式很眼熟那就对了——国内厂商在这条路上已经走了很久只是姿态不同。字节的 Trae 是国内编码智能体的代表中国版基础功能免费内置豆包、DeepSeek 等模型SOLO 模式下 AI 主导从需求理解到成果交付的全流程。它的免费策略同样是生态圈地——用免费算力换开发者习惯和代码库数据。阿里的 Qoder CN原通义灵码走的是另一条路2026 年 5 月更名后全面升级为智能体矩阵提供代码补全、多文件修改、编程智能体等能力支持 GLM、DeepSeek、Kimi、MiniMax 等多模型切换并为企业提供专属 VPC 部署的合规方案。它的差异化不在低价而在企业级管控——数据不出内网才是金融、政务等行业的刚需。对比下来Meta 的贡献者档和国内厂商免费换数据的思路同源但有一个关键差异透明度。Meta 把你的数据会被用来训练写进了贡献者档的条款里开发者是知情选择的。而国内免费产品的数据用途说明往往藏在十几页的隐私政策深处。三个值得警惕的地方第一基准测试都是厂商自报的。Meta 发布的 Terminal-Bench、DeepSWE 等数据来自官方口径其评估方法文档也承认评估配置可能不利于第三方模型。没有独立复现之前把性能数字当作参考而非结论。第二权重是闭源的。Muse Spark 1.2 没有 Hugging Face 仓库不能自托管。这和 Meta 引以为傲的 Llama 开源路线形成了鲜明对比——Llama 时代的开源惯性不适用于这个新家族。对企业用户来说这意味着数据主权和可审计性都要打折扣。第三贡献者档有速率限制每分钟 60 请求只适合低并发场景。想拿它跑大规模 agent 任务还是得回到标准档。一句话总结Meta 带着 Muse Code 入局说明编码智能体赛道已经挤满了巨头——Anthropic、OpenAI、Google、微软现在加上 Meta。竞争的焦点从谁的模型更聪明转向了谁的定价更聪明、谁能拿到更多真实任务数据。对开发者是好事价格战只会让工具越来越便宜模型选型从战略决策变成运行时参数。但对用 0.2 美元换你代码轨迹这种事心里要有数——便宜的东西往往标好了别的价格。作者唐悦玮 | 从后端出发用 AI 拓展到全栈的工程师。