从”开源旗手”到”数据包工头”：Meta Muse Code的发布暴露了AI行业最尴尬的转身

从”开源旗手”到”数据包工头”：Meta Muse Code的发布暴露了AI行业最尴尬的转身

Meta昨天干了件挺拧巴的事。

说白了就是：它曾经是AI开源阵营最响亮的冲锋号——Llama系列下载量12亿次，扎克伯格高喊”开源AI是前进之路”，靠着免费权重和自托管优势收割了全球开发者的信任和口碑。

然后，转身就变成了一个要求你用数据换折扣的API贩子。

Muse Code听起来很美，但整个故事的味道完全不对。

Muse Code到底是个啥？

Meta发布的这款编程智能体，本质上是Copilot模式的一个变种，但藏了几个有意思的设计。

第一是持久化异步后台智能体。别人家的Agent是随叫随到——你提一个需求，它孵出一个临时智能体帮你干活，干完就散伙。Muse Code不一样，它在整个会话期间保持一组专门的智能体持续存活，已经了解过代码库的Agent不需要重新探索。这意味着当你提下一个需求时，延迟更低。

第二是审计性和可恢复性。每个模型调用、工具运行、审批和编辑都被追加到本地事件日志。如果运行20小时后崩溃，它会从停止的地方精确恢复，不丢失工作。这一点倒是正经干活的态度——真正用AI编程的人都知道，跑了一晚上的任务突然”失忆”是最让人崩溃的事情。

第三是隔离的git工作树。子智能体被分发到独立的git工作树里跑，不碰开发者的工作副本。这看起来是常识，但真正做到的产品没几个。

这些设计本身不差，甚至可以说有诚意。但问题不在产品设计，而在Meta的言行不一已经严重到让人很难认真对待它。

基准测试：认真你就输了

Meta发布的基准测试有点意思。

在Terminal-Bench 2.1上，Muse Spark 1.2得分82.9%，略高于GPT-5.6 Terra在Codex中的81.8%和Grok 4.5的81.6%。看起来很厉害是吧？

但继续往下读，你会发现：

在DeepSWE 1.1上，Muse Spark 1.2只有59.3%，落后于Opus 5的65.0%和GPT-5.6 Terra的64.8%。

更扎心的是，在自己设计的内部编程基准上，Muse Spark 1.2得了70.6%，击败了GPT-5.6 Terra的65.4%和Gemini 3.6 Flash的63.9%——但仍然落后于Opus 5的79.4%，差了将近9个百分点。

换句话说，Meta在自己的主场测试中，都没能打赢Anthropic。

这就像你在自家门口摆擂台，邀请所有人来打，结果自己连前三都排不进去。

真正值得讨论的不是Muse Code，而是Meta的”变脸”

整篇发布里，最刺眼的不是基准分数，而是“开源”这个词的集体缺席。

三个多月前，Meta砸了三年的Llama开源招牌，发布了首个专有模型Muse Spark。扎克伯格说”计划开源未来版本”。

今天Muse Code发布，没有任何权重开放，没有任何许可证，没有任何关于开源的承诺。

更值得玩味的是，竞争对手在向相反方向移动。OpenAI在Apache 2.0许可下开源了Codex CLI，谷歌的Gemini CLI也采用了Apache许可证。曾经被诟病为”最封闭”的OpenAI，如今在这件事上反而比Meta更开放。

Meta从开源旗手变成了闭关锁国，而且连解释都没有。

“低价”背后的真正代价

Meta的定价策略看起来很猛：标准层级每百万输入token只要1.25美元，输出token只要4.25美元，远低于Anthropic Sonnet 5的3/15美元。

但还有第二个层级——贡献者层级。每百万输入token只要0.10美元，输出只要0.20美元，比DeepSeek还便宜。

代价是什么？

你的代码数据会被用来训练模型。你要”选择加入以帮助改进模型”。Meta不在乎你写了什么代码，它在乎的是你这会产生什么可以作为训练数据的痕迹。

想保住数据隐私？那就别用贡献者层级。企业客户可以选择”零数据保留”选项，但需要额外付费。

翻译成人话就是：

> 便宜是有代价的。你的数据就是代价。

而Meta 98%的收入来自在线广告，它本身就是地球上最大的数据变现机器之一。把自己的数据交到这样的公司手里？我会慎重三思。

更深的讽刺：数据饥渴症

扎克伯格在X上回应开发者提问时说”我很快会有更多消息分享”，暗示未来可能开源。

别信。

从Llama 4基准虚报，到开源模型被DeepSeek、阿里巴巴、智谱AI占据Hugging Face下载量的41%，再到专有模型的彻底闭源——Meta的轨迹清晰得不能再清晰：当”开源”不再能带来竞争优势时，就毫不犹豫地抛弃它。

新推出的贡献者层级，本质上就是用廉价token换取训练数据——用户以自身数据”补贴”模型改进。 这是Llama策略的”继承者”：以前是免费权重换市场份额，现在是廉价token换训练数据。

从”开放的大旗”到”数据的奴隶”，Meta只用了一年时间。

开发者该怎么做？

一句话：该试试的试，该留意的留意。

Muse Code的技术架构确实有亮点——持久化Agent的设计方向是对的，审计和可恢复性也是当前AI编程工具普遍缺失的能力。如果你的代码库没什么机密，可以试试贡献者层级。

但如果你在写核心业务代码、客户数据相关的代码、或者任何你不想被Meta用来训练模型的代码——要么用标准层级多花点钱，要么干脆别碰。

毕竟，比”产品不好用”更糟的是”产品很好用，但你不知道它在拿你的东西做什么”。

对Meta这次转型最公允的总结或许是：

> 一家曾经告诉世界”AI应该免费和开放”的公司，现在告诉开发者”你的数据可以换折扣”。

以前穿的是白大褂，现在穿的是围裙。从做科研的，变成搞代工的。