在 SpaceXAI 推出新模型、OpenAI 發表最新 GPT 5.6 之際，Meta 隨後也推出最新的專有 AI 模型 Muse Spark 1.1。這款內部研發代號為「Avocado（酪梨）」的新模型，不僅在功能上瞄準 AI Coding 與 Agentic AI，更在商業策略上搭配極具競爭力的超低價 API 與免費額度，試圖在開發者採用及大規模商業部署的入口處，正面迎戰 OpenAI、Anthropic 與 Google 等強勁對手。這也象徵 Meta 正式跨出過去以 Llama 開源模型為主的路線，試圖透過全新的 Meta Model API，向企業與開發者收取模型使用費。
Meta 推出低價 API 的策略與野心
為了在競爭激烈的市場中迅速吸引用戶，Meta 將 Muse Spark 1.1 的 API 價格設定為每百萬輸入 token 收費 1.25 美元、每百萬輸出 token 收費 4.25 美元，並為每個新帳號提供 20 美元的免費額度。Meta AI 長 Alexandr Wang 指出，Muse Spark 1.1 的核心目標，是提供能隨大規模消費與使用量擴展的定價方案。Meta 執行長 Mark Zuckerberg 則表示，這個價格大約只有 Anthropic 和 OpenAI 同級模型的四分之一，可說是「極度便宜」。
這項低價戰略背後，緊扣當前企業部署 AI 的核心痛點。隨著企業對高昂 AI 運算成本的焦慮不斷攀升，愈來愈多公司開始尋求各種省錢手段，包括採用免費的開源模型，或嘗試將非核心任務轉移到更具成本效益的模型上。在這樣的市場氛圍下，Meta 顯然並不急於透過銷售模型立即獲利，而是希望以低價作為誘因，說服企業用戶至少先嘗試其新模型，進一步在工作流程中建立使用習慣，並在占領市場、建立生態系後，未來再調高價格。
這種先燒錢擴大市占、後續再尋求營收空間的戰術，與 Netflix、Uber 過去的擴張路徑如出一轍。儘管目前該 API 仍處於公開預覽階段，且暫不打算上架至 OpenRouter 這類第三方平台，但 Replit、Cline、Box 等部分早期合作夥伴已經搶先接入，新用戶也可加入候補名單。
為何先攻 AI Coding？Alexandr Wang：程式能力是 Agent 的基礎
然而，光有低價並不足以在企業級應用中留住用戶，模型本身的技術實力才是決定成敗的關鍵。在 Muse Spark 1.1 的核心能力中，Meta 選擇將「程式設計（Coding）」能力作為最關鍵的突破口。Alexandr Wang 解釋，之所以全力提升模型的 Coding 能力，是因為程式設計是 AI Agent 能夠在數位世界中自主、跨應用程式執行多步驟任務的底層基石。這樣的技術定位也精準切中前代模型的痛點，因為在今年 4 月發布的初代 Muse Spark 中，程式設計能力曾被市場視為相對薄弱的一環。
為了扭轉這項劣勢，Meta 特別訓練 Muse Spark 1.1，使其能與開發者常用的各種主流 Agent harnesses 相容，並支援規劃模式、目標設定、子代理分工及上下文壓縮等進階 Agentic Coding 功能。
另一方面，當 Muse Spark 1.1 作為主代理運作時，能蒐集上下文、制訂詳細計畫，並將具體執行工作分派給多個平行運作的子代理協作。同時，模型更配備高達 100 萬 token 的龐大上下文視窗，能記住較早階段的操作步驟，並主動進行上下文壓縮（Context Compaction），以保留後續工作所需的決策關鍵。
在企業級應用中，Muse Spark 1.1 在處理大型且複雜的程式碼時展現出顯著進步，可自主診斷並修復複雜 bug、為企業級系統加入新功能，以及執行大規模程式碼遷移。在 Meta 所展示的 OpenCode 偵錯示範中，可以看到模型能獨立建立聊天網頁、自動截圖辨識視覺上的渲染錯誤、追蹤相關程式碼、執行修復並完成最終驗證，融合程式開發、多模態感知與工具調用能力。
此外，在更具挑戰性的電腦操作（Computer Use）任務中，模型也能跨多個應用程式維持長期工作脈絡，並適應動態變化的需求，同時自主判斷何時該撰寫程式腳本自動執行、何時該直接操作網頁介面。Meta 甚至展示「Facebook Marketplace 拍賣 Agent」的實際場景，呈現模型如何讀取智慧型手機拍攝的短片、擷取產品照片、分析商品資訊，進而操控瀏覽器，協助用戶自動完成上架與拍賣。
從開源 Llama 到付費 Muse，Meta 驚人資本支出下的商業策略轉向
從技術展示回到商業本質，Meta 這次推出付費專有模型 API 的策略轉型，揭示其背後沉重的財務與資本支出壓力。儘管 Meta 強調仍會支持開源社群，且旗下 Meta Superintelligence Labs（MSL）也正在研發 Muse Spark 的開源變體，但目前尚未透露該版本的發布時間，也凸顯 Meta 當前推動專有付費 API 商業化的急迫性。
這種策略轉向的背後，是極為可觀的資金投入。《The Information》報導，Meta 預估在 2026 年將投入高達 1,250 億至 1,450 億美元的資本支出，主要用於建造 AI 資料中心與基礎設施。此外，Meta 執行長 Mark Zuckerberg 正承受華爾街的巨大壓力，市場要求他證明這筆龐大的 AI 投資能夠帶來實質財務回報，尤其是在 Meta 尚未擁有成熟雲端基礎設施業務的前提下。再加上自 2020 年以來，Meta 專注於元宇宙發展的 Reality Labs 已累積高達 870 億美元的鉅額虧損，迫使 Meta 在過去兩年逐步淡化元宇宙敘事，轉而全力押注 AI。
低價就是 AI 民主化？Meta 搶 Agent 入口，也得面對信任與落地考驗
面對外界對 Meta 商業動機的質疑，Mark Zuckerberg 試圖將 Muse Spark 1.1 的超低定價，包裝成一場對抗「技術專制」的 AI 民主化戰役。他主張，應將「個人超級智慧」的力量交到每個人手中，而不是由少數幾家巨頭壟斷。Mark Zuckerberg 表示，Meta 的願景是將個人超級智慧帶給每個人，讓大眾自行主導生活中重視的事。他在接受《Bloomberg》採訪時，更不留情面地將矛頭指向競爭對手 Anthropic，指責其「將最強的模型藏在自己手裡，卻只釋出受限、簡化版的模型給外界」。
Mark Zuckerberg 這番言論刻意呼應社群上對於「永久下流階級（permanent underclass）」的擔憂，也就是一般大眾因付不起昂貴的 AI token 費用，注定受制於少數掌控頂尖 AI 技術巨頭的現象。這樣的說法，也確實引起部分因高昂 token 成本而開始棄用 Anthropic 的企業領袖共鳴。
然而，歷史紀錄顯示，Meta 長期部署以追求用戶互動率為優先的演算法，近期更因青少年心理健康與平台成癮問題，面臨高達 1.4 兆美元的集體訴訟。因此，僅憑一款低價 AI 模型，顯然還不足以說服外界忘記 Meta 過去的平台爭議。
此外，儘管 Meta 宣稱 Muse Spark 1.1 在多項代理指標上擊敗對手，但現實中的 AI Agent 依然錯誤頻出。例如，近期 Replit 的 AI 代理就在 Vibe Coding 過程中，發生意外移除整家公司程式碼庫的事件。這與 Meta 描繪的未來形成強烈對比，也再次揭示自主代理在實際商業落地時的潛在風險。
透過推出 Muse Spark 1.1，Meta 展現出將低價、百萬 token 上下文、多代理協作及電腦操作能力深度結合的商業與技術野心。這套低價策略或許會成功吸引不少對成本敏感的企業改用 Meta 模型，但在 OpenAI 發表 GPT 5.6、Anthropic 仍快速推進的紅海市場中，Meta 是否能憑藉持續的價格補貼與強大的自有硬體基礎設施，在 AI 應用市場站穩腳步，仍有待全球開發者與企業長期檢驗。
【推薦閱讀】
◆ ChatGPT Work + GPT-5.6 同日登場，OpenAI 這次比的不是誰更聰明
◆ 比 Claude、GPT 便宜一半：Grok 4.5 不爭最強模型，要用成本效率戰撼動 AI 市場
◆ OpenAI 推 GPT-Live 加入 AI 全雙工競賽，「聊天框的終點」比想像更近？
＊本文開放合作夥伴轉載，資料來源：《Gizmodo》、《The Information》、《QUARTZ》、《CNBC》、Meta，首圖來源：Meta
