Zuckerberg affronte DeepSeek de front.

8 月6 日，志東熙報道稱，Meta 推出了其首款編程代理Muse Code （測試版），以及運行在該代理上的下一代型號Muse Spark 1.2。

該模型發布後在海外引發了熱烈討論，核心焦點在於其定價策略：它比DeepSeek-V4-Flash 更便宜。允許Meta 使用其資料訓練模型的使用者可享有5% 的折扣。

Il est intéressant de noter que, le même jour, DeepSeek a annoncé son intention d'augmenter prochainement le prix global de ses services API , et cette hausse devrait être substantielle. D'autres fournisseurs de modèles chinois de premier plan ont également montré des signes d'apaisement de la guerre des prix ; par exemple, le prix des modèles Zhipu GLM augmentera sensiblement après la fin de la période de réduction.

Alors que des géants étrangers comme OpenAI et Meta se livrent à une guerre des prix, les modèles nationaux comme DeepSeek semblent jouer selon leurs propres règles, ce qui rend cette bataille mondiale pour le meilleur modèle de plus en plus intéressante.

Meta utilise les données des utilisateurs pour proposer des réductions de prix allant jusqu'à 75 fois.

祖克柏在推特中表示：“（這個模型）定位為易於上手且價格低廉。（用戶）只需一行程式碼即可安裝並開始使用'貢獻者軟體包'。”

所謂的「貢獻者套餐」指的是Meta 提供的兩個API 版本：一個允許資料共享，另一個則不允許。前者輸入資料的成本為每百萬個代幣0.10 美元，比後者便宜12.5 倍；快取輸入資料的成本為每百萬個代幣0.002 美元，比後者便宜75 倍；輸出資料的成本為每百萬個代幣0.20 美元，比後者便宜21 倍以上。

Un internaute a plaisanté : « C'est hilarant ! Les coûts d'entrée/sortie de Muse Spark sont inférieurs à ceux de DeepSeek-V4-Flash, et il se targue également de taux d'accès au cache optimisés de manière unique. Ils ne se soucient pas des profits ; ils veulent juste des données. »

Auparavant, DeepSeek-V4-Flash avait officiellement lancé son API le 31 juillet. Le modèle de tarification est le suivant : 1 yuan par million de jetons en cas d’échec de la recherche dans le cache d’entrée, 0,2 yuan par million de jetons en cas de succès de la recherche dans le cache d’entrée et 2 yuans par million de jetons en cas de succès de la recherche en sortie.

DeepSeek est « tellement puissant qu'il ne ressemble pas à Flash ». Meta pourra-t-il suivre le rythme ?

DeepSeek-V4-Flash connaît actuellement un regain de popularité à travers le monde. Depuis le lancement de son API, sa réputation d'excellent rapport qualité-prix n'a cessé de croître.

Le cofondateur et PDG de Platzi, une plateforme d'éducation en ligne de premier plan en Amérique latine, a publié aujourd'hui un article où il s'émerveille des performances exceptionnelles de DeepSeek-V4-Flash, alliant vitesse et qualité. C'est tout simplement incroyable.

Certains internautes ont même déclaré sans ambages : « Claude est mort. Il n'y a aucune raison que le monde continue d'être contrôlé par un fournisseur qui coûte cent fois plus cher mais dont les performances sont équivalentes à celles de ses concurrents. »

Cependant, la réputation de DeepSeek-V4-Flash ne repose pas uniquement sur son prix bas, mais aussi sur ses excellentes performances.

Les performances de ce modèle surpassent largement celles de son prédécesseur, le DeepSeek-V4-Pro-Preview (sorti en avril). Aujourd'hui encore, de nombreux utilisateurs à l'étranger le vantent, affirmant qu'il « ne donne absolument pas l'impression d'être un appareil basé sur la mémoire Flash ». Lors des tests Almanbench, la version 0731 du DeepSeek-V4-Flash a surpassé le Kimi K3, obtenant un score quasi identique à celui du GPT-5.6 Sol xhigh.

Alors, comment Meta, qui tente de concurrencer DeepSeek en termes de prix, se comporte-t-elle avec ses dernières versions bêta de Muse Spark 1.2 et Muse Code ?

En matière d'évaluation de logiciels, il se classe juste derrière Opus5, Muse et Spark 1.2, mais reste en deçà des modèles de pointe.

En termes de performances du modèle, le Muse Spark 1.2 représente une amélioration significative par rapport à son prédécesseur, mais il reste en deçà des modèles de pointe .

Muse Spark 1.2 est une version mise à jour et optimisée pour la programmation. Dans les tests de performance tels que Terminal-Bench 2.1 et DeepSWE 1.1, ses performances globales ne sont devancées que par celles de Claude Opus5, et surpassent celles de GPT-5.6, Grok4.5 et Gemini3.6.

Dans le test de raisonnement complexe GDPVal-AA V2, Muse Spark 1.2 s'est classé deuxième, juste derrière Opus5 ; dans le test de référence MCP Atlas d'appel d'outil Agent, Muse Spark 1.2 s'est classé premier.

Des méta-tests montrent que le modèle peut optimiser itérativement les cœurs GPU sur plus de 1 000 appels d'outils (jusqu'à 24 heures). Avec l'environnement de programmation d'agents Muse Code, le modèle surpasse Gemini 3.6 Flash et GPT-5.6 Terra, mais reste en deçà de GPT-5.6 Sol et Opus5.

Muse Code est un agent de codage localisé destiné aux utilisateurs finaux, capable de gérer l'ensemble des tâches d'ingénierie logicielle au sein de vastes bases de code, notamment la planification des modifications, l'écriture de code et la vérification des résultats. Meta a publié plusieurs études de cas, mais il reste à voir s'il peut rivaliser avec Claude Code et Codex dans des scénarios de développement réels.

Comme illustré dans l'exemple ci-dessous, Muse Code utilise une boucle d'agent simple, complétée par un ensemble d'agents d'arrière-plan asynchrones, afin d'améliorer les fonctionnalités de l'agent principal. Leur fonctionnement continu réduit la latence et minimise le besoin d'intervention manuelle dans les tâches complexes comportant plusieurs étapes.

L'image ci-dessous montre un utilisateur saisissant un fichier MP4 de vidéo de visite de maison dans un terminal. Muse Code analysera la vidéo et générera une page de marketing et de réservation de maison de vacances attrayante.

De plus, Muse Spark 1.2 a obtenu 54 points sur l'indice d'analyse de l'IA (AII), ce qui a considérablement amélioré ses capacités de travail de connaissances des agents par rapport aux versions précédentes, se classant troisième parmi les laboratoires américains aux côtés de Meta et SpaceX AI.

Conclusion : Meta a baissé ses prix pour attirer des clients, tandis que DeepSeek les a augmentés pour contrer la guerre des prix dans le domaine de l’IA, ce qui indique que la concurrence entre les agences est extrêmement féroce.

Suite aux baisses de prix d'OpenAI, Meta a également déclenché une guerre des prix dans le secteur de l'IA aux États-Unis. Face à la domination d'OpenAI et d'Anthropic sur le marché, Meta tente de gagner des parts de marché et s'est lancée pour la première fois sur le marché des agents de programmation en périphérie, cherchant ainsi à redynamiser sa position. La récente restructuration interne de grande ampleur de Google DeepMind offre à Meta une excellente opportunité.

Des prix bas peuvent être un moyen efficace d'attirer des utilisateurs, mais pour obtenir une véritable reconnaissance, des performances élevées du modèle et une bonne qualité de jeton sont essentielles. C'est précisément pourquoi DeepSeek-V4-Flash connaît un regain de popularité à l'étranger.

Il convient de noter que DeepSeek a annoncé aujourd'hui son intention d'augmenter prochainement les prix de ses services API. Cela démontre que DeepSeek ne se contente pas d'une guerre des prix pour contrer la concurrence, mais continue de privilégier la qualité des modèles. Récemment, DeepSeek a activement recruté des talents pour Agent Harness et attiré d'excellents projets open source ; son produit Agent Harness (qui pourrait être renommé DeepSeek Code) connaît un développement rapide.

Il est prévisible que la guerre des prix ne soit que le début et que la concurrence entre les distributeurs sur divers aspects tels que la puissance de calcul, les performances, le prix, les applications et l'écosystème s'intensifiera.