一支 API 通吃所有 harness：Model API 的生態系打法
Meta 把自家的 coding 模型鋪到開發者已經在的每個地方——OpenAI SDK、Anthropic SDK、對手的 agent CLI，甚至 OpenRouter。相容性優先，就是它的發行策略。
填三個值，就接上了
要把幾乎任何工具接上 Muse Spark，都是同樣三個值：base URL https://api.meta.ai/v1、你的 MODEL_API_KEY，還有模型 ID，例如 muse-spark-1.2。之所以行得通，是因為這支 API 說的是整個生態系已經標準化的格式：OpenAI 風格的 chat completions 和 responses，再加上一個 Anthropic 格式的 Messages 端點，服務照那套規格打造的 harness。SDK 不用換、程式碼不用改，換一個 URL 就好。
連競爭對手的 harness 也支援
這份相容清單話中有話：OpenCode、LangChain、LlamaIndex、Vercel AI SDK、Continue——還有 Claude Code，Anthropic 自家的 agent，透過 Messages API 直接接上。Meta 很樂意在對手的 harness 裡供應 token。有些 agent 甚至完全不用設定：OpenCode、Goose、Roo 這類會自我設定的 CLI，只要貼上一段供應商描述——base URL、模型 ID、context window、支援的功能——就會自動把自己接好。
策略意圖毫不隱晦：每一個現有的 coding 工具都變成 Muse Spark token 的發行通路，賣點是零轉換成本。而且發行不只走 Meta 自家大門：Muse Spark 1.2 也上架了 OpenRouter，直接到習慣聚合多家供應商的開發者常逛的地方擺攤。
那 Muse Code 存在的意義是什麼？
如果任何 harness 都能跑這個模型，何必自己造一個？因為相容性給你的是能用，不是合身。Muse Spark 1.2 是專門與 Muse Code 共同訓練的——訓練內容涵蓋了這個 harness 的工具集、它的 subagent 調度方式、它的目標與脈絡壓縮配方。泛用的包裝層拿到的是一個很好的模型；Muse Code 拿到的是一個早已排練過自家執行環境每一套戰術的模型——常駐背景 agent、worktree 分派、事件日誌。開放 API 是寬闊的漏斗入口；原生 agent 是漏斗的深水區。
一條務實的採用路徑
這套雙層策略本身就暗示了遷移計畫。第一天：把你現有的環境——不管是什麼——指向 Model API，用真實工作評估這個模型，零風險。如果模型證明了自己，再針對「harness 合身度會複利放大」的工作流程試試 Muse Code：長時程任務、多線並行的工作、日後需要稽核的專案。cookbook 兩層都有涵蓋，方案指南則告訴你正式投入之後 token 要花多少錢。