Meta 为其新的 Muse Spark 模型推出了一项「贡献者」定价计划，用户若分享自己的提示词和模型输出以帮助改进未来模型，可获得约 95% 的价格折扣。这一做法引发了关于数据隐私和 AI 训练数据的广泛讨论。
大多数 AI 工具允许用户选择不分享使用数据以改进未来版本。Meta 则将这一想法变成了一个定价标签。
对于其新的 Muse Spark 模型（旨在运行编程和其他智能体），Meta 提供了一项明确的折扣——平均约 95%——给那些通过分享提示词和模型输出来「贡献」未来模型开发的用户。
在标准协议下，100 万输入 token 的费用为 1.25 美元，而在贡献者定价模式下仅需 10 美分。对于输出 token，标准价格为每百万 4.25 美元，而贡献者模式下仅需 20 美分。
Meta 在获取训练数据方面一直不太顺利：今年早些时候启动的一项追踪员工计算机使用情况的计划引发了内部广泛批评，并于 6 月暂停。该公司没有回应 TechCrunch 关于其新定价模式的提问。
这类用户数据对于使智能体工具更好地工作至关重要。开源工具 Pi 的开发者 Mario Zechner 上个月告诉 TechCrunch：「我们在 2025 年 4 月到 10 月之间看到编程智能体能力大幅提升的原因是，Claude Code 默认会存储所有编程会话，并用它们进行强化学习训练。」
但随着模型构建者的需求越来越多地转向部署软件工程之外的智能体工具，他们评估和改进这些工具的能力受到复杂性和许多专业工作流程缺乏数字痕迹的阻碍。
普林斯顿计算机科学教授 Arvind Narayanan 指出，有充分证据表明大公司不希望自己的数据被用于模型训练。他说：「他们坚持使用按 token 计费的企业计划，尽管基于订阅的消费计划（如 Claude Max 和 ChatGPT Pro）折扣高达 10 到 20 倍甚至更多！两者之间的主要区别在于数据保留和企业 IT 治理。」
或许正是认识到这些动态，Meta 才向企业提供明确的补偿以获取这些信息。其定价指南指出，贡献者层级「降低了原型设计、测试集成和扩展实验的门槛，前提是你的数据可以被用于训练」。
Narayanan 认为，这反过来可能激励大公司更谨慎地判断哪些数据是真正专有的，哪些可以与模型提供商共享。
这一框架也可能加剧前沿实验室之间的价格竞争。Anthropic 昨天发布的最新 Fable 和 Mythos 模型降低了缓存 token 的处理成本，而 OpenAI 的最新模型在 7 月底也进行了大幅降价。
来源：TechCrunch
