DeepSeek刚宣布涨价，小扎立马“拼命”：Meta新模型打出更低骨折价，但要一点“数据税”

整理｜华卫

就在刚刚, Meta推出了它的首款编程智能体Muse Code, 并且发布了针对编程进行优化的前沿模型Muse Spark 1.2, 这有可能是这家公司到目前为止对于AI编程工具市场最为认真的一回进军。

Meta的首席执行官马克·扎克伯格, 在社交平台X上面, 亲自宣告了这个消息, 声称当下所提供测试版的Muse Code, 可以“在大型代码库中执行完整的软件工程任务”, 借由这般的方式去向领先的AI实验室发起挑衅, 同时也朝着其他某个或某些存在竞争关系的对象发起了挑战, 不管是明着的对手或者潜在敌手, 总之就是挑战挑衅某些对象。

Muse Code 是由 Meta AI 负责人 Wang 创造的, 他领导着 Meta 超级智能实验室并且全面管理基础模型研发工作。Wang 在去年 6 月加入的 Meta, 这是扎克伯格为了振兴公司陷入困境的 AI 战略所做出的核心人事安排。

据悉是这样的情况, 这款以终端为基础的全新编程工具, 是由Muse Spark 1.2给予支持的, 在“代码生成这一方面、复杂调试这一方面、代码库理解这一方面以及端到端开发者工作流这一方面”是有一定改进的。

为编程而生，仍逊于 Code

扎克伯格在帖子中表示, 在测试里, 我们使得它同时针对一个游戏构建了六个功能, 并且没有出现冲突情况, 还强调其并行处理能力不会对开发者的工作副本造成干扰。

据悉, Muse Code 的核心架构中的亮点, 是 Meta 所讲的异步后台智能体。和大部分竞品工具那种针对每个任务临时去生成辅助智能体的模式不一样, Muse Code 会在整个会话期间, 让一组专门的后台智能体一直存活下来。这些智能体, “在整个会话期间都处于活动状态, 并非为单个任务临时生成, 以此来避免冗余的信息收集”, 它们会自行去执行后续步骤, 并且自主决定何时向主智能体汇报。

这一架构所带来的实际效果为, 有着更低的延迟以及更少的监督: 一个已然了解代码库的智能体不用每逢开发者提出新需求之际就重新去探索代码库。当任务规模足够大的时候, Muse Code会分发至独立的子智能体来进行并行处理, 每个子智能体都处于自己被隔离的git工作树当中, 因而开发者的工作副本永远不会被触及。

第一个值得留意的设计抉择, 是具备可审计性。要是 Muse Code 在历经长达二十小时的长时间运行任务后失灵崩溃, 它能够从停下的位置精准还原, 不会使作业丢失, 也不用再次予以提示。每一次针对模型的调用、工具的运行、审核批准以及编辑操作, 在实施之前都会被增添至本地的事件日志当中, Meta 表示这一唯一的事实依据能够让运行期间拥有“可精确回放以及重启安全”这样的特质。

要值得提及的是, 最新的 Muse Spark 模型, 它是和 Muse Code 一起进行开发的, 并且也是一起训练的, 如此这般便提升了整体的编程性能。

Meta发布了基准测试图表, 把Muse Spark 1.2拿来跟别的编程模型作比较。在 -Bench 2.1 这个环境下, Muse Spark 1.2 在 Muse Code 里运行, 其得分是 82.9%, 这个得分略微高于 的 GPT - 5.6 Terra , GPT - 5.6 Terra 在 Codex 中的得分是 81.8%, 同时也比 xAI 的 Grok 4.5 高, Grok 4.5 在 Grok Build 中的得分是 81.6%, 然而却落后于 的 Opus 5 在 Code 中的最高努力成绩, Opus 5 以 86.7%处于领先地位。在被称作1.1的这个数值上, Muse Spark 1.2达成获得了59.3%, 占据排名数为第三如此情况的位置, 处于未超过Opus 5的为65.0%以及GPT - 5.6 Terra的为64.8%这样的状况之后。

最引人关注的是, Meta自身从事编程的基准之处, Muse Spark 1.2的70.6%, 轻轻松松就把GPT-5.6 Terra（65.4%）以及3.6 Flash（63.9%）给击败了, 不过呢, 还是比Opus 5的79.4%落后了差不多9个百分点。哪怕是在Meta自行进行设计的测试里, 相关的模型获得了胜利。实际上, 在全部的三个图表当中, 它都处于首位。

但是, 代际提升是真实存在的: 也就是, 在 -Bench 方面, Muse Spark 1.2比 1.1提升了 6.7 个百分点, 而且在另一方面, 它又提高了 6.3 个百分点。

Meta呈现了一个颇让人印象深刻的长周期实例, 此实例是让Muse Spark 1.2于硬件上运行, 整整运行达24小时, 有着超过千次的工具调用, 以此进行GPU内核优化。其中, 智能体是在特定情境中工作, 并且不能封装现有的第三方库, 最终在KDA和MLA内核上取得了“实质性改进”, 这里面包含了如重新中心化门控累积衰减这类并非直观的优化。扎克伯格说道, “它在初始探索阶段之后依旧在持续发现着实质改进”。

定价取胜？用数据换折扣

价格显得亲民, 好像是Meta期望把Muse Code与热门产品形成与众不同、存在差异的关键途径。为了这个缘故, Meta为它的模型API给出了两个层级。

首先是标准层级, 该工具默认采用跟 Muse Spark 一样的按量付费定价, 每百万输入 token 的价格是 1.25 美元, 每百万输出 token 价格为 4.25 美元。这一价格比 5 模型的价格要低, 5 模型通常每百万输入 token 收费 3 美元, 每百万输出 token 收费 15 美元。Meta 做出承诺, 该层级的提示词以及生成内容不会被用于训练, 速率限制是每分钟每团队 3000 次请求和 400 万 token。

Wang称, 那个智能体另外“设有一个贡献者层级, 能够以显著更低的成本接入”, “甚至于比按量付费层级还要低廉10倍以上”。该层级的价格是每百万输入token 0.10美元, 每百万输出token 0.20美元。

需引起注意的是, -V4-Flash 的价格都比，这个, 要更不昂贵一些了。给这个摸型, 在输入缓存未命中的时候, 价格是每百万一元, 而一旦输入命中价格就是每百万零点二元, 输出的价格则是每百万两元, 还有, 不久以前同时一起公布的信息内说: “打算在最近一段时间里, 把作为应用程序编程接口的服务定价, 整体向上调整, 估计上涨幅度应该比较大。”。

在进行交换时, 开发者需要“选择加入从而助力改进模型”, 此情形所指的是，Meta借助第三方数据用以强化底层技术。并且, 这一层级的速率限制更为严格（每分钟60次请求）, 显著是针对个人以及小型实验的。

Meta于博文中着重指出, 零数据保留选项已然面向企业予以开放, 此情形所意味的是, 公司并不会为了改进模型而去留存开发者数据, 不过却需要支付额外费用。他宣称, 这表征着“一项针对企业客户而言颇具重要性的重大企业级功能”。

上周, 公司公布了令人不爽的财报, 营收预估乏力, 再有自由现金流呈现萎缩态势, 致使股价大幅下跌。Meta百分之九十八的收入源自在线广告, 对在线广告这样一个, 它凭借依据用户数据定向投放广告所占据主导地位的市场。这新生的编程智能体, 对于扎克伯格来讲, 是他设法从AI获取创收的又一渠道, 同时候, 他的企业依旧在持续大力投入数据中心以及相关计算基础设施领域。

开源战略彻底转向？小扎留下悬念

相比于Meta, 在此次发布当中, 最为显著的缺失之处在于, 对“开源”的提及不见了。

当在X之上针对开发者所提出的问题进行回应之际, 扎克伯格这般讲道，称“随后我很快就要在更多有关方面分享消息了”, 仿佛是在给出一种暗示, 表明未来按照情形来讲或许依旧会存在开源的相关计划。

三年间, Meta借由Llama系列, 把自身构建成开放AI的带头者, 自从2023年2月LLaMA泄露引发消费级AI热潮起, 历经Llama 2的商业许可, 后来又有4050亿参数的Llama 3.1以及扎克伯格的“开源AI是前行之路”的宣告, Meta始终对开发者许下前沿权重可免费下载、自托管以及微调的诺言。这样一种策略, 效果十分显著 , 到2026年年初的时候 , Llama家族的下载量达到了大约12亿次 , 平均每天有百万次的下载量 , 并且自托管的方式为企业节省了高达88%的成本。

开始于 Llama 4, 是裂痕。推出于 2025 年 4 月的 Llama 4, 评价是平平。最终, 承认基准结果有虚报。并且, 中国开源模型, 像阿里巴巴、智谱 AI 等, 迅速崛起。到 2025 年底, 已占 Face 下载量约 41%, 侵蚀掉 Llama 的领导地位。这一挫折, 促使扎克伯格在 2025 年夏季, 重组 AI 业务成 Meta 超级智能实验室（MSL）, 还挖来 Scale AI 联合创始人 Wang。

今年四月八日, Llama时代实质终结, MSL发布首个专有模型Muse Spark, 无可下载权重, 无自托管, 仅限云端API, 当时Meta发言人仅称当前Llama模型将继续开源, 对未来模型保持沉默, Wang虽表示计划开源未来版本, 可四个月后的今天, Muse Code发布无任何开源承诺, 既无权重也无许可证, 发布博文和扎克伯格帖子中从未出现开源一词。

这一转向，尤为尖锐, 原因一是竞争对手正朝着跟其相反的方向而去, 原因二是在2.0许可的前提条件之下, 开源了Codex CLI这一特定事物, 并且推出了gpt - oss这样的开放权重模型, 另外也存在一种情况是, 其CLI同样采用了2.0许可证, 还有就是Meta如今更加趋近于跟之前不同的专有姿态, 然而曾经大声宣称开源才是前进道路方向的公司, 现在却要求开发者依据token来支付费用从而使用模型。

新推出来的贡献者层级, 在某一种程度之上, 变成了 Llama 策略的继承者, 不再是用免费权重去换取市场份额, 而是用廉价 token 去换取训练数据, 用户需要拿自身数据来“补贴”模型。

参考链接：