Muse Spark 1.2

Muse Spark 1.2 是 Meta 面向编码的旗舰模型，于 2026 年 8 月 5 日与 Muse Code（beta 终端编程智能体）一同发布。它大幅增加了编码任务的训练算力并扩展训练环境多样性，改进代码生成、复杂调试、代码库理解与端到端开发工作流。凭借 1M 上下文、更高的首试准确率与更可靠的工具调用，现已在 Muse Code 与 Meta Model API 中提供，全球访问范围扩大。

核心功能

• 编码聚焦训练：显著提升编码任务算力，扩展环境多样性，覆盖代码生成、调试与代码库理解。
• 1M 上下文：长任务在一个会话内从头跑到尾，无需拆分上下文。
• 更高首试准确率：为真实编码工作流优化，失败尝试更少。
• 可靠工具调用：为智能体使用构建，函数与工具调用一致稳定。
• 与 Muse Code 联合训练：使用拒绝采样的 harness 轨迹、目标、压缩与子智能体共同训练，达到最佳 harness 兼容性。
• 双档位：muse-spark-1.2-contributor（用于改进 Meta 产品）与 muse-spark-1.2（不用于产品改进）。

模型规格

适用场景

• 终端编程智能体：Muse Code 用 Muse Spark 1.2 构建、调试与交付代码，多个智能体协同。
• 复杂调试：大型代码库上的端到端开发工作流。
• 通用智能体：在编码之外保持通用智能体任务能力。
• 自主 GitHub 机器人：在 Meta Model API 上用 Muse Spark 与 OpenCode 构建 GitHub 智能体。

优势

1. Meta 前沿编程：Muse Code（Meta 首个终端编程智能体）背后的模型，评测接近 Claude Opus 5。
2. 1M 上下文：一次调用完成整个仓库、从开始到结束的会话。
3. Harness 原生：与 Muse Code 工具集联合训练，智能体体验最佳。

使用技巧

1. 配合 Muse Code 使用：模型与其联合训练，这是预期的 harness 集成方式。
2. 选择非 Contributor 档位：如果你不希望提示词被用于改进 Meta 产品。
3. 利用 1M 上下文：整个仓库的任务一次搞定，无需手动拆分上下文。

总结

Muse Spark 1.2 是 Meta 对编程智能体前沿的回答：1M 上下文、编码聚焦，并与自家终端智能体联合训练。如果你想通过第一方 harness 或 API 获得 Meta 的前沿编码能力，它是旗舰之选。