Meta为Muse Spark模型推出“数据换折扣”策略，95%优惠背后是训练数据的焦虑

【科技24时区】当大多数AI工具允许用户选择退出数据共享以保护隐私时，Meta却反其道而行之，给这一权利标上了价格。针对其最新发布的、旨在支持代码编写及其他智能体操作的Muse Spark模型，Meta推出了一项激进的定价策略：若用户同意将提示词（prompts）及模型输出贡献给未来模型的训练，即可享受平均约95%的费用减免。

具体来看，在标准协议下，每百万输入令牌的成本为1.25美元，而在“贡献者”定价模式下，这一费用骤降至仅10美分；输出令牌的标准价格为每百万4.25美元，贡献者模式下的同等用量成本也仅为20美分。这种近乎免费的诱惑，直指当前大模型厂商面临的核心痛点——高质量训练数据的匮乏。

值得注意的是，Meta此前在获取内部数据方面曾遭遇挫折。今年早些时候，该公司启动了一项追踪员工计算机使用情况的计划，因引发广泛的内部批评而于6月暂停。面对TechCrunch关于新定价模式的问询，Meta方面未予置评。然而，行业观察者指出，这类用户数据对于提升智能体（Agentic tools）的性能至关重要。开源框架Pi的开发者Mario Zechner上月向媒体透露，2025年4月至10月间编码智能体能力的显著跃升，很大程度上归功于Claude Code默认存储所有会话并用于强化学习训练的做法。

但随着智能体应用从软件工程领域向外拓展，模型构建者在评估和改进这些工具时，正面临专业工作流程复杂性高、数字痕迹缺失的阻碍。普林斯顿大学计算机科学教授Arvind Narayanan指出，有充分证据表明，大型企业普遍不愿将其数据用于模型训练。他在社交媒体上写道：“尽管像Claude Max和ChatGPT Pro这样的订阅制消费者计划折扣力度高达10至20倍甚至更多，但大公司仍坚持使用按令牌计费的企业级计划。”他分析称，这其中的主要差异在于数据留存与企业IT治理权限。

或许正是洞察到了这一博弈动态，Meta试图通过明确的经济补偿来打破僵局。其定价指南明确指出，贡献者层级“降低了原型设计、集成测试以及扩展实验的门槛，前提是用户接受基于其数据进行训练”。Narayanan认为，这一举措可能反过来激励大公司更审慎地甄别哪些数据真正属于专有资产，哪些可以分享给模型提供商。

与此同时，前沿实验室之间的价格战也在加剧。Anthropic昨日发布的新款Fable和Mythos模型降低了对缓存令牌的处理成本，而OpenAI的最新模型也在7月底进行了大幅降价。在这一背景下，Meta的“数据换折扣”策略不仅是一次商业试探，更是其在激烈竞争中争夺关键训练资源的一次突围。