Flint v1.0 vs Muse Code: Một tệp trọng số và một tác nhân terminal có hóa đơn khác nhau

Đây là con số khiến phép so sánh này trở nên trung thực ngay từ trước khi nó bắt đầu. Recursive Flint v1.0 không tốn gì trên mỗi token và tốn khoảng 24 GB bộ nhớ. Muse Code tốn từ $5 đến $200 mỗi tháng trước khi bạn gửi một yêu cầu nào, rồi sau đó $4.25 cho mỗi triệu token đầu ra trên gói Standard của Meta. Một trong hai là một tệp bạn sở hữu. Cái còn lại là đăng ký vào vòng lặp của người khác. So sánh chúng như thể chúng là các lựa chọn thay thế là sai lầm mà hầu hết các bài viết đều mắc phải, và đó là sai lầm đáng mắc một cách có chủ đích thay vì vô tình — bởi vì một khi bạn thấy hóa đơn, quyết định thực sự không phải là cái nào tốt hơn. Mà là công việc của bạn cần hình thái nào.

Flint ra mắt vào ngày 21 tháng 10 năm 2026 với tư cách là mô hình đầu tiên của Recursive: một mô hình lập trình mixture-of-experts với tổng cộng 39,8 tỷ tham số, khoảng 2,5 tỷ tham số hoạt động cho mỗi token, Apache 2.0, được thiết kế để chạy trên máy tính xách tay. Muse Code ra mắt trước đó — Meta đã phát hành nó dưới dạng beta vào ngày 5 tháng 8 năm 2026 và kể từ đó đã đưa nó ra khỏi giai đoạn beta — và nó không phải là một mô hình. Đây là một tệp nhị phân terminal gốc điều khiển các mô hình Muse Spark của Meta, hiện tại là Muse Spark 1.3, trong khi Muse Spark 1.2 vẫn là phiên bản mà CLI chọn trừ khi bạn chỉ định khác.

Thực tế mỗi thứ là gì

Một mô hình và một tác nhân là những sản phẩm khác nhau, và điểm khác biệt nằm ở nơi công việc diễn ra.

Flint là trọng số. Nó nhận văn bản và lệnh gọi công cụ vào, rồi trả văn bản và lệnh gọi công cụ ra, và mọi thứ xung quanh đó — vòng lặp, chỉnh sửa tệp, chạy kiểm thử, logic thử lại — đều do bất kỳ harness nào bạn trỏ vào nó cung cấp. Bộ công cụ phục vụ của chính Recursive dùng SGLang; hệ sinh thái định tuyến nó qua llama.cpp, Ollama, LM Studio, vLLM và engine riêng của Recursive. Bạn nhận được một bộ sinh token nhanh và một trang trắng.

Muse Code là trang đã được điền đầy đủ. Nó cung cấp một vòng lặp agent chính, các agent nền bất đồng bộ liên tục thu thập ngữ cảnh xuyên suốt một phiên, các worktree Git biệt lập để các sub-agent song song không va chạm nhau, và một nhật ký sự kiện cục bộ cho phép phát lại hoặc tiếp tục một phiên đã bị lỗi. Nó có các lệnh slash để lập kế hoạch và rà soát, một giao thức agent-client mà qua đó các công cụ khác có thể điều khiển nó, thực thi shell trong sandbox với các chế độ phê duyệt có thể cấu hình, và nó chạy ở dạng tương tác hoặc headless. Việc cài đặt là một script một dòng trên macOS hoặc Linux, với một lối cài đặt bằng PowerShell trên Windows. Bạn đang mua vòng lặp, còn mô hình bên trong nó không phải là thứ bạn chọn.

Trụ cột chi phí, đã được tính toán

Thay vì so sánh giá niêm yết một cách trừu tượng, hãy lấy một khối lượng công việc cụ thể. Giả sử agent của một lập trình viên ghi ra 50 triệu token đầu ra trong một tháng — không phải con số cực đoan đối với một quy trình agentic nặng, và đủ thấp để hợp lý với một nhóm nhỏ.

• Flint — chi phí giấy phép $0. Token đầu ra không giới hạn. Chi phí cố định là phần cứng mà bạn hoặc đã có, hoặc không: 22,86 GB cho bản dựng NVFP4 trên đĩa, khoảng 24 GB bộ nhớ để chạy nó, và một cỗ máy đủ nhanh để việc suy luận cục bộ trở nên chấp nhận được. Recursive tuyên bố đạt hơn 125 token mỗi giây trên một chiếc M4 Pro MacBook Pro ở ngữ cảnh ngắn. Nếu bạn đã sở hữu chiếc laptop đó, chi phí cận biên của token thứ 50 triệu chỉ là tiền điện.

• Muse Code — gói hàng tháng là mức sàn, không phải mức trần, vì hóa đơn token nằm cộng thêm bên trên. Với $4.25 mỗi triệu token đầu ra, 50 triệu token đầu ra là $212.50 chỉ riêng phần đầu ra trước khi tính phần đầu vào, so với bất kỳ bậc đăng ký nào bạn cần để có quyền truy cập. Bốn gói — $5, $15, $50 và $200 mỗi tháng — mua các mức truy cập khác nhau, không phải sử dụng không giới hạn.

• Muse Code, gói rẻ hơn — gói Contributor có giá $0.10 cho mỗi triệu token đầu vào và $0.20 cho mỗi triệu token đầu ra, so với $1.25 và $4.25 ở gói Standard. Đó là mức chênh khoảng hai mươi lần ở đầu ra, và lý do nó rẻ hơn là Meta có thể huấn luyện trên lời nhắc và kết quả hoàn thành của bạn. Đó là một đánh đổi thực sự và là đánh đổi chính đáng cho công việc mã nguồn mở. Với một cơ sở mã độc quyền, đó là quyết định chính sách, không phải một khoản giảm giá, và đáng để đọc các điều khoản hiện hành thay vì tin vào một bản tóm tắt — kể cả bản này.

• Flint, chi phí ẩn — cỗ máy. Bộ làm việc 24 GB trên laptop thì ổn; trên desktop với card 24 GB thì sẽ chật vật khi tính đến phần còn lại của hệ thống. Và thông lượng cục bộ ở ngữ cảnh dài không như con số hào nhoáng gợi ý: kiểm thử độc lập báo cáo khoảng 110 token mỗi giây với prompt ngắn, giảm còn khoảng 9 token mỗi giây ở khoảng 115.000 token ngữ cảnh. Một agent đọc một kho mã lớn trước khi viết bất cứ thứ gì sẽ dành phần lớn thời gian ở chế độ chậm.

Đặt chúng cạnh nhau để so sánh chi phí thì không hề gần nhau khi tính theo từng token, và cũng không gần nhau theo chiều ngược lại khi tính trên tổng năng lực. Đó chính là điểm mấu chốt.

Quyền riêng tư là lĩnh vực có khoảng cách lớn nhất.

Flint chạy ngoại tuyến. Không phải kiểu ngoại tuyến “chúng tôi không ghi lại lời nhắc của bạn” — mà thực sự ngắt kết nối, trên phần cứng của bạn, với các trọng số nằm trên đĩa của bạn. Đối với một cơ sở mã không thể rời khỏi mạng, đó không phải là một tính năng trong vô số tính năng; đó là lý do mô hình tồn tại trong phép so sánh này.

Muse Code là một tác nhân đám mây. Nó chạy các lệnh trên một kho mã, nghĩa là những gì nó đọc đều sẽ được truyền đi. Bậc định giá đóng góp làm mối quan hệ dữ liệu trở nên rõ ràng thay vì ngầm định, có thể nói là trung thực hơn một chính sách chẳng ai đọc, nhưng nó không thay đổi hướng đi. Nếu ràng buộc của bạn là “mã nguồn không bao giờ rời khỏi tòa nhà”, thì quyết định đã được đưa ra và bảng điểm chuẩn không còn liên quan.

Ai vận hành vòng lặp, và vì sao điều đó quyết định nhiều hơn cả mô hình

Sự khác biệt bị đánh giá thấp nhất là với Flint, bạn chịu trách nhiệm về agent. Một mô hình 39,8B kích hoạt 2,5B tham số mỗi token là một trình tạo token có năng lực, nhưng Recursive nói thẳng rằng nó cần nhiều hướng dẫn hơn các trợ lý lập trình trả phí lớn và khuyến nghị chia các công việc phức tạp thành những bước nhỏ hơn. Sự hướng dẫn đó phải đến từ đâu đó — một harness, một mẫu prompt, lớp keo kết nối của riêng bạn. Nếu bạn không có điều đó, bạn không có một agent.

Muse Code đã đưa ra những quyết định đó thay bạn, và đó chính là thứ mà gói đăng ký mang lại. Cái giá phải đánh đổi là bạn kế thừa những quan điểm của Meta về cách một phiên lập trình nên diễn ra, và bạn không thể thay mô hình bên dưới.

Có một con đường trung dung mà không nhà cung cấp nào quảng bá, và đó là lựa chọn mà hầu hết các đội ngũ hội tụ về: giữ mô hình cục bộ cho những công việc không được phép rời khỏi máy, và giữ một endpoint được lưu trữ cho những công việc cần nhiều năng lực hơn mức một mô hình 2.5B-active có thể cung cấp. Đó là trường hợp định tuyến không còn là chuyện vặt về hạ tầng mà bắt đầu trở thành kiến trúc. Nếu đường leo thang là một endpoint tương thích OpenAI đứng trước hơn 200 mô hình được lưu trữ với mức giá niêm yết của nhà cung cấp, không cộng thêm phụ phí, thì việc bổ sung năng lực sau này không có nghĩa là phải thêm hợp đồng thứ hai và SDK thứ hai — và một chuỗi chuyển đổi dự phòng nghĩa là một yêu cầu bị hết thời gian chờ với một nhà cung cấp vẫn có thể hoàn tất với nhà cung cấp khác mà tác nhân của bạn không nhận ra.

Chọn cái nào?

Một con số xứng đáng được đặt giữa lập luận về chi phí và quyết định, kèm một nhãn rõ ràng. Biểu đồ ra mắt của chính Meta xếp Muse Spark 1.2 ở mức 82.9% trên Terminal-Bench 2.1, đứng thứ hai trong bảng đánh giá của chính hãng. Điểm Terminal-Bench 2.1 do nhà cung cấp báo cáo của Flint là 54.9%. Hai con số đó được tạo ra bởi các phòng thí nghiệm khác nhau, trên các harness khác nhau, với các quy tắc khác nhau về việc một agent có được tìm kiếm web hay không — vì vậy khoảng cách 28 điểm không phải là phép đo cho bất cứ thứ gì bạn có thể cầm nắm trong tay. Tuy nhiên, đó là một gợi ý mạnh mẽ rằng trần năng lực của một mô hình cục bộ có 2.5B tham số hoạt động và một mô hình được lưu trữ gần mức tiên phong không ở cùng một vị trí. Nếu công việc của bạn thường xuyên đòi hỏi phần khó hơn của lập trình tác nhân, lựa chọn cục bộ không phải là vật thay thế cho dù giá có hấp dẫn đến đâu.

• Hãy chọn Flint nếu mã không thể rời khỏi máy của bạn, nếu các nhiệm vụ agent của bạn ngắn và có phạm vi rõ ràng, nếu bạn đã có một harness ưng ý, hoặc nếu bạn muốn ngừng trả tiền theo token cho một khối lượng công việc sẽ tiếp tục tăng. Hãy dự trù ngân sách cho thông lượng ngữ cảnh dài và lên kế hoạch cho agent của bạn xoay quanh điều đó.

• Chọn Muse Code nếu bạn muốn có một tác nhân terminal hoạt động được ngay từ ngày đầu, nếu các tác vụ của bạn chạy hàng giờ và được hưởng lợi từ các tác nhân chạy nền cùng các phiên có thể tiếp tục, nếu công việc của bạn đủ mở để chấp nhận gói contributor, và nếu hóa đơn hàng tháng tăng theo mức sử dụng dễ biện minh hơn so với phần cứng.

• Chọn cả hai nếu bạn là một nhóm có cơ sở mã hỗn hợp. Việc phân tách thường sẽ rõ ràng ngay khi bạn xác định những kho lưu trữ nào được phép rời đi.

Điều bạn không nên làm là coi đây như một câu hỏi benchmark. Điểm số đã công bố của Flint — 74.2 trên SWE-bench Verified, 89.7 trên SWE-bench Pro v2, 54.9 trên Terminal-Bench 2.1 — là do nhà cung cấp tự báo cáo và chưa được tái lập độc lập. Dòng mô hình của Muse Code có các biểu đồ riêng do nhà cung cấp tự tạo. Không bộ số liệu nào trong hai bộ này cho bạn biết điều gì sẽ xảy ra khi agent của bạn gặp monorepo của bạn vào một ngày thứ Ba. Cấu trúc chi phí và đường đi dữ liệu thì cho bạn biết, và chúng có thể biết được trước khi bạn chi bất kỳ khoản nào.