Meta新模型定价低于DeepSeek，后者同日宣布涨价
0xBroomberg
Meta于8月6日发布编程模型Muse Spark 1.2，以数据换低价策略将定价压至DeepSeek同类服务以下；同日DeepSeek宣布大幅涨价，两家公司的价格分歧标志着大模型竞争正从价格战转向Agent能力比拼。
Meta的"贡献者套餐"到底便宜多少？
Meta提供两套API定价：标准版与"贡献者套餐"。后者要求用户同意将数据用于模型训练，换来大幅折扣。
贡献者版输入价0.10美元/百万Tokens，比标准版便宜12.5倍；缓存输入0.002美元/百万Tokens，便宜75倍；输出0.20美元/百万Tokens，便宜逾21倍。
这意味着→ 贡献者版的输入、输出成本均低于DeepSeek-V4-Flash（未命中缓存输入1元/百万Tokens，输出2元/百万Tokens）。
用大白话说＝ Meta不靠API赚钱，靠的是你交出来的使用数据——有网友直接点破："他们不在乎利润，只想要数据。"
Muse Spark 1.2的编程能力到底排第几？
在Terminal-Bench 2.1、DeepSWE 1.1等代码基准测试中，Muse Spark 1.2整体成绩仅次于Claude Opus 5，强于GPT-5.6、Grok 4.5和Gemini 3.6。
在Agent工具调用MCP Atlas基准上登顶榜首；在复杂推理GDPVal-AA V2测试中同样仅次于Opus 5。
在超过1000次工具调用（最长运行24小时）的GPU内核迭代优化测试中，优于Gemini 3.6 Flash和GPT-5.6 Terra，但逊于GPT-5.6 Sol和Opus 5。
在人工智能分析指数（AII）中获54分，使Meta与SpaceX AI并列美国实验室第三名。
Muse Code这个编程智能体能做什么？
Muse Code定位为终端编程智能体（一种能在命令行里自主完成编程任务的AI工具），可处理大型代码库中的完整软件工程任务——规划变更、编写代码、验证结果。
架构采用主循环 + 异步后台智能体的结构，后台智能体持续运行以降低延迟。
这意味着→ 复杂多步骤任务中需要的人工干预更少，扎克伯格称用户"只需一行代码即可安装"。
DeepSeek为什么在对手降价时反而涨价？
DeepSeek-V4-Flash于7月31日上线API后口碑持续发酵，基准测试表现远超此前的V4-Pro-Preview，在Almanbench测试中得分接近GPT-5.6 Sol xhigh。
Platzi（拉美头部在线教育平台）CEO当日发文称："我完全不明白DeepSeek-V4-Flash是如何达到这种速度和质量的。"
DeepSeek同日宣布"计划近期整体上调API定价，预计涨幅较大"——这被外界解读为主动退出纯价格战、转向质量竞争的信号。
这反映出DeepSeek的战略重心已经转移：正大力招募Agent Harness方向人才，其Agent产品（或命名为DeepSeek Code）正在推进中。
这场竞争的胜负手在哪里？
Meta以数据换低价的策略能否推动开发者大规模迁移，取决于两个条件：用户对数据隐私的接受程度，以及Muse Spark 1.2在真实工程场景中能否兑现基准测试成绩。
国内其他头部模型也出现价格松动迹象，智谱GLM模型在优惠结束后价格也将明显上调。
这意味着→ 这场竞争的决胜维度正从价格转向Agent能力的全面比拼——谁的编程智能体在真实任务中更可靠，谁就拿下开发者。
Content is for reference only, not financial advice.