Muse Spark 1.2 是什么
Muse Spark 1.2 是 Meta 推出的新一代编程与 Agent 模型，也是 Muse Spark 1.1 的编码能力强化版本。模型重点提升代码生成、复杂调试、大型代码库理解和端到端软件工程任务能力，并针对长程 Coding Agent 场景进行了大量训练。Meta 同期推出基于该模型运行的终端编程智能体 Muse Code，两者经过协同训练，可共同完成规划、编码、测试、验证以及大型项目持续执行等任务。
Muse Spark 1.2 的模型特性
- 强化编程能力：针对代码生成、复杂 Bug 调试、代码库理解和完整开发工作流进行了专项增强，并增加了编程任务上的训练计算量与训练环境多样性。
- 长程任务执行：针对完整代码仓库生成、大型端到端项目以及自动化研究等长周期任务训练，通过规划、目标保持和上下文压缩机制持续推进复杂工作。
- 与 Muse Code 协同训练：Muse Spark 1.2 并非单独训练后再接入 Coding Agent，而是直接与 Muse Code Harness 进行协同优化，包括目标执行、上下文压缩和子 Agent 等工作流。
- 复杂指令遵循增强：训练过程中使用 Muse Spark 1.1 构造更困难的编程环境与指令模板，并对候选解决方案进行评估，形成可扩展的自我改进训练数据。
- 保留通用 Agent 能力：虽然 1.2 版本明显向 Coding 倾斜，但仍保留 Muse Spark 系列在通用 Agent、工具调用等方面的能力。
- 支持超长上下文：Meta Model API 当前为 Muse Spark 1.2 提供 100 万 Token 上下文窗口，适合大型代码仓库和长时间 Agent 工作流。
Muse Spark 1.2 的编程性能
Meta 使用 Muse Code 作为 Muse Spark 1.2 的 Agent Harness，并与 Claude Code、Codex、Grok Build、Antigravity CLI 等模型与智能体组合进行了对比。需要注意，这些结果采用各模型对应的 Agent 产品，并非完全相同的 Harness，因此更适合作为实际 Agent 工作流表现参考，而非严格的纯模型能力横向比较。
其中：
- Terminal-Bench 2.1：82.9%，相比 Muse Spark 1.1 的 76.2% 明显提升；Meta 的测试中 Claude Opus 5 + Claude Code 为 86.7%，GPT-5.6 Terra + Codex 为 81.8%。
- DeepSWE 1.1：59.3%，高于 Muse Spark 1.1 的 53.0%；同一测试中 Claude Opus 5 为 65.0%，GPT-5.6 Terra 为 64.8%。
- Meta Internal Coding Bench：70.6%，相比 Muse Spark 1.1 的 68.3% 进一步提升。该测试包含 440 个来自 Meta 内部真实代码库和 Pull Request 的软件工程任务。
Meta 还测试了 Muse Spark 1.2 连续进行 1000 次以上工具调用、最长运行约 24 小时的 GPU Kernel 优化任务。模型能够持续编写、编译、Profile 和修改 Triton Kernel，用于验证其长程自主开发与优化能力。
Muse Spark 1.2 的应用场景
- 软件开发：从需求分析、代码生成到测试和验证，完成较完整的开发流程。
- 大型代码库维护：理解跨文件、跨模块依赖关系，用于功能开发、Bug 修复、重构和代码清理。
- Coding Agent：作为自主编程智能体的底层模型，通过终端、工具和子 Agent 执行长时间开发任务。
- 复杂调试与性能优化：持续运行编译、测试与性能分析工具，适合代码优化和工程调试工作。
- 自动化研究：面向需要规划、持续探索和大量工具调用的 Auto-Research 工作流。
Muse Spark 1.2 API 价格
Meta Model API 当前列出的 Muse Spark 1.2 标准价格为：输入 $1.25 / 百万 Token、缓存输入 $0.15 / 百万 Token、输出 $4.25 / 百万 Token。实际使用时建议以 Meta Model API 控制台显示的最新计费规则为准。
如何使用 Muse Spark 1.2
- 通过 Muse Code 使用： macOS 和 Linux 用户可以安装 Muse Code，在终端中直接使用 Muse Spark 1.2 完成项目分析、代码编写、调试和测试等任务。Muse Code 当前处于 Beta 阶段。安装入口见 https://dev.meta.ai
- 开发者 API 接入： Muse Spark 1.2 已上线 Meta Model API，开发者可以选择
muse-spark-1.2模型，通过 API 集成到自己的应用或 Agent 工作流。开发者入口见 https://developer.meta.com/ai/ - 接入 Coding Agent： Meta Model API 可以用于 Coding Agent 工作流，官方文档提供 Muse Spark 与编程智能体的相关接入方式。
- 企业应用： 可将模型用于代码生成、软件维护、自动化开发、工具调用以及长周期 Agent 等内部工程场景。
- 部署方式： 当前 Muse Spark 1.2 主要通过 Meta Model API 云端调用以及 Muse Code 使用；此次发布重点是 API 与 Agent 产品形态，而非本地权重部署。
常见问题
Q：Muse Spark 1.2 和 Muse Spark 1.1 是什么关系？
A：1.2 是 1.1 的编程向升级版本，在代码生成、复杂调试、代码库理解与端到端开发流程上做了重点强化，同时保持通用 Agent 能力。1.1 生成的高难度编程环境与指令模板还被用作 1.2 的训练数据来源。
Q：Muse Spark 1.2 开源吗？
A：不开源，权重闭源，只能通过 Muse Code、Meta Model API 与 OpenRouter 等渠道调用。
Q：两个模型 ID 的模型能力有区别吗？
A：两个 ID 指向同一模型，差异在计费方式、限流阈值与数据使用条款：标准档流量不用于改进 Meta 模型，贡献者档以低价换取将提示词与输出用于训练后续模型的许可。
Q：一定要配合 Muse Code 才能发挥效果吗？
A：不是必须，模型可跨多种编程 harness 使用。但由于两者是联合训练的，官方明确二者配合时性能与编程可用性表现最佳。
Q：上下文窗口和输入模态是怎样的？
A：提供约 100 万 tokens 的上下文窗口，可接收文本、图像、视频、音频与 PDF 输入，输出为文本。
AIHub 点评
Muse Spark 1.2 的重点已经非常明确：从通用 Agent 模型进一步向专业 Coding Agent 模型靠拢。与单纯提升代码 Benchmark 不同，Meta 这次同时推出 Muse Code，并让模型与 Agent Harness 协同训练，把子 Agent、规划、上下文压缩、工具调用和任务恢复等能力直接纳入训练过程。
从 Terminal-Bench、DeepSWE 以及 Meta 内部代码库测试来看，1.2 相比 Muse Spark 1.1 的软件工程能力已有明显提升，但 Meta 自己也指出不同模型使用的 Agent Harness 并不完全一致，因此不宜单纯通过排行榜断言模型强弱。
对于开发者而言，Muse Spark 1.2 + Muse Code 更值得关注的地方，是 Meta 开始构建类似“模型 + Coding Agent + API + Skills”的完整开发者体系。