Dwa czołowe modele wydane tego samego dnia. Jeden obiecuje zużywać więcej tokenów, drugi mniej

2 września 2026 r. Google wydało Gemini 3.8 Flash, a Meta — Muse Spark 1.3. Oba modele celują w to samo zastosowanie: długodystansowe programowanie i agenty działające samodzielnie, i oba trafiły w tym tygodniu do naszego katalogu. Czytane obok siebie, materiały premierowe przekonują do rzeczy przeciwnych. Google nie rusza cennika: 0,75 USD za milion tokenów wejściowych i 3,75 USD za milion wyjściowych, czyli ta sama stawka wprowadzająca, którą otworzył 3.7 Flash, z podwojeniem obu kwot 1 stycznia 2027 r. Nie zmieniło się też okno kontekstu, limit wyjścia ani trzy poziomy myślenia. Zmieniło się to, jak ciężko model pracuje. Google pisze o tym wprost: przy trudnych zadaniach 3.8 Flash wykonuje dodatkowe kroki rozumowania i wielokrotnie sięga po narzędzia, a „może zużyć więcej tokenów, żeby wycisnąć maksymalną skuteczność, zwłaszcza przy wyższych poziomach wysiłku”. Zaraz potem firma radzi wrażliwym na koszt obniżyć poziom wysiłku albo zostać przy 3.7 Flash, który pozostaje w pełni wspierany. Komunikat Meta zaczyna się od liczby odwrotnej. Muse Spark 1.3 ma być według inżynierów samej Meta wyraźnie szybszy od Muse Spark 1.2 przy około 20% mniejszej liczbie wywołań narzędzi i około 25% mniejszym zużyciu tokenów — mniej zawracania tam, gdzie nie trzeba, mniej rozwlekły kod. Opublikowana tabela wyników potwierdza realny skok w programowaniu (DeepSWE v1.1 rośnie z 55,0 do 75,4) i bardzo duży w wyszukiwaniu w długim kontekście (MRCR 512K–1M z 55,5 do 98,1), choć w większości wierszy agentowych model wciąż kończy za Opus 5 od Anthropic. Praktyczny wniosek dla każdego, kto planuje budżet na agenta, jest taki, że stawka za token przestała być całą historią. Zamrożony cennik potrafi dać wyższy rachunek, jeśli model postanowi myśleć dłużej, a model z wyższą stawką bywa tańszy, jeśli przestaje wywoływać narzędzia, których nie potrzebuje. Żadna z firm nie podaje liczby, która by to rozstrzygnęła — średniego kosztu tokenów na ukończone zadanie — więc porównanie trzeba przeprowadzić na własnym ruchu. Jedna gwiazdka przy tabeli Meta: wersję 1.3 zmierzono przy maksymalnym poziomie rozumowania, a 1.2 przy poziomie xhigh, więc kolumny nie są ustawione tak samo. Dopisek, który zaostrza całą sprawę. Meta nie podała ceny w komunikacie premierowym, a stawki, które rozeszły się później — 0,10 USD za milion tokenów wejściowych i 0,20 USD za milion wyjściowych, opisywane jako najniższe na rynku — należą w rzeczywistości do osobnego identyfikatora modelu: muse-spark-1.3-contributor. Ten tier jest tani właśnie dlatego, że zgadzasz się na trenowanie modeli Meta na swoich zapytaniach i odpowiedziach. Tier Standard, w którym firma deklaruje, że danych do trenowania nie używa, kosztuje 1,25 i 4,25 USD. Innymi słowy najtańsza opublikowana stawka tego modelu nie jest wcale rabatem na moc obliczeniową — to cena za twoje dane.