Кодовый ИИ Meta может спровоцировать новую ценовую войну в сфере ИИ

Meta вошла в гонку ИИ-кодинга 5 августа с Muse Code, терминальным агентом для кодинга, и Muse Spark 1.2, своей ИИ-моделью, ориентированной на кодинг, которая напрямую нацелена на Claude Code от Anthropic и Codex от OpenAI.

Meta утверждает, что Muse Code предназначен для разработки программного обеспечения в обширных кодовых базах, а не для создания отдельных фрагментов кода. В отличие от своих моделей Llama с открытым исходным кодом, Muse Code является платным программным обеспечением для macOS и Linux, которое тесно интегрируется с Muse Spark 1.2.

Генеральный директор Марк Цукерберг заявил, что агент способен выполнять «полные задачи по разработке программного обеспечения в больших репозиториях: планирование изменений, написание кода, проверка результатов». Он добавил, что внутреннее тестирование показало, что агент способен одновременно создавать шесть различных функций игры без каких-либо проблем, а также предположил, что в будущем будут выпущены другие открытые модели программного обеспечения на базе ИИ.

Где Meta стоит на рынке, который она в основном наблюдала со стороны

Meta выходит на рынок, где такие компании, как Anthropic и OpenAI, являются ключевыми игроками, а некоторые стартапы, такие как Cursor, уже зафиксировали потребность в инструментах для разработки программного обеспечения на основе ИИ.

Meta отметила, что Muse Spark 1.2 может быть конкурентоспособной в некоторых аспектах, но она далеко не является лидером рынка. Она смогла набрать только 82,9% в тесте Terminal-Bench 2.1, опередив GPT-5.6 Terra и Grok 4.5, но уступив Opus 5 от Anthropic в этом бенчмарке. Muse Spark 1.2 также показала посредственные результаты в бенчмарке DeepSWE 1.1, заняв третье место, тогда как победителем стал Opus 5.

Тесты сторонних организаций дали тот же результат. Muse Spark 1.2 занимает 14-е место из 186 моделей согласно Artificial Analysis по индексу интеллекта, набрав 54 балла, что выше медианного значения в 32. Она демонстрирует хорошую задержку и относительно низкую цену, что означает, что Meta больше фокусируется на балансе между производительностью и ценой, чем на том, чтобы быть моделью с наивысшей производительностью.

Как Muse Spark 1.2 сравнивается по цене с V4 от DeepSeek

Ценообразование может стать одним из главных конкурентных преимуществ Meta, если разработчики примут этот компромисс.

Reuters, ссылаясь на Artificial Analysis, сообщило, что DeepSeek V4-Flash является самым дешевым широко используемой моделью ИИ для запуска в тестовых бенчмарках, что делает семейство DeepSeek V4 ключевым ценовым ориентиром для конкурирующих передовых моделей.

Muse Spark 1.2 имеет два варианта ценообразования. Его стандартное ценообразование для использования через API составляет $1,25 за миллион входных токенов, $0,15 за кэшированные входные токены и $4,25 за миллион выходных токенов. Meta предлагает цену для участников (Contributor) для одобренных запросов и ответов, что значительно снижает цены до $0,10 за входные токены, $0,01 за кэшированные входные токены и $0,20 за выходные токены.

DeepSeek взимает $0,14, $0,0028 и $0,28 за V4-Flash за один миллион входных токенов, кэшированных входных токенов и выходных токенов соответственно. Что касается V4-Pro, цены составляют $0,435, $0,0145 и $0,87 соответственно, в зависимости от пиковых и непиковых времен, согласно описанию API.

Приведенное выше сравнение показывает два разных подхода к ценообразованию. Что касается стандартного ценообразования, Muse Spark 1.2 дороже по сравнению с обеими моделями DeepSeek. Однако в рамках уровня Contributor Meta предлагает более низкую цену за входные и выходные данные по сравнению с V4-Flash и V4-Pro, что делает ее одним из самых дешевых продуктов для пользователей, имеющих право на участие и готовых поделиться своими данными.

Ценовое преимущество DeepSeek может продлиться не вечно. Сообщается, что DeepSeek планирует применить значительное повышение цен на свои ИИ-услуги, которое пока не раскрыто. Если будут введены новые цены, это может сократить разрыв между DeepSeek и другими сильными игроками отрасли.

Ставка на постоянных фоновых агентов

Отличительной особенностью агента Meta может быть его архитектура, а не результаты бенчмарков.

Согласно инженерным заметкам компании, Muse использует постоянных фоновых агентов для сохранения контекста репозиториев в фоновом режиме во время каждой сессии разработки, а не начинает с нуля при каждом запросе. При работе с крупными проектами Muse передает задачи, которые необходимо выполнить, в многочисленные изолированные Git-дерева, чтобы субагенты могли выполнять свои задачи, не влияя на основное рабочее пространство разработчика.

Meta также уделяет внимание надежности. Каждый вызов модели, запуск инструмента и редактирование файла регистрируются в локальном журнале событий, что позволяет прерванным сессиям продолжаться с контрольной точки, а не начинать заново. Компания протестировала эту систему на более чем 1000 вызовах инструментов в течение 24-часовой задачи по разработке ядра GPU, подчеркивая свою ориентацию на долгосрочную автономную разработку программного обеспечения.

Запуск также обостряет конкуренцию в мировом секторе ИИ. Появление Meta дает разработчикам программного обеспечения еще одного надежного конкурента на рынке наряду с Anthropic, OpenAI и DeepSeek, оказывая давление на поставщиков ИИ в плане навыков программирования и моделей ценообразования. Это может привести к более быстрому выпуску продуктов, снижению затрат на инференс, а также к большей доступности передовых инструментов программирования на базе ИИ, которые помогают в разработке программного обеспечения.