Zuckerberg đang cạnh tranh trực tiếp với DeepSeek.

Ngày 6 tháng 8, Zhi Dongxi đưa tin Meta đã ra mắt tác nhân lập trình đầu tiên của mình, Muse Code (phiên bản beta), cũng như mô hình thế hệ tiếp theo, Muse Spark 1.2, chạy trên tác nhân này.

Việc ra mắt mô hình này đã gây ra những cuộc tranh luận sôi nổi ở nước ngoài, với trọng tâm chính là chiến lược định giá: nó rẻ hơn DeepSeek-V4-Flash. Người dùng cho phép Meta huấn luyện mô hình của họ bằng dữ liệu của mình có thể được hưởng mức giảm giá 5% .

Điều thú vị là, cùng ngày hôm đó, DeepSeek đã công bố kế hoạch tăng giá tổng thể các dịch vụ API của mình trong tương lai gần, với mức tăng dự kiến là đáng kể. Các nhà cung cấp mô hình hàng đầu trong nước khác cũng đã cho thấy dấu hiệu giảm bớt cuộc chiến giá cả; ví dụ, giá của các mô hình Zhipu GLM cũng sẽ tăng đáng kể sau khi thời gian giảm giá kết thúc.

Trong bối cảnh các ông lớn nước ngoài như OpenAI và Meta đang vướng vào cuộc chiến giá cả, các mô hình nội địa như DeepSeek dường như đang tự đặt ra luật chơi riêng, khiến cuộc chiến toàn cầu tìm kiếm mô hình tốt nhất ngày càng trở nên thú vị.

Meta sử dụng dữ liệu người dùng để cung cấp các chương trình giảm giá lên đến 75 lần.

Zuckerberg tuyên bố trên Twitter: "(Mô hình này) được định vị là dễ sử dụng và không tốn kém . (Người dùng) chỉ cần một dòng mã để cài đặt và bắt đầu sử dụng ' Gói phần mềm đóng góp '."

Cái gọi là "gói đóng góp" đề cập đến hai phiên bản API do Meta cung cấp: một phiên bản cho phép chia sẻ dữ liệu , trong khi phiên bản kia thì không. Chi phí nhập dữ liệu cho phiên bản thứ nhất là 0,10 đô la Mỹ trên mỗi triệu token , rẻ hơn 12,5 lần so với phiên bản thứ hai; chi phí dữ liệu đầu vào được lưu vào bộ nhớ cache là 0,002 đô la Mỹ trên mỗi triệu token , rẻ hơn 75 lần so với phiên bản thứ hai; và chi phí dữ liệu đầu ra là 0,20 đô la Mỹ trên mỗi triệu token , rẻ hơn hơn 21 lần so với phiên bản thứ hai.

Một cư dân mạng đã nói đùa: "Thật buồn cười! Chi phí nhập/xuất dữ liệu của Muse Spark thấp hơn DeepSeek-V4-Flash, và nó còn tự hào về tỷ lệ truy cập bộ nhớ cache được tối ưu hóa độc đáo. Họ không quan tâm đến lợi nhuận; họ chỉ muốn dữ liệu. "

Trước đó, DeepSeek-V4-Flash đã chính thức phát hành API của mình vào ngày 31 tháng 7. Mô hình này có giá như sau: 1 nhân dân tệ cho mỗi triệu token khi bộ nhớ cache đầu vào không thành công, 0,2 nhân dân tệ cho mỗi triệu token khi bộ nhớ cache đầu vào thành công, và 2 nhân dân tệ cho mỗi triệu token khi đầu ra thành công.

DeepSeek "mạnh mẽ đến mức không giống Flash chút nào." Liệu Meta có thể theo kịp nó?

DeepSeek-V4-Flash hiện đang trải qua một làn sóng phổ biến mới trên toàn thế giới. Kể từ khi API được phát hành, danh tiếng về hiệu quả chi phí cao của nó ngày càng được nâng cao.

Người đồng sáng lập kiêm CEO của Platzi, một nền tảng giáo dục trực tuyến hàng đầu ở Mỹ Latinh, hôm nay đã đăng một bài viết bày tỏ sự kinh ngạc về tốc độ và chất lượng cao mà DeepSeek-V4-Flash đạt được. Thật sự đáng kinh ngạc.

Một số cư dân mạng thậm chí còn thẳng thắn tuyên bố: "Claude đã chết. Không có lý do gì để thế giới tiếp tục bị kiểm soát bởi một nhà cung cấp có giá cao gấp trăm lần nhưng hiệu suất lại ngang bằng với các đối thủ cạnh tranh."

Tuy nhiên, danh tiếng của DeepSeek-V4-Flash không chỉ đến từ giá thành thấp mà còn từ hiệu năng tuyệt vời của nó.

Điểm chuẩn của mẫu này vượt xa "người anh em" của nó, DeepSeek-V4-Pro-Preview (ra mắt vào tháng Tư). Ngay cả đến ngày nay, nhiều người dùng ở nước ngoài vẫn đánh giá cao nó, nói rằng nó "hoàn toàn không giống một thiết bị dựa trên Flash". Trong thử nghiệm Almanbench, DeepSeek-V4-Flash phiên bản 0731 đã vượt trội hơn Kimi K3, đạt điểm gần như tương đương với GPT-5.6 Sol xhigh.

Vậy, Meta, đang cố gắng cạnh tranh với DeepSeek về giá cả, sẽ thể hiện như thế nào với các phiên bản beta mới nhất của Muse Spark 1.2 và Muse Code?

Trong đánh giá chương trình, nó chỉ xếp sau Opus5, Muse và Spark 1.2, nhưng vẫn còn tụt hậu so với các mô hình tiên tiến nhất.

Về hiệu năng mô hình, Muse Spark 1.2 là một cải tiến đáng kể so với phiên bản tiền nhiệm, nhưng vẫn còn thua kém các mô hình tiên tiến nhất .

Muse Spark 1.2 là phiên bản cập nhật được tối ưu hóa cho lập trình. Trong các bài kiểm tra khả năng mã hóa như Terminal-Bench 2.1 và DeepSWE 1.1, hiệu năng tổng thể của nó chỉ đứng sau Claude Opus5 và vượt trội hơn GPT-5.6, Grok4.5 và Gemini3.6.

Trong bài kiểm tra suy luận phức tạp GDPVal-AA V2, Muse Spark 1.2 xếp thứ hai, chỉ sau Opus5; còn trong bài kiểm tra chuẩn MCP Atlas về khả năng gọi công cụ Agent, Muse Spark 1.2 lại xếp thứ nhất.

Các bài kiểm tra meta cho thấy mô hình có thể tối ưu hóa lặp đi lặp lại các lõi GPU trong hơn 1000 lần gọi công cụ (lên đến 24 giờ). Sử dụng môi trường lập trình tác nhân Muse Code, mô hình hoạt động tốt hơn Gemini 3.6 Flash và GPT-5.6 Terra, nhưng lại kém hơn GPT-5.6 Sol và Opus5.

Muse Code là một công cụ lập trình dành cho người dùng cuối được bản địa hóa, có khả năng xử lý toàn bộ các tác vụ kỹ thuật phần mềm trong các cơ sở mã lớn, bao gồm lập kế hoạch thay đổi, viết mã và xác minh kết quả. Meta đã phát hành một loạt các nghiên cứu điển hình, nhưng liệu nó có thể cạnh tranh với Claude Code và Codex trong các tình huống phát triển thực tế hay không vẫn còn phải chờ xem.

Như ví dụ bên dưới minh họa, Muse Code sử dụng một vòng lặp tác nhân đơn giản được bổ sung bởi một tập hợp các tác nhân nền bất đồng bộ để tăng cường chức năng của tác nhân chính. Hoạt động liên tục của chúng giúp giảm độ trễ và giảm thiểu nhu cầu can thiệp thủ công trong các tác vụ phức tạp, nhiều bước.

Hình ảnh bên dưới cho thấy người dùng đang nhập một tệp MP4 video giới thiệu nhà vào thiết bị đầu cuối. Muse Code sẽ phân tích video và tạo ra một trang tiếp thị và đặt phòng nhà nghỉ dưỡng hấp dẫn về mặt hình ảnh.

Ngoài ra, Muse Spark 1.2 đạt 54 điểm trên Chỉ số Phân tích AI (AII), cho thấy khả năng làm việc dựa trên tri thức của tác nhân được cải thiện đáng kể so với các phiên bản trước, xếp thứ ba trong số các phòng thí nghiệm của Mỹ cùng với Meta và SpaceX AI.

Kết luận: Meta đã giảm giá để thu hút khách hàng, trong khi DeepSeek tăng giá để đối phó với cuộc chiến giá cả trong lĩnh vực trí tuệ nhân tạo, cho thấy sự cạnh tranh giữa các công ty này vô cùng khốc liệt.

Sau khi OpenAI giảm giá, Meta cũng đã châm ngòi cho một cuộc chiến giá cả trong ngành công nghiệp AI của Mỹ. Với OpenAI và Anthropic đang thống trị thị trường, Meta đang cố gắng giành lấy thị phần và lần đầu tiên tham gia vào thị trường lập trình tác nhân biên (edge programming agent), nhằm vực dậy vị thế của mình. Việc Google DeepMind gần đây đã tái cấu trúc nội bộ quy mô lớn đã mang đến cho Meta một cơ hội tuyệt vời.

Giá thấp có thể là một cách hiệu quả để thu hút người dùng, nhưng để thực sự được người dùng công nhận, hiệu năng cao của mô hình và chất lượng token mới là yếu tố then chốt. Đây chính là lý do tại sao DeepSeek-V4-Flash lại trở nên phổ biến ở nước ngoài.

Điều đáng chú ý là DeepSeek hôm nay đã công bố kế hoạch tăng giá toàn diện các dịch vụ API của mình trong thời gian tới. Điều này cho thấy DeepSeek không chỉ giới hạn cạnh tranh của mình ở cuộc chiến giá cả, mà còn tiếp tục tập trung vào chất lượng mô hình. Gần đây, DeepSeek đã tích cực tuyển dụng nhân tài cho Agent Harness và thu hút các dự án mã nguồn mở xuất sắc; sản phẩm Agent Harness của họ (có thể được đặt tên là DeepSeek Code) đang phát triển nhanh chóng.

Có thể dự đoán rằng cuộc chiến giá cả chỉ là sự khởi đầu, và sự cạnh tranh giữa các nhà phân phối trên nhiều khía cạnh như sức mạnh tính toán, hiệu năng, giá cả, ứng dụng và hệ sinh thái sẽ ngày càng gay gắt.