Một API, mọi harness: nước cờ hệ sinh thái của Model API
Meta đưa coding model của mình tới mọi nơi developer đang đứng — OpenAI SDK, Anthropic SDK, cả agent CLI của đối thủ, thậm chí OpenRouter. Tương thích trước tiên chính là chiến lược phân phối.
Ba giá trị, và bạn đã vào cuộc
Kết nối gần như bất kỳ công cụ nào với Muse Spark chỉ cần đúng ba giá trị: base URL https://api.meta.ai/v1, MODEL_API_KEY của bạn, và một model ID kiểu muse-spark-1.2. Điều đó khả thi vì API nói được các định dạng mà cả hệ sinh thái đã chuẩn hóa: chat completions và responses kiểu OpenAI, cộng thêm một endpoint Messages theo định dạng Anthropic cho những harness xây theo hướng đó. Giữ nguyên SDK, giữ nguyên code, chỉ đổi một URL.
Cả harness của đối thủ cũng chơi được
Danh sách tương thích rất có chủ đích: OpenCode, LangChain, LlamaIndex, Vercel AI SDK, Continue — và cả Claude Code, agent của chính Anthropic, cắm vào qua Messages API. Meta sẵn lòng phục vụ token ngay bên trong harness của đối thủ. Một số agent còn bỏ qua luôn bước cấu hình: các CLI tự cấu hình như OpenCode, Goose và Roo chấp nhận một đoạn mô tả provider dán vào — base URL, model ID, context window, các tính năng hỗ trợ — rồi tự nối dây lấy.
Ý đồ chiến lược chẳng hề kín đáo. Mọi công cụ coding sẵn có đều trở thành kênh phân phối cho token Muse Spark, với lời chào hàng là chi phí chuyển đổi bằng không. Và phân phối còn vươn ra ngoài cửa nhà Meta: Muse Spark 1.2 cũng có mặt trên OpenRouter, đón các developer quen gom nhiều provider ngay tại nơi họ vẫn mua sắm.
Vậy Muse Code tồn tại để làm gì?
Nếu harness nào cũng chạy được model, sao còn phải xây riêng một cái? Vì tương thích cho bạn chức năng, chứ không cho bạn độ khớp. Muse Spark 1.2 được co-train riêng với Muse Code — quá trình huấn luyện bao gồm bộ tool của harness, cách điều phối subagent, các công thức về goal và compaction của nó. Một wrapper chung chung nhận được một model rất tốt; Muse Code nhận được một model đã tập dượt sẵn đúng những bài mà runtime của nó sẽ gọi — background agent chạy bền, fan-out bằng worktree, event log. API mở là chiếc phễu rộng; agent native là vùng nước sâu.
Một lộ trình áp dụng thực dụng
Chiến lược hai tầng này tự gợi ý luôn kế hoạch chuyển đổi. Ngày đầu tiên: trỏ setup hiện tại của bạn — bất kể là gì — vào Model API và đánh giá model trên công việc thật, không rủi ro gì cả. Nếu model chứng minh được chỗ đứng, hãy thử Muse Code cho những workflow mà độ khớp với harness tạo ra lợi thế kép: task long-horizon, việc nhiều phần chạy song song, những gì bạn sẽ muốn audit về sau. Cookbook phủ cả hai tầng, còn hướng dẫn chọn gói cho biết token tốn bao nhiêu một khi bạn quyết định gắn bó.