Meta Muse Code at Ultra-Low Price, DeepSeek Does the Opposite and Hikes Prices | Muse Spark 1.2 |...

2026 年 8 月 6 日，全球 AI 圈同時發生了兩件看似矛盾的事件：Meta 無預兆推出首款編程智能體 Muse Code 及新模型 Muse Spark 1.2，定價直接壓低至比 DeepSeek 還便宜；而 DeepSeek 在同一天宣布漲價。這個反差揭示的並非簡單的降價與漲價對抗，而是 AI 編程賽道進入新階段的信號。

Meta 的定價策略極具進攻性。標準版每百萬 token 輸入 1.25 美元、輸出 4.25 美元，已處於旗艦編程模型中的良心價位。但真正的殺招是貢獻者版本——允許 Meta 用開發者的提示詞和代碼訓練下一代模型，換來輸入價格便宜 92%、緩存便宜 99%、輸出便宜 95% 以上的超低定價。這套邏輯如出一轍：用接近白送的價格吸引海量開發者，收集真實軟件工程軌跡，反哺下一版本訓練，形成飛輪。對個人和開源貢獻者而言是不錯的交易，但對處理用戶數據、專有算法或受監管行業代碼的企業幾乎無法接受。Meta 預見到這點，開放了零數據留存通道，但這又帶來了新問題：靠廣告和用戶數據建立帝國的公司，如何說服企業相信他們不會偷用代碼？信任挑戰不小。

Muse Code 的技術亮點體現在兩個核心設計上。其一是運行時可靠性：採用本地事件日誌機制，逐條記錄模型調用、工具運行、審批操作、代碼修改等所有行為，作為唯一可信數據源。這套日誌支持精確重放和故障恢復，即使程序崩潰，智能體也能從中斷位置繼續執行，適合處理長時間運行的複雜任務。其二是工作流結構化：內置 /plan、/grill、/goal 三項技能，分別負責任務拆解→審批執行、反覆壓力測試、圍繞目標持續推進。這些約束條件讓智能體不再漫無目的嘗試，而是有規劃、有驗證、有目標地推進工作。

在性能層面，Muse Spark 1.2 展現出明確的專精方向。在代碼基準測試（Terminal-Bench 2.1、DeepSWE 1.1）上次於 Claude Opus 5，但超越 GPT-5.6、Grok 4.5 和 Gemini 3.6。Meta 內部的編碼基準包含 440 項基於真實 PR 構建的任務（涵蓋漏洞修復、功能開發、重構、代碼清理等），Muse Spark 1.2 同樣次於 Opus 5 max 版本。在工具調用基準（MCP Atlas）上直接登頂。官方演示選擇了 NVIDIA Hopper 架構的 GPU 內核優化——一個超過 1000 次工具調用、約 24 小時的真實工程任務，禁止直接導入第三方包，需在 Triton 層面做實質優化。這不僅展示了長程智能體的持久性，也暗示 Muse Code 未來可能進入 Meta 自己的基礎設施體系，幫助優化內部系統。

模型本身在三個技術方向上做了深化：與 Muse Code 協同訓練確保配合發揮；引入基於拒絕採樣的智能體運行軌跡優化訓練方法；大規模進行長時程任務訓練（完整代碼倉庫生成、端到端項目、自動化研究）。此外採用自我改進機制：用前代版本生成高難度編程環境和指令遵循模板，由新版本評估候選方案並迭代，構建可規模化擴展的訓練數據。

回到開篇的反差：Meta 降價搶客，DeepSeek 涨價備战。表面是兩條相反的路，實質是雙方都在為同一個戰場做準備。價格戰只是序章，真正的競爭已轉向算力、性能、價格、應用、生態的全維度。當編程工具從幫你打字進化到替你干活，當 AI 從助手變成可獨立完成工程任務的駐場工程師，關鍵問題不再是誰的榜單分數更高，而是開發者願不願意把代碼、工作流、數據交給這個新實習生。在數據主權和模型能力、開放生態和商業閉環、短期成本和長期鎖定之間，每個技術團隊都需要想清楚自己的選擇。