Zuckerberg se enfrenta directamente a DeepSeek.

El 6 de agosto, Zhi Dongxi informó que Meta lanzó su primer agente de programación, Muse Code (beta), así como el modelo de próxima generación, Muse Spark 1.2, que se ejecuta en dicho agente.

El lanzamiento del modelo generó intensos debates en el extranjero, centrándose principalmente en su estrategia de precios: es más económico que DeepSeek-V4-Flash. Los usuarios que permitan a Meta entrenar sus modelos con sus datos podrán disfrutar de un 5 % de descuento.

Curiosamente, ese mismo día, DeepSeek anunció planes para aumentar el precio general de sus servicios API en un futuro próximo, y se espera que el incremento sea sustancial. Otros proveedores líderes de modelos nacionales también han dado señales de moderar la guerra de precios; por ejemplo, el precio de los modelos Zhipu GLM también aumentará significativamente una vez finalizado el período de descuento.

Con gigantes extranjeros como OpenAI y Meta inmersos en una guerra de precios, los modelos nacionales como DeepSeek parecen regirse por sus propias reglas, lo que hace que esta batalla global por el mejor modelo sea cada vez más interesante.

Meta utiliza los datos de los usuarios para ofrecer descuentos de hasta 75 veces.

Zuckerberg declaró en Twitter: "(Este modelo) se presenta como fácil de usar y económico . (Los usuarios) solo necesitan una línea de código para instalar y comenzar a usar el ' Paquete de software para colaboradores '".

El denominado "paquete de colaborador" se refiere a las dos versiones de la API proporcionadas por Meta: una permite compartir datos , mientras que la otra no. El coste de introducir datos para la primera es de 0,10 $ por millón de tokens , lo que supone 12,5 veces menos que la segunda; el coste de los datos de entrada en caché es de 0,002 $ por millón de tokens , lo que supone 75 veces menos que la segunda; y el coste de los datos de salida es de 0,20 $ por millón de tokens , lo que supone más de 21 veces menos que la segunda.

Un internauta bromeó: "¡Esto es divertidísimo! Los costes de entrada/salida de Muse Spark son inferiores a los de DeepSeek-V4-Flash, y además cuenta con tasas de acierto de caché optimizadas de forma única. No les importan los beneficios; solo quieren datos. "

Anteriormente, DeepSeek-V4-Flash lanzó oficialmente su API el 31 de julio. El modelo tiene el siguiente precio: 1 yuan por millón de tokens cuando falla la caché de entrada, 0,2 yuanes por millón de tokens cuando acierta la caché de entrada y 2 yuanes por millón de tokens cuando la salida es exitosa.

DeepSeek es "tan potente que no parece Flash". ¿Podrá Meta seguirle el ritmo?

DeepSeek-V4-Flash está experimentando una nueva ola de popularidad a nivel mundial. Desde el lanzamiento de su API, su reputación de alta rentabilidad no ha dejado de crecer.

El cofundador y director ejecutivo de Platzi, una plataforma líder de educación en línea en Latinoamérica, publicó hoy un artículo en el que se maravilla de cómo DeepSeek-V4-Flash logra una velocidad y calidad tan altas. Es realmente asombroso.

Algunos internautas incluso afirmaron sin rodeos: "Claude está muerto. No hay razón para que el mundo siga estando controlado por un proveedor que cuesta cien veces más pero rinde igual que sus competidores".

Sin embargo, la reputación de DeepSeek-V4-Flash no solo se debe a su bajo precio, sino también a su excelente rendimiento.

Los resultados de referencia de este modelo superan con creces a su "hermano mayor", DeepSeek-V4-Pro-Preview (lanzado en abril). Incluso hoy en día, muchos usuarios extranjeros lo siguen elogiando, afirmando que "no parece en absoluto un dispositivo basado en Flash". En las pruebas de Almanbench, la versión 0731 de DeepSeek-V4-Flash superó al Kimi K3, obteniendo una puntuación casi idéntica a la de GPT-5.6 Sol xhigh.

Entonces, ¿cómo se desempeña Meta, que intenta competir con DeepSeek en precio, con sus últimas versiones beta de Muse Spark 1.2 y Muse Code?

En la evaluación de programas, solo está por detrás de Opus5, Muse y Spark 1.2, pero aún se queda atrás de los modelos más avanzados.

En términos de rendimiento, el Muse Spark 1.2 supone una mejora significativa con respecto a su predecesor, pero aún se queda atrás en comparación con los modelos de última generación .

Muse Spark 1.2 es una versión actualizada optimizada para la programación. En pruebas de rendimiento de código como Terminal-Bench 2.1 y DeepSWE 1.1, su desempeño general solo es superado por Claude Opus5 y supera a GPT-5.6, Grok4.5 y Gemini3.6.

En la prueba de razonamiento complejo GDPVal-AA V2, Muse Spark 1.2 ocupó el segundo lugar, solo superado por Opus5; en la prueba de rendimiento MCP Atlas de la herramienta Agent, Muse Spark 1.2 ocupó el primer lugar.

Las metapruebas demuestran que el modelo puede optimizar iterativamente los núcleos de la GPU durante más de 1000 llamadas a herramientas (hasta 24 horas). Utilizando el entorno de codificación de agentes Muse Code, el modelo supera a Gemini 3.6 Flash y GPT-5.6 Terra, pero se queda atrás de GPT-5.6 Sol y Opus5.

Muse Code es un agente de codificación para usuarios finales, localizado y capaz de gestionar tareas completas de ingeniería de software en grandes bases de código, incluyendo la planificación de cambios, la escritura de código y la verificación de resultados. Meta ha publicado una serie de estudios de caso, pero aún está por verse si podrá competir con Claude Code y Codex en escenarios de desarrollo reales.

Como se muestra en el ejemplo a continuación, Muse Code utiliza un bucle de agente simple complementado con un conjunto de agentes en segundo plano asíncronos para mejorar la funcionalidad del agente principal. Su funcionamiento continuo reduce la latencia y minimiza la necesidad de intervención manual en tareas complejas de varios pasos.

La imagen a continuación muestra a un usuario introduciendo un archivo MP4 de un vídeo de un recorrido por una casa en una terminal. Muse Code analizará el vídeo y generará una página de marketing y reservas de casas vacacionales visualmente atractiva.

Además, Muse Spark 1.2 obtuvo 54 puntos en el Índice de Análisis de IA (AII), lo que mejoró significativamente sus capacidades de trabajo de conocimiento del agente en comparación con las versiones anteriores, situándose en tercer lugar entre los laboratorios estadounidenses junto con Meta y SpaceX AI.

Conclusión: Meta bajó los precios para atraer clientes, mientras que DeepSeek los subió para contrarrestar la guerra de precios de la IA, lo que indica que la competencia entre las agencias es extremadamente feroz.

Tras la bajada de precios de OpenAI, Meta también ha desatado una guerra de precios en el sector de la IA en Estados Unidos. Con OpenAI y Anthropic dominando el mercado, Meta intenta hacerse con una cuota de mercado y ha entrado por primera vez en el mercado de agentes de programación en el borde, buscando revitalizar su posición. La reciente reestructuración interna a gran escala de Google DeepMind le ha brindado a Meta una excelente oportunidad.

Los precios bajos pueden ser una forma eficaz de atraer usuarios, pero para lograr un verdadero reconocimiento, el rendimiento del modelo y la calidad del token son fundamentales. Precisamente por eso, DeepSeek-V4-Flash ha vuelto a ganar popularidad en el extranjero.

Cabe destacar que DeepSeek anunció hoy sus planes para aumentar significativamente los precios de sus servicios API próximamente. Esto demuestra que DeepSeek no limita su competencia a la guerra de precios, sino que continúa centrándose en la calidad de sus modelos. Recientemente, DeepSeek ha estado reclutando activamente talento para Agent Harness y atrayendo excelentes proyectos de código abierto; su producto Agent Harness (posiblemente llamado DeepSeek Code) se está desarrollando rápidamente.

Es previsible que la guerra de precios sea solo el comienzo, y que la competencia entre distribuidores en diversos aspectos como la potencia informática, el rendimiento, el precio, las aplicaciones y el ecosistema se intensifique.