DeepSeek V4 涨价后，性价比执行模型的新选择：Muse Spark 1.2 Contributor

DeepSeek V4 Flash 曾经是 OpenCode Go 中使用频率很高的执行模型：价格便宜、额度充足，处理代码检索、文件修改和工具调用时，基本不用担心消耗。

但 DeepSeek V4 涨价后，情况发生了变化。DeepSeek V4 Flash 的月度额度从最初的 $120 一度降到 $15，后续虽调整到 $30，请求价格却也同步上涨，并开始区分峰谷时段。以前连续使用一天通常只消耗 $1～$2，月度额度几乎看不到明显变化；现在稍微多用一会儿，余额就会快速下降。

为了寻找替代方案，我开始尝试 Muse Spark 1.2 Contributor。连续使用两天后的结论是：它可以作为 DeepSeek V4 Flash 的下位替代。

从个人体感来看，DeepSeek V4 Flash 的 max 档仍强于 Muse Spark 1.2 Contributor 的 xhigh，尤其在复杂推理、任务规划和关键判断方面更稳。不过，Muse Spark 更低的调用价格与当前更高的月度额度，在一定程度上弥补了能力差距，作为工作流中的执行模型更划算。

本文记录的是 2026 年 8 月的实际体验。模型价格、月度额度与服务政策可能随时调整，请以 OpenCode Go 页面显示的信息为准。

为什么换掉 DeepSeek V4 Flash

以 OpenCode Go 在 2026 年 8 月 22 日显示的当前价格为准，两款模型的主要差异如下：

Muse Spark 1.2 Contributor 的月度额度为 $60。虽然仍然比不上 DeepSeek V4 Flash 涨价前的 $120，但额度是当前 DeepSeek V4 Flash 的两倍，并且输入、输出和缓存读取价格都更低。对于大量读取上下文、频繁调用工具的 Agent 工作流来说，这个组合更耐用。

对于按照既定方案稳定执行的任务，无需每一步都使用高阶模型，Muse Spark 1.2 Contributor 是目前值得考虑的替代方案。

模型分工：高阶模型规划审核，性价比模型执行

开发任务不必从头到尾交给同一个模型，可以根据任务阶段进行分工：

• 高阶模型负责规划与审核：理解需求、拆解任务、制定实现方案、处理关键技术决策，并在完成后检查代码质量与潜在风险；
• 性价比模型负责执行：按照已经确定的方案检索代码、修改文件、调用工具、运行命令和测试，并处理大量重复性工作。

这种组合可以把高阶模型的额度用在真正需要推理和判断的环节，再由价格更低、额度更充足的模型完成具体执行。Muse Spark 1.2 Contributor 在这套工作流中承担的正是第二种角色。

两天使用后的体验

Muse Spark 1.2 Contributor 主要用于以下任务：

• 阅读和检索代码库；
• 修改常规配置与代码；
• 执行工具调用；
• 整理上下文和补充文档；
• 处理不值得交给高价模型的重复性工作。

从两天的使用结果来看，它符合执行模型的预期：工具调用可用，长上下文充足，常规任务的完成度也不错。它不需要替代高阶模型处理架构规划、疑难问题和最终审核，只要能够可靠地完成既定方案，作为工作流中的执行层就已经足够。

相比 DeepSeek V4 Flash，它还有一个比较实用的优势：支持多模态输入。除文本外，还可以接收图片、视频、PDF 和音频附件，在需要读取截图或文档时更方便。

建议将思考强度设置为 xhigh。这个模型没有 max 档位，xhigh 就是当前可用的最高思考强度。

模型配置如下：

"muse-spark-1.2-contributor": {
  "name": "Muse Spark 1.2 Contributor",
  "family": "muse",
  "attachment": true,
  "reasoning": true,
  "temperature": true,
  "tool_call": true,
  "modalities": {
    "input": [
      "text",
      "image",
      "video",
      "pdf",
      "audio"
    ],
    "output": [
      "text"
    ]
  },
  "limit": {
    "context": 1048576,
    "output": 131072
  },
  "variants": {
    "minimal": {
      "reasoningEffort": "minimal"
    },
    "low": {
      "reasoningEffort": "low"
    },
    "medium": {
      "reasoningEffort": "medium"
    },
    "high": {
      "reasoningEffort": "high"
    },
    "xhigh": {
      "reasoningEffort": "xhigh"
    }
  }
}

实际消耗情况

从 OpenCode Go 的消耗统计来看，这组使用记录分别消耗了 $1.35、$3.80 和 $0.25，合计 $5.40。

在同一阶段的 sub2api 统计中，Muse Spark 1.2 Contributor 共处理了 4,644 次请求、552.28M Token（约 5.52 亿 Token）。

结合价格和实际调用量来看，Muse Spark 1.2 Contributor 虽然没有涨价前的 DeepSeek V4 Flash 那么“用不完”，但目前仍然可以承担较高强度的日常工作。

使用前必须注意的限制

Muse Spark 1.2 Contributor 的低价并非没有条件。OpenCode Go 页面明确说明：提交给该模型的 提示词与补全结果可能会被用于训练未来的 Meta 模型，以此换取大幅折扣后的 Token 价格。

因此，使用前需要考虑以下几点：

1. 不要提交敏感数据。 企业代码、客户数据、密钥、内部文档等内容不适合交给该模型处理。
2. 企业项目需要谨慎评估。 即使代码本身不敏感，也应先确认公司的数据与合规要求。
3. 服务存在地域限制。 该模型仅在 Meta 地理使用政策允许的地区提供。实测中国大陆 IP 无法直连，使用的欧洲节点同样不可用，美国 IP 可以正常使用。实际可用范围请以官方政策为准。

如果对数据用于训练比较介意，或者项目包含隐私、商业机密，那么它并不适合作为默认模型。对于不包含敏感信息的个人项目，能够接受这项条款的话，性价比则相当不错。

总结

在 DeepSeek V4 Flash 涨价、月度额度缩水之后，Muse Spark 1.2 Contributor 是目前较为实用的替代选择：

• 月度额度为 $60，是当前 DeepSeek V4 Flash 的两倍；
• 输入、输出与缓存读取价格更低；
• 支持工具调用和超长上下文；
• 支持图片、视频、PDF、音频等多模态输入；
• 适合在高阶模型完成规划后，执行代码检索、常规修改和其他重复性任务；
• 建议使用 xhigh 思考强度。

它的短板同样明确：提示词和补全结果可能被用于模型训练，并且受到地域政策限制。只要能接受这两点，按照“高阶模型负责规划与审核、性价比模型负责执行”的方式使用，目前的体验还是不错的。

OpenCode Go 邀请链接

如准备试用 OpenCode Go，可以通过以下邀请链接注册：

https://opencode.ai/go?ref=5QB4HKB76R

通过该链接订阅时，当前价格为首月 $5，之后每月 $10；邀请双方还会各获得 $5 使用额度。具体优惠规则可能调整，请以下单页面显示的信息为准。

说明：以上链接包含邀请关系，我可能会因此获得使用额度。