Muse Code 對決群雄：一張價格×能力地圖看懂戰局

能力面：緊追的第二名

在 Terminal-Bench 2.1——最貼近真實終端機 agent 工作的 benchmark——上，跑在 Muse Code 裡的 Muse Spark 1.2 拿下 82.9%，落後 Anthropic 的 Claude Opus 5（86.7%），略高於 OpenAI Codex 搭 GPT-5.6 Terra（81.8%），後面緊跟著 xAI 的 Grok Build（81.6%）和 Google 的 Antigravity CLI（78.9%）。在強調儲存庫規模軟體工程的 DeepSWE 1.1 上，排序相同但差距拉大：59.3%，對上 Opus 5 的 65.0% 和 Codex 的 64.8%。這些數字是 Meta 自己公布的，連對自己不利的格子也一併放上——這點值得加些可信度分數。

誠實的總結：Claude Code + Opus 5 是能力上的領先者；Muse Code 和 Codex 則依測試不同互有領先。開放權重的挑戰者——DeepSeek V4、GLM-5.2、MiniMax M3——在相近的 benchmark 上都端出亮眼成績（MiniMax 宣稱 SWE-bench Verified 超過 80%），但都沒有第一方的 agent harness，所以直接的 agent benchmark 對比大多不存在。

Meta 公布的 Terminal-Bench 2.1 圖表。前三名之外，Grok Build 裡的 Grok 4.5（81.6%）與 Antigravity CLI 裡的 Gemini 3.6 Flash（78.9%）補齊了戰場——而 1.1 → 1.2 的躍升幅度是 6.7 個百分點。

價格面：三條車道

以每百萬 token 計，整個市場分成三條車道。高價道：Opus 5 的 input 5 美元／output 25 美元，以及 OpenAI 旗艦 GPT-5.6 Sol 的 5／30。中價道：Codex 預設的 GPT-5.6 Terra 2／12（OpenAI 7 月 30 日降價後）、Grok 4.5 的 2／6、Gemini 3.6 Flash 的 1.50／7.50、GLM-5.2 的 1.40／4.40，以及 Muse standard 的 1.25／4.25。低價道：MiniMax M3 的 0.60／2.40、DeepSeek V4 Pro 的 0.435／0.87，還有新推出的 DeepSeek V4 Flash 的 0.14／0.28。然後是完全跳出地圖之外的：Muse Contributor 的 0.10／0.20——比所有開放權重選項都便宜，代價是讓 Meta 從你的 session 中學習。

專就 agent 工作負載而言，真正會複利放大的是快取輸入（cached input）這個數字：儲存庫脈絡每一輪都要重送，而 Muse Contributor 的 0.002 美元快取費率和 DeepSeek V4 Flash 的 0.0028 美元自成一個級距。Opus 5 的快取費率是 0.50 美元——是 Contributor 的 250 倍。長 session 跑上一個月，快取那一欄就是你的帳單；細部機制在我們的方案算術文。

價格表和分數表看不到的東西

有三個結構性差異塞不進表格。第一，harness 所有權：Meta、Anthropic、OpenAI、xAI、Google 都出第一方 agent，模型都針對自家 harness 調校——Muse Spark 1.2 更是名副其實與 Muse Code 共同訓練——而 DeepSeek、GLM、MiniMax 搭的是 OpenCode 這類第三方 harness，很優秀，但終究是泛用的。第二，開放性：中國三強公開模型權重，你可以自架、微調、徹底擺脫 API 計價——三巨頭沒有一家提供這條路。第三，可稽核性：Muse Code 的可精確重播事件日誌目前是獨一無二的第一級產品功能，對受監管的團隊來說，它的分量可能勝過個位數的 benchmark 差距。

一套決策框架

追求最高能力、價格其次——Claude Code + Opus 5，記分板上仍是王者。要貼近頂尖的能力、中價位的帳單，並看重平行化與可稽核性——Muse Code：專有程式碼走 standard，其他一律 Contributor。有自架、微調或硬性資料主權需求——開放權重車道：性價比選 DeepSeek V4，GLM-5.2 或 MiniMax M3 則看你的 harness 和自家評測結果。已深度投資 OpenAI 或 Google 生態系——Codex 和 Antigravity CLI 仍是阻力最小的路，而 Grok 4.5 的 6 美元 output 費率讓 Grok Build 成為高價道 agent 裡最便宜的一個。

而且因為 Model API 與你手上的 SDK 和 CLI 隨插即用相容，拿 Muse 對打你現在用的方案，成本就是改一個 base URL。這個市場的數字過期得很快；比較頁維護著最新表格和最後查核日期。相信你自己的 diff，別信任何人的 benchmark——包括我們的。