Meta新模型定價低於DeepSeek，後者同日宣布漲價
0xBroomberg
Meta於8月6日發佈編程模型Muse Spark 1.2，以數據換低價策略將定價壓至DeepSeek同類服務以下；同日DeepSeek宣佈大幅漲價，兩家公司的價格分歧標誌着大模型競爭正從價格戰轉向Agent能力比拼。
Meta的「貢獻者套餐」到底平幾多？
Meta提供兩套API定價：標準版與「貢獻者套餐」。後者要求用戶同意將數據用於模型訓練，換來大幅折扣。
貢獻者版輸入價0.10美元/百萬Tokens，比標準版平12.5倍；緩存輸入0.002美元/百萬Tokens，平75倍；輸出0.20美元/百萬Tokens，平逾21倍。
這意味著→ 貢獻者版的輸入、輸出成本均低於DeepSeek-V4-Flash（未命中緩存輸入1元/百萬Tokens，輸出2元/百萬Tokens）。
簡單來說＝ Meta唔靠API賺錢，靠的係你交出來的使用數據——有網友直接講：「他們不在乎利潤，只想要數據。」
Muse Spark 1.2的編程能力排第幾？
在Terminal-Bench 2.1、DeepSWE 1.1等代碼基準測試中，Muse Spark 1.2整體成績僅次於Claude Opus 5，強於GPT-5.6、Grok 4.5和Gemini 3.6。
在Agent工具調用MCP Atlas基準上登頂榜首；在複雜推理GDPVal-AA V2測試中同樣僅次於Opus 5。
在超過1000次工具調用（最長運行24小時）的GPU內核迭代優化測試中，優於Gemini 3.6 Flash和GPT-5.6 Terra，但遜於GPT-5.6 Sol和Opus 5。
在人工智能分析指數（AII）中獲54分，令Meta與SpaceX AI並列美國實驗室第三名。
Muse Code呢個編程智能體做到啲乜？
Muse Code定位為終端編程智能體（一種能在命令行裡自主完成編程任務的AI工具），可處理大型代碼庫中的完整軟件工程任務——規劃變更、編寫代碼、驗證結果。
架構採用主循環 + 異步後台智能體的結構，後台智能體持續運行以降低延遲。
這意味著→ 複雜多步驟任務中需要的人工干預更少，朱克伯格稱用戶「只需一行代碼即可安裝」。
DeepSeek點解喺對手減價時反而加價？
DeepSeek-V4-Flash於7月31日上線API後口碑持續發酵，基準測試表現遠超此前的V4-Pro-Preview，在Almanbench測試中得分接近GPT-5.6 Sol xhigh。
Platzi（拉美頭部在線教育平台）CEO當日發文稱：「我完全不明白DeepSeek-V4-Flash是如何達到這種速度和質量的。」
DeepSeek同日宣佈「計劃近期整體上調API定價，預計漲幅較大」——外界解讀為主動退出純價格戰、轉向質量競爭的信號。
這反映出DeepSeek的戰略重心已經轉移：正大力招募Agent Harness方向人才，其Agent產品（或命名為DeepSeek Code）正在推進中。
呢場競爭的勝負手喺邊？
Meta以數據換低價的策略能否推動開發者大規模遷移，取決於兩個條件：用戶對數據私隱的接受程度，以及Muse Spark 1.2在真實工程場景中能否兌現基準測試成績。
國內其他頭部模型亦出現價格鬆動跡象，智譜GLM模型在優惠結束後價格也將明顯上調。
這意味著→ 呢場競爭的決勝維度正從價格轉向Agent能力的全面比拼——邊個的編程智能體在真實任務中更可靠，邊個就攞到開發者。
Content is for reference only, not financial advice.