每百萬輸出 Token 4.25 美元、輸入 1.25 美元、快取輸入 0.15 美元——這組數字若放在一年前，會像打錯小數點；但在 7 月 9 日與 OpenAI GPT-5.6 全球釋出 同一天，Meta 用 Muse Spark 1.1 與全新的 Meta Model API 把它寫進官方價目表。這是 Meta 歷史上第一次對自家前沿模型收費，也是 Alexandr Wang 領軍的 Meta Superintelligence Labs 第二個重量級產品（四月 Muse Spark 僅限合作夥伴封閉測試，這次才開放開發者公開預覽）。
Zuckerberg 在 Bloomberg 訪談裡的說法很直白：Muse Spark 1.1 不是開源權重，而是 Meta 第一次認真做「付費 API 生意」，定價會「非常積極」。The Decoder 的對照更尖銳：Anthropic Opus 4.8、OpenAI GPT-5.5、Fable 5 的輸出價多在每百萬 25～50 美元區間，Meta 的 4.25 美元幾乎是 一個數量級 的落差；就連 7 月 8 日剛發、曾短暫拿下「最便宜近前沿模型」稱號的 xAI Grok 4.5，也在幾小時內被壓過去。
Muse Spark 1.1 是什麼：百萬上下文的多模態代理底座
官方定位 Muse Spark 1.1 為面向 agentic 任務 的 多模態 推理模型，強項在工具使用、Computer Use、MCP 伺服器編排、程式碼與長流程理解。相較四月的第一代 Muse Spark，1.1 在真實電腦操作、企業級 code migration、多代理並行與 100 萬 Token 上下文窗口 管理上都有明確升級——模型被訓練成能當「主代理」分派子代理，也能當子代理在任務完成或受阻時回報主代理。
消費者端可在 Meta AI App 與 meta.ai 以 Thinking 模式免費使用；開發者端則透過 Meta Model API（api.meta.ai/v1，宣稱 OpenAI SDK 相容）呼叫託管 推理。新帳號贈 20 美元 免費額度後轉按量計費；Web Search Grounding 另計 每千次查詢 2.50 美元。同週還有 Muse Image 圖像模型，但尚未進 API。
Meta 公布的 12 項對照 benchmark 呈現「代理強、程式碼次頂」的剖面：
| 類別 | 測試項 | Muse Spark 1.1 | 對照（Meta 圖表） |
|---|---|---|---|
| Agent | MCP Atlas Scaled tool use | 88.1 | Gemini 3.1 Pro 82.2、GPT-5.5 75.3 |
| Agent | JobBench | 54.7 | Opus 4.8 48.4、GPT-5.5 38.3 |
| Agent | Humanity's Last Exam（含工具） | 62.1 | Opus 4.8 57.9 |
| Agent | Finance Agent v2 | 57.2 | 領先同場對手 |
| Coding | SWE-Bench Pro | 61.5 | Opus 4.8 69.2 |
| Coding | Terminal-Bench 2.1 | 80.0 | GPT-5.5 83.4、Opus 4.8 82.7 |
| Coding | DeepSWE 1.1 | 53.3 | GPT-5.5 67.0（初代 Muse Spark 僅 10.0） |
四項代理類測試領先，五項程式碼類由 Opus 4.8 領先，三項由 GPT-5.5 領先——和 7 月 9 日 OpenAI 宣稱 GPT-5.6 Sol 在 Agents' Last Exam、Coding Agent Index 超越 Fable 5 的敘事形成三角競爭。Hacker News 上則很快出現對 Terminal-Bench 資源限制是否合規的質疑，對一個剛經歷 Llama 4 benchmark 汙染爭議的實驗室而言，評測衛生會是持續被盯的弱點。
Meta Model API：從「下載 Llama 自己架」到「打 Meta 託管」
過去開發者要用 Meta 前沿能力，路徑多半是下載 Llama 權重、自行找 GPU 或使用第三方雲託管。Muse Spark 1.1 改走 閉源託管 API，且暫不上 OpenRouter 等第三方市集，流量必須走 Meta 自家伺服器——分發權與毛利都握回手中。
早期合作方評價集中在「一個模型包太多」：Replit CEO Amjad Masad 列舉百萬上下文、多模態（圖／影／PDF）、內建搜尋與引用、前端程式能力、結構化輸出與平行工具呼叫，稱其為 complete agentic foundation；Cline、Box、OpenClaw Foundation 等也從企業工作流與代理框架角度給出正面試用。這和 OpenAI 推 ChatGPT Work、Anthropic 推 Cowork 是同一條「代理需要底座模型＋連接器＋計費」產品線，只是 Meta 選擇先從 開發者 API 底價 開刀。
對比當日另一邊的定價話語：OpenAI GPT-5.6 Sol 強調的是同價更強（例如 Coding Agent Index 80 分、輸出 Token 約 Fable 5 一半、成本約三分之一）；Meta 則直接重寫絕對價格地板。中國開源模型（如 GLM 5.2）本來就更便宜，但 Meta 這一步的意義在於：美系第一梯隊裡第一次有人把近前沿 API 打到個位數美元／百萬輸出。
商業動機：年利潤六百億美元 vs 燒錢的前沿實驗室
The Decoder 與 The New Stack 都點出結構性差異：OpenAI、Anthropic 仍依賴高 Token 毛利與快速營收成長來支撐估值與 GPU 租約；Meta 與 Google 則能把 API 當生態系入口，短期不必靠模型 API 本身獲利。Meta 年利潤規模逾六百億美元，有資格用低價 API 換開發者習慣與資料飛輪，再靠廣告與社交產品變現。
這也解釋為何 Zuckerberg 願意告別「Llama 免費權重」的開發者敘事——The Batch 評論稱這對建立在 Llama 上的社群是 significant loss，但對 Meta 股東是期待已久的 第一條模型營收線。從 機器學習 基礎設施角度看，價格戰會迫使對手在 微調、快取與推理優化上更激進，否則企業客戶在「夠用就好」的代理任務上會大量分流到 Meta。
7 月 10 日另一條線：Iris 晶片 9 月量產
同一週媒體還在追 Meta 硬體自主化：路透引述內部備忘錄，代號 Iris 的第四代 MTIA（Meta Training and Inference Accelerator）計畫 9 月開始量產，由博通協助設計、台積電代工，鎖定 Facebook／Instagram 等平台訓練與 推理 負載。Meta 今年目標部署約 7GW AI 算力、2027 年倍增至 14GW（1GW 約等同八十萬戶家庭用電規模）。這和 Muse Spark API 低價策略是同一盤棋：自己設計晶片降本，再用低價 API 搶開發者與企業工作流，減少對 NVIDIA 單一供應商的依賴。
誰會最先感到痛？
獨立前沿實驗室最被擠壓：當 Google、Meta 用生態利潤補貼 API，OpenAI 與 Anthropic 必須在旗艦能力上維持明顯溢價，否則中間層任務（RAG 彙整、表格式代理、內部工具編排）會被 Muse Spark 這類「夠便宜且夠代理」的模型吃掉。企業採購則會開始把任務分層：
| 任務類型 | 可能取向 |
|---|---|
| 高風險推理、長鏈程式碼 | 仍付費 GPT-5.6 Sol、Fable 5、Opus |
| 大量代理編排、工具呼叫 | 試算 Muse Spark 1.1 API |
| 極度成本敏感 | 中國開源或 Luna／Grok 低價線 |
開發者應利用 20 美元試用額度，用自家真實代理 harness（含 MCP、子代理、快取命中）跑一輪延遲與成本，不要只看 Meta 自家 12 格 benchmark。投資人則要同時看兩條曲線：Muse Spark 能否在 SWE-Bench 等硬程式測試縮短差距，以及 Iris 量產能否如期把單 Token 成本再壓一截。
與當日 GPT-5.6、ChatGPT Work 的合奏
7 月 9～10 日其實是「雙巨頭同日發布」：OpenAI 用 GPT-5.6 ＋ ChatGPT Work 搶辦公代理入口，Meta 用 Muse Spark 1.1 搶 API 價格制高點。一個賣「替你做完工作流」，一個賣「替你託管夠便宜的代理大腦」。對使用 大型語言模型 的團隊而言，這不是二選一，而是入口產品與底層 API 同時重定價的信號。
若你正在建 AI代理 原型，現在最值得做的一件事，是用同一套任務腳本分別打 OpenAI、Anthropic 與 Meta 三邊 API，記下總成本、失敗率與人工介入次數——榜單分數會過時，但帳單不會說謊。Meta 這次把地板壓到 4.25 美元，等於逼整個行業回答：你的任務，還值得付二十五倍價格嗎？