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热议，其定价策略被指直接对标国产模型DeepSeek-V4-Flash——用户若允许meta使用其数据训练模型，可享受最高95折的优惠。
meta推出的“贡献者套餐”采用差异化定价模式：允许数据共享的API版本输入价格仅为0.10美元/百万Tokens，较非共享版本便宜12.5倍；缓存输入成本低至0.002美元/百万Tokens，降幅达75倍；输出价格则为0.20美元/百万Tokens，优惠幅度超过21倍。这种策略被部分网友解读为“以数据换市场”，有评论戏称：“meta根本不在乎利润，他们只想要用户数据来训练模型。”
就在meta掀起价格战的同时，国产模型阵营出现反向操作。DeepSeek宣布计划大幅上调API服务价格，智谱GLM等头部模型也透露出优惠结束后涨价的信号。这种“海降国涨”的对比，使得全球大模型竞争格局愈发复杂。拉美在线教育平台Platzi创始人公开盛赞DeepSeek-V4-Flash：“完全无法理解它是如何实现如此高的速度与质量，这简直不像Flash级模型。”在Almanbench测试中，该模型0731版本得分甚至逼近GPT-5.6 Sol xhigh，性能表现成为其口碑的核心支撑。
面对DeepSeek的强势表现，meta的新模型性能究竟如何？根据官方披露的基准测试数据，Muse Spark 1.2在Terminal‑Bench 2.1、DeepSWE 1.1等编程能力测试中整体排名第二，仅次于Claude Opus5，领先于GPT‑5.6、Grok4.5等模型。在复杂推理测试GDPVal‑AA V2中，该模型同样位居次席；而在Agent工具调用测试MCP Atlas中，则成功登顶榜首。不过，在长达24小时的1000次工具调用测试中，其表现虽优于Gemini 3.6 Flash和GPT-5.6 Terra，但仍不及GPT-5.6 Sol和Opus5。
Muse Code被定位为终端编码智能体，可处理大型代码库中的完整软件工程任务，包括变更规划、代码编写和结果验证。meta展示的案例中，该智能体通过简单的Agent循环配合异步后台Agent，实现了多步骤任务的自动化处理。例如，用户输入房屋漫游视频后，系统能自动生成包含视觉效果的营销预订页面；在创意生成方面，该模型可完成光子球模拟、游戏射击界面设计甚至“牛油果草坪”主题游戏开发。
值得注意的是，meta在人工智能分析指数(AII)测评中获得54分，智能体知识工作能力显著提升，使其与SpaceXAI并列美国实验室第三名。然而，技术社区对Muse Code的实际应用效果仍持观望态度。有开发者指出，尽管meta公布了系列演示案例，但该工具能否在真实开发场景中与Claude Code、Codex等成熟产品抗衡，仍需时间检验。特别是在DeepSeek持续强化模型质量、积极招聘Agent相关人才的背景下，全球大模型竞争已从单纯的价格比拼，转向算力、性能、生态等全维度的较量。
