Muse Code: Meta เปิดตัวเอเจนต์เขียนโค้ดที่แพ้บนเกณฑ์ชี้วัดของตัวเอง

ผู้จำหน่ายมักไม่เผยแพร่ตารางที่พวกเขาได้อันดับสอง Meta เผยแพร่สามตาราง ในเด็คเปิดตัวสำหรับ Muse Code — เอเจนต์เขียนโค้ดแบบเทอร์มินัลที่ Meta Superintelligence Labs เปิดตัวเมื่อวันที่ 5 สิงหาคม 2026 ซึ่งทำงานบนรุ่นที่เปิดตัวในวันเดียวกัน Muse Spark 1.2 — Claude Opus 5 นำอยู่ในทุกตารางที่ Meta เลือกแสดง รวมถึงตารางที่ Meta สร้างและควบคุมเอง บน Terminal-Bench 2.1 ช่องว่างคือ 3.8 จุด บน DeepSWE 1.1 มันคือ 5.7 โดยมี GPT-5.6 Terra ก็อยู่ข้างหน้าด้วย บนเกณฑ์วัดการเขียนโค้ดภายในของ Meta เอง มันคือ 8.8 เวอร์ชันไวรัลของการเปิดตัวนี้ — \"59% บน DeepSWE 1.1 เหนือกว่า Grok 4.5 และ Gemini 3.6 Flash\" — เป็นความจริง และมันคือคำกล่าวที่เป็นจริงที่แคบที่สุดที่มีอยู่.

ซึ่งทำให้การเปิดตัวน่าสนใจขึ้น ไม่ใช่น้อยลง Meta เปิดตัวชุด benchmark ที่ตัวเองไม่ได้ชนะ และก็ปล่อยออกมาอยู่ดี เพราะสกอร์ไม่ใช่สิ่งที่พวกเขาขาย สิ่งที่ขายคือ runtime ที่อยู่รอดงาน 24 ชั่วโมง และราคาที่ถูกกว่าคู่แข่งไปมากกว่าหนึ่ง order of magnitude — ตราบใดที่คุณยอมให้ Meta อ่าน repository ของคุณ ตัวเลข benchmark ทุกตัวด้านล่างมาจากชาร์ตของ Meta เอง ซึ่งเผยแพร่โดยไม่มี methodology; ตรงไหนที่มีการวัดแบบอิสระอยู่ ประโยคนั้นจะระบุไว้

สิ่งที่ Meta ปล่อยออกมาจริงๆ

สองสิ่งในวันเดียวกัน ตั้งใจให้มาคู่กัน

• Muse Code — เทอร์มินัลเอเจนต์สำหรับเขียนโค้ด เปิดตัวเป็นเบต้าสาธารณะ ติดตั้งได้ด้วยคำสั่งเดียว: curl -fsSL https://dev.meta.ai/install.sh | bash รองรับเฉพาะ macOS และ Linux เท่านั้น ไม่มีบิลด์เนทีฟสำหรับ Windows ไม่มี GUI และไม่มีส่วนขยาย IDE Meta อธิบายว่าหน้าที่ของมันคือการจัดการงานวิศวกรรมซอฟต์แวร์ที่ซับซ้อนในคลังโค้ดขนาดใหญ่ — วางแผนการเปลี่ยนแปลง เขียนโค้ด และตรวจสอบผลลัพธ์

• Muse Spark 1.2 — เวอร์ชันปรับปรุงที่เน้นการเขียนโค้ดของโมเดล reasoning ของ Meta มีบริบท 1,048,576 โทเค็น ใช้งานได้ใน Muse Code และผ่าน Meta Model API ในพรีวิวสาธารณะ Meta ระบุว่าได้ขยายการคำนวณเทรนนิ่งสำหรับงานเขียนโค้ดและเพิ่มความหลากหลายของสภาพแวดล้อมการฝึก โดยมีเป้าหมายคืองานระยะยาว: การสร้างทั้งรีโพสิทอรี การรีแฟกเตอร์หลายไฟล์ และการดีบักที่ยาวนาน

การผูกคู่กันคือข้อกล่าวอ้าง Meta ระบุว่าทั้งสองถูกฝึกมาควบคู่กัน และการผูกคู่กันนี้จึงให้ผลลัพธ์ที่ "ใช้เครื่องมือได้ดีกว่า ต้องลองซ้ำน้อยกว่า และให้ผลงานคุณภาพสูงกว่าการใช้ตัวหุ้มทั่วไปรอบโมเดลภายนอก" นั่นคือถ้อยคำของ Meta และเป็นข้อกล่าวอ้างของ Meta ไม่มีบุคคลที่สามรายใดได้ทดสอบโมเดลดังกล่าวภายในกรอบการทำงานของคู่แข่ง เพื่อตรวจสอบว่าข้อได้เปรียบจากการฝึกควบคู่กันนี้มีจริงหรือไม่ หรือว่า Muse Spark 1.2 เพียงแค่ทำตัวเหมือนโมเดลเขียนโค้ดที่มีความสามารถไม่ว่าจะวางไว้ที่ใดก็ตาม

ทักษะสามอย่างที่มาพร้อมกับเอเจนต์นี้ อธิบายรูปแบบการทำงานที่ตั้งใจไว้ได้ดีกว่าข้อความทางการตลาด: /plan สร้างแผนที่ต้องผ่านการอนุมัติก่อนที่จะเขียนอะไรลงไป, /grill ทดสอบความแข็งแกร่งของแผนนั้น และ /goal ผลักดันให้บรรลุวัตถุประสงค์ที่กำหนดไว้ วางแผน โจมตีแผน แล้วลงมือทำ — ซึ่งเป็นรูปแบบที่ผู้ใช้ Claude Code และ Codex ที่มีประสบการณ์ต่างทำด้วยตนเองจนลงตัว และตอนนี้ถูกส่งมาเป็นคำสั่งระดับเฟิร์สคลาส

เด็คมาตรฐาน อ่านอย่างตรงไปตรงมา

Meta เผยแพร่การเปรียบเทียบบน Terminal-Bench 2.1, DeepSWE 1.1, Meta Internal Coding Bench ของตนเอง และ GDPval ตัวเลขตามที่ Meta รายงาน:

• Terminal-Bench 2.1 — Claude Opus 5 ที่ความพยายามสูงสุดใน Claude Code ได้ 86.7%, Muse Spark 1.2 ใน Muse Code ได้ 82.9%, GPT-5.6 Terra ใน Codex ได้ 81.8%, Grok 4.5 ใน Grok Build ได้ 81.6% อันดับที่สอง และอันดับที่สองถึงสี่ห่างกัน 1.3 คะแนน

• DeepSWE 1.1 — Claude Opus 5 65.0%, GPT-5.6 Terra 64.8%, Muse Spark 1.2 59.3% เป็นอันดับที่สาม และเป็นบอร์ดเดียวที่ส่วนต่างชัดเจนแบบเด็ดขาด ไม่ใช่แค่เรื่องผิวเผิน

• Meta Internal Coding Bench — Claude Opus 5 79.4%, Muse Spark 1.2 70.6% เป็นสนามเหย้าของ Meta และเป็นการพ่ายแพ้ที่ขาดลอยที่สุดของ Meta.

• รุ่นต่อรุ่น — Meta รายงานว่าเพิ่มขึ้น +6.7 จุดบน Terminal-Bench และ +6.3 บน DeepSWE เมื่อเทียบกับ Muse Spark 1.1 ซึ่งเป็นตัวเลขที่มากที่สุดในชุดข้อมูลนี้ และเป็นตัวเลขที่ผู้ใช้ Muse Spark 1.1 ควรให้ความสนใจจริง ๆ

ปัญหาทางคณิตศาสตร์หนึ่งที่ควรกล่าวถึงคือ เพราะมันคือเหตุผลที่ทำให้เราต้องมองทุกอย่างข้างต้นเป็นเพียงแนวทางเท่านั้น เมื่อหักคะแนนของ Meta ที่ +6.7 ออก Muse Spark 1.1 จะได้คะแนนใกล้ 76% ใน Terminal-Bench 2.1 — แต่กระดานผู้นำสาธารณะที่ tbench.ai ได้แสดงค่าที่ได้รับการยืนยันที่ 80.0% สำหรับ Muse Spark 1.1 ตั้งแต่ปลายเดือนกรกฎาคม ทั้งสองตัวเลขสามารถเป็นจริงได้และยังคงขัดแย้งกัน เพราะแถวใน Terminal-Bench ไม่ใช่คะแนนของโมเดล มันคือคะแนนของแฮร์เนส บวกกับโมเดล และการตั้งค่าความพยายาม และแฮร์เนสภายในของ Meta สำหรับ 1.1 ไม่ใช่ตัวที่ tbench ใช้ ข้อเท็จจริงเพียงข้อเดียวนี้สร้างความเสียหายต่อการเปรียบเทียบเกณฑ์มาตรฐานระหว่างผู้ผลิตมากกว่าตัวเลขที่โต้แย้งใดๆ และมันนำไปสู่ส่วนถัดไปโดยตรง

รันไทม์คือตัวผลิตภัณฑ์

เมื่อลบดนตรีประกอบออกไป สิ่งที่เหลือคือการนำเสนอเชิงวิศวกรรมเกี่ยวกับการไม่ตาย กลไกสองอย่างเป็นตัวขับเคลื่อนมัน

สิ่งแรกคือบันทึกเหตุการณ์ Muse Code จะบันทึกการเรียกโมเดลทุกครั้ง การรันเครื่องมือทุกครั้ง การอนุมัติทุกครั้ง และการแก้ไขทุกครั้งลงในล็อกในเครื่อง ซึ่ง Meta อธิบายว่าทำให้เซสชันสามารถเล่นซ้ำได้อย่างเที่ยงตรงและปลอดภัยต่อการรีสตาร์ท: ฆ่ามัน ทำให้มันล่ม หรือทำเครื่องหาย เอเจนต์จะกลับมาทำงานต่อจากจุดที่หยุดไว้อย่างแม่นยำ แทนที่จะต้องสร้างบริบทขึ้นมาใหม่ตั้งแต่ต้น คู่แข่งมีการกู้คืนความล่มที่มีคุณภาพแตกต่างกันไป แต่ไม่มีใครทำให้เรื่องนี้เป็นจุดขายหลัก นอกจากนี้ มันยังเป็นหลักฐานการตรวจสอบ — บันทึกในเครื่องที่สมบูรณ์ว่ากระบวนการอัตโนมัติทำอะไรกับ working tree ของคุณ ซึ่งเป็นเอกสารที่การตรวจสอบความปลอดภัยต้องการ และเครื่องมือ CLI ของเอเจนต์ส่วนใหญ่ไม่สามารถสร้างได้

สิ่งที่สองคือสิ่งที่ Meta เรียกว่าเอเจนต์พื้นหลังแบบอะซิงก์ (async background agents) ความแตกต่างจากซับเอเจนต์ทั่วไปคือ พวกมันไม่ได้ถูกสร้างขึ้นมาเฉพาะงานย่อยแล้วถูกทำลายทิ้ง แต่จะยังคงทำงานอยู่ตลอดทั้งเซสชัน ดำเนินขั้นตอนถัดไปด้วยตนเอง และเลือกเวลาที่จะรายงานกลับไปยังลูปหลัก จุดเด่นที่อ้างคือความหน่วงที่ต่ำกว่า เนื่องจากออร์เคสเตรเตอร์ไม่ต้องเสียต้นทุนในการสตาร์ททุกครั้งที่มอบหมายงาน

หลักฐานสนับสนุนของ Meta คือกรณีศึกษาหนึ่งกรณี: Muse Code ทำงานต่อเนื่อง 24 ชั่วโมง ผ่านการเรียกใช้เครื่องมือมากกว่า 1,000 ครั้ง โดยปรับแต่ง GPU kernels บนฮาร์ดแวร์ NVIDIA Hopper อย่างอิสระ ซึ่ง Meta เรียกว่าการปรับปรุงที่สำคัญเมื่อเทียบกับ baseline implementation ที่ให้ไว้ ไม่มีการเผยแพร่ตัวเลขความเร็วที่เพิ่มขึ้น ดังนั้นปริมาณที่น่าสนใจจึงไม่ใช่ผลลัพธ์ แต่เป็นระยะเวลา การเรียกใช้เครื่องมือหนึ่งพันครั้งโดยไม่ต้องมีมนุษย์ช่วยเหลือ คือพื้นผิวของความล้มเหลวที่แตกต่างจากการ refactor ห้าสิบครั้ง และเป็นภาระงานที่คะแนน benchmark ที่ขาดไป 3.8 จุดมีความสำคัญน้อยกว่าการที่กระบวนการยังทำงานอยู่จนถึงชั่วโมงที่เก้ามากนัก

ราคาคืออาวุธ — และส่วนหนึ่งของมันถูกชำระด้วยซอร์สโค้ด

ไม่มีการสมัครสมาชิก Muse Code การเรียกเก็บเงินเป็นโทเคน แบ่งเป็นสองระดับ และช่องว่างระหว่างสองระดับนี้เป็นสิ่งที่ดุดันที่สุดในการเปิดตัวครั้งนี้:

• มาตรฐาน — 1.25 ดอลลาร์ต่อล้านโทเคนอินพุต, 0.15 ดอลลาร์ต่อล้านอินพุตที่แคช, 4.25 ดอลลาร์ต่อล้านเอาต์พุต พรอมพ์ในระดับนี้ไม่ถูกนำไปใช้เพื่อพัฒนาผลิตภัณฑ์ของ Meta

• ผู้มีส่วนร่วม — $0.10 ต่อหนึ่งล้านอินพุต, $0.002 ต่อหนึ่งล้านอินพุตแคช, $0.20 ต่อหนึ่งล้านเอาต์พุต ในการแลกเปลี่ยน Meta อาจใช้ข้อมูลเพื่อปรับปรุงโมเดลของตน

นั่นคือถูกกว่า 12.5 เท่าในส่วนอินพุต ถูกกว่า 21 เท่าในส่วนเอาต์พุต และถูกกว่า 75 เท่าในส่วนอินพุตที่แคชไว้ ลองเอาไปคิดกับขั้นตอนของ agent ในสถานการณ์จริง — บริบท repository ขาเข้า 60,000 โทเคน แผนและการแพตช์ขาออก 3,000 โทเคน — สี่มุมของตารางราคาที่ได้จึงน่าตกตะลึง ระดับ Standard แบบ cold prompt: 8.8 เซนต์ต่อขั้น หรือ 87.75 ดอลลาร์ต่อหนึ่งพันขั้น ระดับ Standard เมื่อบริบท repository ถูกแคช: 2.2 เซนต์ หรือ 21.75 ดอลลาร์ต่อหนึ่งพันขั้น ระดับ Contributor แบบเย็น: 0.66 เซนต์ หรือ 6.60 ดอลลาร์ต่อหนึ่งพันขั้น ระดับ Contributor เมื่อแคชอุ่น: 0.72 ดอลลาร์สำหรับหนึ่งพันขั้นเท่าเดิม

งานเดียวกัน มีค่าใช้จ่าย 122 เท่าหรือเพียง 1/122 ขึ้นอยู่กับสองตัวเลือก การรันเคอร์เนล 24 ชั่วโมง จำนวน 1,000 ครั้งของ Meta เอง เสียค่าโทเค็นประมาณเก้าสิบดอลลาร์บนระดับที่ปกป้องข้อมูลของคุณ และต่ำกว่าหนึ่งดอลลาร์บนระดับที่ไม่ปกป้อง

ซึ่งนี่คือการตัดสินใจที่แท้จริงที่การเปิดตัวครั้งนี้วางไว้ต่อหน้าทีม และมันไม่ใช่การตัดสินใจเรื่องราคา เอเจนต์เขียนโค้ดบนเทอร์มินัลอ่านโค้ดเบสของคุณ—นั่นคือหน้าที่ทั้งหมดของมัน—ดังนั้นพรอมป์ในระดับ contributor จึงมีซอร์สโค้ดของคุณ, API ภายในของคุณ, ความคิดเห็นของคุณเกี่ยวกับว่าทำไม workaround ถึงมีอยู่ และเทสต์ฟิกซ์เจอร์ใดๆ ที่ repo ของคุณบังเอิญมีอยู่ สำหรับไซด์โปรเจกต์หรือซอร์สทรีโอเพนซอร์ส ระดับ contributor แทบจะเป็นเงินฟรี สำหรับโค้ดเบสที่เป็นกรรมสิทธิ์ หรือ repo ใดก็ตามที่เอื้อมถึงข้อมูลลูกค้า มันคือการตัดสินใจด้านลิขสิทธิ์ที่แต่งกายด้วยส่วนลด และมันควรอยู่ต่อหน้าคนที่อนุมัติการจัดการข้อมูล มากกว่าอยู่ต่อหน้าคนที่ดูบิลคลาวด์ Meta ตั้งราคาไว้ที่ส่วนลด 12 เท่า เพราะข้อมูลมีมูลค่าอย่างน้อยเท่านั้นสำหรับ Meta

สิ่งที่คุณไม่สามารถรับได้ผ่าน API

82.9% เป็นของ Muse Spark 1.2 ภายใน Muse Code. หากคุณเรียกใช้โมเดลจากเฟรมเวิร์กเอเจนต์ของคุณเอง คุณได้ซื้อเพียงฝั่งโมเดลของคู่ดังกล่าว และไม่ได้ซื้อฝั่งแฮร์เนสเลย — ไม่มีบันทึกเหตุการณ์ ไม่มีเอเจนต์พื้นหลังถาวร และถ้าข้ออ้างเรื่องการเทรนร่วม (co-training) ของ Meta มีความหมายอะไร ก็จะไม่มีพฤติกรรมการใช้เครื่องมือที่ถูกปรับแต่งเช่นกัน ดังนั้นจึงมีการประเมินสองรายการที่แยกจากกัน และการปะปนทั้งสองเข้าด้วยกันเป็นความผิดพลาดที่ง่ายที่สุดในสัปดาห์นี้: Muse Code ชนะเอเจนต์ที่คุณรันอยู่แล้วหรือไม่ และ Muse Spark 1.2 เป็นโมเดลที่ดีกว่าโมเดลที่คุณเรียกใช้อยู่ในปัจจุบันหรือไม่

คำถามที่สองเป็นคำถามที่ตอบได้ด้วยต้นทุนที่ถูกกว่า เพราะมันเพียงแค่ต้องคงค่า harness ของคุณไว้คงที่และสลับโมเดลที่อยู่ข้างใต้เท่านั้น ควรจะระบุเรื่องความพร้อมใช้งานให้ชัดเจน: Muse Spark 1.2 ให้บริการโดย Meta โดยตรง และไม่ได้อยู่ในแคตตาล็อกของ OrcaRouterMuse Spark 1.1มีราคาอยู่ที่ $1.25 และ $4.25 ซึ่งตรงกับราคารายการของ Meta พอดี เพราะ OrcaRouter ไม่ได้บวกกำไรเพิ่ม (0% markup) และส่งต่อราคาผู้ให้บริการโดยตรง ซึ่งเป็นเหตุผลว่าทำไมการเปลี่ยนแปลงราคาจากผู้ให้บริการจึงแสดงฝั่งเราทันทีในวันที่เกิดขึ้น แทนที่จะเป็นหลังรอบสัญญา เทเลเมทรีการใช้งานจริง 7 วันของเราสำหรับเวอร์ชัน 1.1 แสดงค่า p50 ของ time-to-first-token ที่ 1.84 วินาที และ p95 ที่ 6.00 วินาที ซึ่งเป็นความคาดหวังด้านความหน่วงที่ใช้งานได้จริงมากกว่าที่ benchmark harness ใดๆ จะให้ได้

คุณค่าเชิงปฏิบัติของเกตเวย์เดียวในสัปดาห์แบบนี้คือ ชุดเปรียบเทียบ — Claude Opus 5, GPT-5.6 Terra, Grok 4.5, Gemini 3.6 Flash และ Muse Spark 1.1 — อยู่เบื้องหลังคีย์เดียวในราคาปกติ ดังนั้นการทดสอบ A/B จึงเป็นการเปลี่ยนสตริง ไม่ใช่กระบวนการจัดซื้อจัดจ้าง อีกทั้งยังครอบคลุมความเสี่ยงเชิงโครงสร้างในข้อเสนอของ Meta: Muse Spark 1.2 มีผู้ให้บริการเพียงรายเดียว ซึ่งทำให้มันเป็นจุดที่ทำให้เกิดความล้มเหลวเพียงจุดเดียวโดยโครงสร้าง การเฟลโอเวอร์อัตโนมัติระหว่างผู้ให้บริการคือสิ่งที่กำหนดว่าช่วงบ่ายที่แย่ของ Meta จะกลายเป็นช่วงบ่ายที่แย่ของเอเจนต์ของคุณหรือไม่

นี่คือเหตุผลว่าทำไม 1.2 ถึงถูกปล่อยออกมาอย่างเงียบๆ และช้า

Muse Spark 1.2 ปรากฏบน API ของ Meta เมื่อวันที่ 5 สิงหาคม โดยไม่มีการประกาศและไม่มีตัวเลขที่เปลี่ยนแปลง — บริบท 1M เท่าเดิม ราคา $1.25 และ $4.25 เท่าเดิม หน้าปัดการให้เหตุผลห้าระดับเหมือนกับ Muse Spark 1.1 สิ่งเดียวที่เปลี่ยนไปคือสิ่งที่วัดจากภายนอก: Artificial Analysis จับเวลา time-to-first-token ได้ที่ 26.12 วินาที เทียบกับ 2.90 วินาทีของรุ่น 1.1 ที่ระดับการใช้เหตุผลสูงสุด ทำให้ได้คะแนน Intelligence Index เพิ่มขึ้นสามจุด จาก 51 เป็น 54 หากมองว่าเป็นการปล่อยโมเดลเอนกประสงค์ นี่คือการแลกที่แปลก — รอนานถึงเก้าเท่าเพื่อแลกกับสามจุด

เมื่ออ่านในฐานะครึ่งโมเดลของเอเจนต์ที่ฝึกฝนร่วมกัน มันคือข้อแลกเปลี่ยนที่ชัดเจน ไม่มีใครที่รอการรีแฟกเตอร์สิบสองไฟล์จะสังเกตเห็นการวางแผนยี่สิบหกวินาที แต่คนที่รอการตอบสนองของแชทจะสังเกตเห็นทั้งหมด Meta ไม่ได้ส่งมอบโมเดลแชทอย่างเงียบ ๆ แล้วหวังว่าจะไม่มีใครวัดความหน่วง มันกำลังส่งเครื่องยนต์มาก่อนตัวรถ และการประกาศก็มาถึงเมื่อรถมาถึง หน้าสำหรับนักพัฒนาของ Muse Spark ของ Meta ตอนนี้แสดง 1.2 เช่นกัน

ข้อสรุปที่ตามมาคือคำเตือนสำหรับใครก็ตามที่เลือกใช้ตระกูลนี้เพราะความครอบคลุม Muse Spark 1.1 ถูกวางตลาดในฐานะโมเดลการให้เหตุผลแบบมัลติโมดัล — ข้อความ รูปภาพ วิดีโอ เสียง และ PDF เหมาะสำหรับงานวิจัยสื่อผสม การวางตำแหน่งของเวอร์ชัน 1.2 คืองานซอฟต์แวร์ และสื่อเปิดตัวคือเอเจนต์เขียนโค้ด พื้นผิวมัลติโมดัลยังไม่ถูกถอดออก แต่ไม่ใช่สิ่งที่ Meta กำลังปรับแต่งหรือโฆษณาอีกต่อไป และไม่มีใครนอก Meta ที่เผยแพร่ผลลัพธ์วิดีโอหรือเสียงสำหรับเวอร์ชัน 1.2

ที่ซึ่ง Muse Code ยังบางอยู่

• มันเป็นเบต้า และถูกระบุว่าเป็นเช่นนั้น ไม่มีสิ่งใดเกี่ยวกับการรับประกันบันทึกเหตุการณ์ที่ได้รับการตรวจสอบโดยใครก็ตามนอก Meta

• macOS และ Linux เท่านั้นนักพัฒนา Windows ต้องใช้ WSL หรือไม่ก็ไม่มีทางเลือกอื่น ซึ่งเป็นข้อจำกัดที่แท้จริงสำหรับกลุ่มอุปกรณ์ในองค์กร ไม่ใช่แค่ความไม่สะดวก

• เฉพาะเทอร์มินัลเท่านั้น ไม่มี GUI ไม่มีการผสานรวม IDE และไม่มีเอเจนต์แบบขนานที่โฮสต์บนคลาวด์แบบที่ Codex มีอยู่แล้ว เอกสารเปิดตัวของ Meta ไม่ได้กล่าวถึงการรองรับ MCP

• ไม่มีระเบียบวิธีที่เผยแพร่เบื้องหลังแผนภูมิเกณฑ์มาตรฐานใดๆ และยังไม่มีการประเมินอย่างอิสระทั้งตัวเอเจนต์และคะแนนย่อยด้านการเขียนโค้ดของ Muse Spark 1.2 Artificial Analysis มีดัชนีรวมสำหรับ 1.2 แต่ไม่มีการแยกย่อยด้านการเขียนโค้ดและเอเจนต์ตามเกณฑ์มาตรฐานที่เผยแพร่สำหรับ 1.1 — และคะแนนด้านเอเจนต์ของ 1.1 เป็นมิติที่อ่อนแอที่สุดในระยะห่างที่มาก ซึ่งทำให้ตัวเลขนี้เองคือสิ่งที่ชี้ขาดการเปิดตัวครั้งนี้

• Meta มาช้าClaude Code และ Codex ถูกใช้จนเกิดความเคยชินมาเป็นปีแล้ว มีระบบนิเวศปลั๊กอินและเวิร์กโฟลว์ของทีมที่สร้างขึ้นรอบๆ พวกมัน บันทึกเหตุการณ์ที่ทนทานต่อการล่มเป็นเหตุผลที่ดีที่จะลองใช้ แต่มันไม่ใช่เหตุผลเพียงพอที่จะย้ายทีม

คำถามที่ผู้คนกำลังถามจริงๆ

Muse Code ฟรีหรือไม่?

ไม่ใช่ แต่ก็ไม่มีการสมัครสมาชิกเช่นกัน — ต่างจากแผนของ Claude Code และ Codex ที่มันแข่งขันด้วย Muse Code คิดเงินตามจำนวนโทเค็นล้วนๆ ผ่าน Meta Model API ดังนั้นต้นทุนจึงแปรผันตามปริมาณบริบทของคลังโค้ดที่เซสชันของคุณส่งเข้าไป ไม่ใช่ตามจำนวนผู้ใช้ ซึ่งเอื้อต่อผู้ใช้ทั่วไปที่ใช้งานหนักเป็นครั้งคราว และลงโทษเอเจนต์ที่ทำงานตลอดเวลา ระดับคอนทริบิวเตอร์นั้นใกล้เคียงกับฟรีมากจนราคาไม่ใช่อุปสรรคจริงๆ ในการลองใช้

ระดับผู้สนับสนุนฝึกฝนกับโค้ดส่วนตัวของฉันหรือไม่?

เงื่อนไขของ Meta สำหรับระดับนั้นคือ ข้อมูลอาจถูกนำไปใช้เพื่อปรับปรุงโมเดลของบริษัท และพรอมป์ของตัวแทนเขียนโค้ดมีโค้ดของคุณอยู่ Meta ระบุว่าพรอมป์ระดับมาตรฐานไม่ได้ถูกนำไปใช้เพื่อปรับปรุงผลิตภัณฑ์ของบริษัท ระดับนั้นจึงเป็นตัวเลือกที่ควรใช้กับสิ่งที่ถือเป็นกรรมสิทธิ์ จงมองการเลือกนี้เป็นการตัดสินใจเรื่องการจัดการข้อมูลที่มีส่วนลดติดมาด้วย ไม่ใช่เรื่องความชอบในการเรียกเก็บเงิน — และโปรดทราบว่าส่วนลดคิดต่อโทเคน ดังนั้นแรงจูงใจที่จะลดระดับลงอย่างเงียบ ๆ ยิ่งเพิ่มขึ้นพอ ๆ กับการใช้งานของคุณที่เพิ่มขึ้น

ฉันสามารถใช้ Muse Spark 1.2 กับ Claude Code หรือเอเจนต์ของฉันเองได้ไหม?

โมเดลนี้พร้อมใช้งานผ่าน Meta Model API โดยไม่ขึ้นกับ Muse Code ดังนั้นก็ใช่ สำหรับอะไรก็ตามที่รองรับ custom endpoint สิ่งที่คุณจะไม่ได้คือการจับคู่แบบ co-trained ซึ่ง Meta ให้เครดิตสำหรับผล benchmark ของมัน และความคาดหวังที่ตรงไปตรงมาก็คือ โมเดลที่รันนอก harness ที่มันถูกปรับแต่งมาจะได้คะแนนต่ำกว่าตัวเลขในแผนภูมิ หากเป้าหมายคือการประเมินตัวโมเดลมากกว่าตัวเอเจนต์ ให้รันมันเทียบกับ Claude Opus 5 และ GPT-5.6 Terra ใน harness ของคุณเอง แล้วไม่ต้องสนใจสไลด์เด็คนั้นเลย

ใครควรติดตั้งมันในสัปดาห์นี้

หากคุณรันงานอัตโนมัติระยะยาว — การย้ายระบบ, การอัปเกรด dependency ทั่ว monorepo, หรืออะไรก็ตามที่คุณต้องคอยดูแลเพราะเอเจนต์ทำตำแหน่งหาย — Muse Code คุ้มค่าที่จะลองใช้ช่วงบ่ายกับ scratch clone บันทึกเหตุการณ์และเอเจนต์พื้นหลังแบบถาวรถูกออกแบบมาสำหรับโหมดความล้มเหลวนั้นโดยเฉพาะ และส่วนต่างของ benchmark นั้นน้อยที่สุดในงานที่ใช้เวลายาวนานที่สุด

หากคุณอยู่ในโค้ดเบสแบบโอเพนซอร์สหรือไม่มีความละเอียดอ่อน และต้นทุนคือข้อจำกัดหลักของคุณ ระดับผู้มีส่วนร่วมคือตัวเลขที่น่าสนใจที่สุดในตลาดตัวแทนเขียนโค้ดในขณะนี้ และ 0.66 เซนต์ต่อขั้นตอนไม่ใช่ตัวเลขที่พิมพ์ผิด

หากคุณกำลังรันทีมบน Claude Code หรือ Codex กับ repository ที่เป็นกรรมสิทธิ์ ตอนนี้ยังไม่มีอะไรในนี้ที่บีบให้ต้องย้ายไปที่อื่น Muse Code อยู่อันดับสองหรือสามในทุกตารางอันดับที่ผู้จำหน่ายของตัวเองเลือก ราคาเทียร์มาตรฐานเท่ากับคู่แข่งในตลาดแทนที่จะถูกกว่า และจุดต่างคือคุณสมบัติด้านความน่าเชื่อถือที่ไม่มีใครนอก Meta เคยทดสอบ สิ่งที่ต้องจับตาไม่ใช่ benchmark ตัวถัดไป แต่คือว่า event log จะยังคงทำงานได้ดีหรือไม่เมื่อคนที่ไม่ได้ทำงานที่ Meta เรียกใช้ tool calls นับพันครั้งผ่านมัน