Zuckerberg está competindo diretamente com a DeepSeek.

Em 6 de agosto, Zhi Dongxi informou que a Meta lançou seu primeiro agente de programação, o Muse Code (beta), bem como o modelo de próxima geração, o Muse Spark 1.2, que roda no agente.

O lançamento do modelo gerou discussões acaloradas no exterior, com foco principal em sua estratégia de preços: ele é mais barato que o DeepSeek-V4-Flash. Usuários que permitem que a Meta treine seus modelos usando seus dados podem desfrutar de um desconto de 5% .

Curiosamente, no mesmo dia, a DeepSeek anunciou planos para aumentar o preço geral de seus serviços de API em um futuro próximo, com um aumento que deverá ser substancial. Outros provedores líderes de modelos nacionais também mostraram sinais de amenização da guerra de preços; por exemplo, o preço dos modelos Zhipu GLM também aumentará significativamente após o término do período de desconto.

Com gigantes estrangeiros como OpenAI e Meta envolvidos em uma guerra de preços, modelos nacionais como o DeepSeek parecem estar jogando conforme suas próprias regras, tornando essa batalha global pelo melhor modelo cada vez mais interessante.

A Meta utiliza dados do usuário para oferecer descontos de até 75 vezes.

Zuckerberg afirmou no Twitter: "(Este modelo) é apresentado como fácil de usar e barato . (Os usuários) precisam apenas de uma linha de código para instalar e começar a usar o ' Pacote de Software do Colaborador '."

O chamado "pacote de contribuidor" refere-se às duas versões da API fornecidas pela Meta: uma permite o compartilhamento de dados , enquanto a outra não. O custo de entrada de dados para a primeira é de US$ 0,10 por milhão de tokens , o que é 12,5 vezes mais barato que a segunda; o custo de dados de entrada em cache é de US$ 0,002 por milhão de tokens , o que é 75 vezes mais barato que a segunda; e o custo de dados de saída é de US$ 0,20 por milhão de tokens , o que é mais de 21 vezes mais barato que a segunda.

Um internauta brincou: "Isso é hilário! Os custos de entrada/saída do Muse Spark são menores que os do DeepSeek-V4-Flash, e ele também possui taxas de acerto de cache otimizadas de forma exclusiva. Eles não se importam com lucros; eles só querem dados. "

Anteriormente, o DeepSeek-V4-Flash lançou oficialmente sua API em 31 de julho. O modelo tem o seguinte preço: 1 yuan por milhão de tokens quando o cache de entrada falha, 0,2 yuan por milhão de tokens quando o cache de entrada acerta e 2 yuan por milhão de tokens quando a saída é bem-sucedida.

DeepSeek é "tão poderoso que nem parece Flash". Será que a Meta consegue acompanhar?

O DeepSeek-V4-Flash está atualmente vivenciando uma nova onda de popularidade em todo o mundo. Desde o lançamento de sua API, sua reputação de alta relação custo-benefício tem crescido continuamente.

O cofundador e CEO da Platzi, uma plataforma líder em educação online na América Latina, publicou hoje um artigo maravilhado com a alta velocidade e qualidade alcançadas pelo DeepSeek-V4-Flash. É realmente incrível.

Alguns internautas chegaram a afirmar categoricamente: "Claude está morto. Não há razão para o mundo continuar sendo controlado por um fornecedor que custa cem vezes mais, mas tem o mesmo desempenho que seus concorrentes."

No entanto, a reputação do DeepSeek-V4-Flash não se deve apenas ao seu baixo preço, mas também ao seu excelente desempenho.

Os resultados de benchmark deste modelo superam em muito os do seu "irmão mais velho", o DeepSeek-V4-Pro-Preview (lançado em abril). Mesmo hoje, muitos usuários estrangeiros ainda o elogiam bastante, dizendo que "não parece em nada um dispositivo baseado em Flash". Nos testes do Almanbench, a versão 0731 do DeepSeek-V4-Flash superou o Kimi K3, obtendo uma pontuação quase idêntica à do GPT-5.6 Sol xhigh.

Então, como a Meta, que tenta competir com a DeepSeek em preço, se sai com suas versões beta mais recentes do Muse Spark 1.2 e do Muse Code?

Na avaliação de programas, fica atrás apenas do Opus5, Muse e Spark 1.2, mas ainda está aquém dos modelos de ponta.

Em termos de desempenho do modelo, o Muse Spark 1.2 representa uma melhoria significativa em relação ao seu antecessor, mas ainda fica atrás dos modelos de ponta .

Muse Spark 1.2 é uma versão atualizada e otimizada para programação. Em testes de desempenho de código, como Terminal-Bench 2.1 e DeepSWE 1.1, seu desempenho geral fica atrás apenas do Claude Opus5 e supera o GPT-5.6, o Grok 4.5 e o Gemini 3.6.

No teste de raciocínio complexo GDPVal-AA V2, o Muse Spark 1.2 ficou em segundo lugar, atrás apenas do Opus5; no teste de benchmark de chamada da ferramenta Agent ao MCP Atlas, o Muse Spark 1.2 ficou em primeiro lugar.

Meta-testes mostram que o modelo consegue otimizar iterativamente os núcleos da GPU ao longo de mais de 1000 chamadas de ferramentas (até 24 horas). Usando o ambiente de programação de agentes Muse Code, o modelo supera o Gemini 3.6 Flash e o GPT-5.6 Terra, mas fica atrás do GPT-5.6 Sol e do Opus5.

O Muse Code é um agente de codificação localizado para o usuário final, capaz de lidar com tarefas completas de engenharia de software em grandes bases de código, incluindo o planejamento de alterações, a escrita de código e a verificação de resultados. A Meta lançou uma série de estudos de caso, mas resta saber se ele poderá rivalizar com o Claude Code e o Codex em cenários de desenvolvimento do mundo real.

Como demonstrado no exemplo abaixo, o Muse Code utiliza um loop de agente simples complementado por um conjunto de agentes de segundo plano assíncronos para aprimorar a funcionalidade do agente principal. Sua operação contínua reduz a latência e minimiza a necessidade de intervenção manual em tarefas complexas e com várias etapas.

A imagem abaixo mostra um usuário inserindo um arquivo MP4 de um vídeo de apresentação de uma casa em um terminal. O Muse Code analisará o vídeo e gerará uma página visualmente atraente para marketing e reservas de casas de férias.

Além disso, o Muse Spark 1.2 obteve 54 pontos no Índice de Análise de IA (AII), o que melhorou significativamente suas capacidades de trabalho com conhecimento de agentes em comparação com as versões anteriores, ficando em terceiro lugar entre os laboratórios dos EUA, juntamente com a Meta e a SpaceX AI.

Conclusão: A Meta reduziu os preços para atrair clientes, enquanto a DeepSeek aumentou os preços para combater a guerra de preços da IA, indicando que a concorrência entre as agências é extremamente acirrada.

Após os cortes de preços da OpenAI, a Meta também desencadeou uma guerra de preços na indústria de IA dos EUA. Com a OpenAI e a Anthropic dominando o mercado, a Meta está tentando conquistar participação de mercado e entrou no mercado de agentes de programação de borda pela primeira vez, buscando revitalizar sua posição. A recente reestruturação interna em larga escala do Google DeepMind proporcionou à Meta uma excelente oportunidade.

Preços baixos podem ser uma maneira eficaz de atrair usuários, mas para realmente obter reconhecimento do usuário, um desempenho superior do modelo e a qualidade do token são essenciais. É exatamente por isso que o DeepSeek-V4-Flash voltou a ser popular no exterior.

Vale ressaltar que a DeepSeek anunciou hoje planos para aumentar significativamente os preços de seus serviços de API em breve. Isso demonstra que a DeepSeek não está limitando sua competição a guerras de preços, mas continua focando na qualidade dos modelos. Recentemente, a DeepSeek tem recrutado ativamente talentos para a área de Agent Harness e atraído excelentes projetos de código aberto; seu produto Agent Harness (possivelmente chamado de DeepSeek Code) está se desenvolvendo rapidamente.

É previsível que a guerra de preços seja apenas o começo, e a competição entre distribuidores em vários aspectos, como poder de computação, desempenho, preço, aplicações e ecossistema, se intensificará.