Цукерберг вступает в прямое противостояние с DeepSeek.

6 августа Чжи Дунси сообщил, что компания Meta выпустила свой первый агент программирования, Muse Code (бета-версия), а также модель следующего поколения, Muse Spark 1.2, которая работает на этом агенте.

Выпуск этой модели вызвал бурные дискуссии за рубежом, в центре которых оказалась ценовая стратегия: она дешевле, чем DeepSeek-V4-Flash. Пользователи, разрешившие Meta обучать свои модели на основе своих данных, могут получить скидку 5% .

Интересно, что в тот же день DeepSeek объявила о планах в ближайшем будущем повысить общую стоимость своих API-сервисов , причем ожидается, что повышение будет существенным. Другие ведущие отечественные поставщики моделей также продемонстрировали признаки ослабления ценовой войны; например, цена моделей Zhipu GLM также значительно вырастет после окончания периода скидок.

В условиях ценовой войны между зарубежными гигантами, такими как OpenAI и Meta, отечественные модели, например DeepSeek, похоже, играют по своим собственным правилам, что делает эту глобальную битву за лучшую модель все более интересной.

Meta использует данные пользователей для предоставления скидок до 75 раз.

Цукерберг заявил в Твиттере: «(Эта модель) позиционируется как простая в использовании и недорогая . (Пользователям) достаточно одной строки кода, чтобы установить и начать использовать « пакет программного обеспечения для участников ».

Так называемый «пакет участника» относится к двум версиям API, предоставляемым Meta: одна позволяет обмениваться данными , а другая — нет. Стоимость ввода данных для первой версии составляет 0,10 доллара США за миллион токенов , что в 12,5 раз дешевле, чем для второй; стоимость кэшированных входных данных составляет 0,002 доллара США за миллион токенов , что в 75 раз дешевле, чем для второй; а стоимость выходных данных составляет 0,20 доллара США за миллион токенов , что более чем в 21 раз дешевле, чем для второй.

Один из пользователей сети пошутил: «Это смешно! Затраты на ввод/вывод данных у Muse Spark ниже, чем у DeepSeek-V4-Flash, и он также может похвастаться уникально оптимизированными показателями попадания в кэш. Им плевать на прибыль; им нужны только данные».

Ранее, 31 июля, DeepSeek-V4-Flash официально выпустил свой API. Модель ценообразования следующая: 1 юань за миллион токенов при промахе входного кэша, 0,2 юаня за миллион токенов при попадании во входной кэш и 2 юаня за миллион токенов при успешном выводе.

DeepSeek "настолько мощный, что даже не похож на Flash". Сможет ли Meta угнаться за ним?

DeepSeek-V4-Flash в настоящее время переживает новую волну популярности во всем мире. С момента выпуска его API его репутация как высокоэффективного и экономичного решения продолжает расти.

Соучредитель и генеральный директор Platzi, ведущей онлайн-платформы для образования в Латинской Америке, сегодня опубликовал статью, в которой выразил восхищение тем, как DeepSeek-V4-Flash достигает такой высокой скорости и качества. Это действительно удивительно.

Некоторые пользователи сети даже прямо заявили: «Клод мертв. Нет никаких оснований полагать, что мир по-прежнему будет контролироваться поставщиком, который стоит в сто раз дороже, но работает наравне со своими конкурентами».

Однако репутация DeepSeek-V4-Flash обусловлена не только его низкой ценой, но и превосходными характеристиками.

Результаты тестов этой модели значительно превосходят показатели её «старшего брата», DeepSeek-V4-Pro-Preview (выпущенного в апреле). Даже сегодня многие зарубежные пользователи по-прежнему высоко оценивают её, отмечая, что она «совсем не похожа на устройство на базе Flash». В тестах Almanbench версия DeepSeek-V4-Flash 0731 превзошла Kimi K3, показав результаты, почти идентичные GPT-5.6 Sol xhigh.

Итак, как Meta, стремясь конкурировать с DeepSeek по цене, показывает себя с последними бета-версиями Muse Spark 1.2 и Muse Code?

В оценке программ она занимает место лишь позади Opus5, Muse и Spark 1.2, но все еще отстает от передовых моделей.

С точки зрения производительности, Muse Spark 1.2 представляет собой значительное улучшение по сравнению со своим предшественником, но все еще отстает от самых современных моделей .

Muse Spark 1.2 — это обновлённая версия, оптимизированная для программирования. В тестах производительности кода, таких как Terminal-Bench 2.1 и DeepSWE 1.1, её общая производительность уступает только Claude Opus5 и превосходит GPT-5.6, Grok4.5 и Gemini3.6.

В тесте на сложное логическое мышление GDPVal-AA V2 Muse Spark 1.2 занял второе место, уступив лишь Opus5; в сравнительном тесте MCP Atlas для инструментов Agent Muse Spark 1.2 занял первое место.

Мета-тесты показывают, что модель может итеративно оптимизировать ядра GPU более чем за 1000 вызовов инструментов (до 24 часов). Используя среду программирования Muse Code Agent, модель превосходит Gemini 3.6 Flash и GPT-5.6 Terra, но отстает от GPT-5.6 Sol и Opus5.

Muse Code — это локализованный агент для конечного пользователя, способный выполнять полный цикл задач разработки программного обеспечения в больших кодовых базах, включая планирование изменений, написание кода и проверку результатов. Компания Meta опубликовала ряд примеров использования, но сможет ли он конкурировать с Claude Code и Codex в реальных сценариях разработки, покажет время.

Как показано в приведенном ниже примере, Muse Code использует простой цикл работы агентов, дополненный набором асинхронных фоновых агентов для расширения функциональности основного агента. Их непрерывная работа снижает задержку и минимизирует необходимость ручного вмешательства в сложные многоэтапные задачи.

На изображении ниже показано, как пользователь вводит в терминал MP4-файл с видеообзором дома. Muse Code обработает видео и сгенерирует визуально привлекательную страницу для маркетинга и бронирования домов для отдыха.

Кроме того, Muse Spark 1.2 набрал 54 балла по индексу аналитики ИИ (AIAII), что значительно улучшило его возможности в области интеллектуального анализа данных по сравнению с предыдущими версиями, заняв третье место среди американских лабораторий наряду с Meta и SpaceX AI.

Вывод: Meta снизила цены, чтобы привлечь клиентов, в то время как DeepSeek повысила цены, чтобы противостоять ценовой войне в сфере ИИ, что указывает на чрезвычайно жесткую конкуренцию между агентствами.

После снижения цен компанией OpenAI, Meta также спровоцировала ценовую войну в американской индустрии ИИ. Поскольку OpenAI и Anthropic доминируют на рынке, Meta пытается захватить долю рынка и впервые вышла на рынок агентов для программирования на периферии сети, стремясь укрепить свои позиции. Недавняя масштабная внутренняя реструктуризация Google DeepMind предоставила Meta отличную возможность.

Низкие цены могут быть эффективным способом привлечения пользователей, но для того, чтобы действительно завоевать признание пользователей, ключевыми факторами являются более высокая производительность модели и качество токенов. Именно поэтому DeepSeek-V4-Flash снова стал популярен за рубежом.

Стоит отметить, что сегодня DeepSeek объявила о планах в ближайшее время существенно повысить цены на свои API-сервисы. Это показывает, что DeepSeek не ограничивает конкуренцию ценовыми войнами, а продолжает фокусироваться на качестве моделей. В последнее время DeepSeek активно привлекает талантливых разработчиков Agent Harness и отличные проекты с открытым исходным кодом; её продукт Agent Harness (возможно, под названием DeepSeek Code) быстро развивается.

Вполне предсказуемо, что ценовая война — это только начало, и конкуренция между дистрибьюторами по различным параметрам, таким как вычислительная мощность, производительность, цена, приложения и экосистема, будет усиливаться.