meta近日正式推出其首款编程智能体Muse Code（测试版），并同步发布新一代模型Muse Spark 1.2。这款以“低成本、易上手”为卖点的产品迅速引发海外技术社区关注，其定价策略被认为直接对标国产模型DeepSeek-V4-Flash，甚至通过数据共享机制提供更低折扣，成为行业热议焦点。
meta的定价策略颇具争议性。其推出的“贡献者套餐”提供两个API版本：允许数据共享的版本输入价格低至0.10美元/百万Tokens，缓存输入仅0.002美元/百万Tokens，输出价格为0.20美元/百万Tokens；而不允许数据共享的版本价格则高出数倍。这种“用数据换折扣”的模式被网友调侃为“meta不在乎利润，只想要数据”。相比之下，DeepSeek-V4-Flash的定价为未命中缓存输入1元/百万Tokens、命中缓存输入0.2元/百万Tokens、输出2元/百万Tokens，meta在部分场景下确实具备价格优势。
然而，DeepSeek-V4-Flash的竞争力不仅体现在价格上。拉美头部在线教育平台Platzi联合创始人公开称赞其“速度和质量令人难以置信”，甚至有网友直言“Claude已死，世界无需再忍受高价低效的供应商”。在基准测试中，DeepSeek-V4-Flash 0731版本得分超越Kimi K3，几乎与GPT-5.6 Sol xhigh持平，彻底颠覆了“低价=低质”的传统认知。这种性能与成本的双重优势，使其成为全球开发者热捧的对象。
面对DeepSeek的强势表现，meta的Muse Spark 1.2在性能上仍存在差距。尽管在Terminal‑Bench 2.1、DeepSWE 1.1等代码能力测试中排名仅次于Claude Opus5，优于GPT‑5.6、Grok4.5和Gemini3.6，但在复杂推理测试GDPVal‑AA V2中仍落后于Opus5。不过，meta在Agent工具调用MCP Atlas基准测试中登顶榜首，并在超过1000次工具调用的GPU内核优化测试中表现优于Gemini 3.6 Flash和GPT-5.6 Terra，仅逊色于GPT-5.6 Sol和Opus5。
Muse Code的定位是终端编码智能体，能够处理大型代码库中的完整软件工程任务，包括规划变更、编写代码和验证结果。meta公布的案例显示，其采用简单的Agent循环配合异步后台Agent，通过持续运行降低延迟并减少人工干预。例如，用户输入房屋漫游视频后，Muse Code可自动生成视觉效果丰富的营销页面；在光子球模拟、游戏射击界面等生成任务中，Muse Spark 1.2也展现出一定能力。该模型在人工智能分析指数（AII）中获得54分，智能体知识工作能力显著提升，使meta与SpaceXAI并列美国实验室第三名。
有趣的是，就在meta发起价格战的同时，DeepSeek宣布计划上调API服务定价，涨幅预计较大。这一反差表明，DeepSeek并未将竞争局限于价格层面，而是持续聚焦模型质量提升。近期，DeepSeek正大力招聘Agent Harness人才并招揽优秀开源项目，其Agent Harness产品（或命名为DeepSeek Code）正在紧锣密鼓推进中。与此同时，国内其他头部模型如智谱GLM也透露优惠结束后将上调价格，全球大模型市场的竞争格局正从单一价格战向算力、性能、应用和生态的全维度竞争演变。
