Meta為新推出的Muse Spark模型設定了一套更低價格的使用方案。如果用戶同意共享提示詞和模型輸出，用於後續模型訓練，調用成本平均可比標準方案低約95%。這也讓「是否保留用戶數據」從隱私選項，變成了明確的價格交換。
共享數據可換低價
根據 Meta 公布的價格，在標準方案下，每 100 萬輸入 token 收費 1.25 美元；在“貢獻者定價”下，價格降至 0.10 美元。輸出 token 的價格差距更大，標準方案為每 100 萬個 4.25 美元，貢獻者方案則為 0.20 美元。
這意味著，願意讓 Meta 使用互動數據的客戶，可以以明顯更低的成本測試編碼代理和其他智能體應用。 Meta 在定價說明中稱，這一層級有助於降低原型開發、集成測試和實驗擴展的門檻，前提是客戶接受他們的數據被用於訓練。
真實的使用記錄才更有價值。
對於大模型公司來說，真實的使用記錄正變得越來越重要，尤其是在編碼代理和更廣泛的智能體工具上。TechCrunch 引用了開源工具 Pi 的開發者 Mario Zechner 的說法，稱 2025 年中編碼代理能力的明顯提升，與 Claude Code 預設保存會話並将其用於強化學習訓練有關。
隨著模型製造商將重點轉向軟體工程以外的專業工作流程，獲得這類數據變得更加困難。許多企業的流程更加複雜，可追蹤的數字痕跡也更加少，這限制了模型的評估和迭代。
企業更看重數據留存
普林斯顿大學計算機科學教授 Arvind Narayanan 表示，現有跡象顯示，大公司通常不願意讓自身的數據被用於模型訓練。他提到，儘管面向消費者的訂閱方案價格往往便宜 10 倍到 20 倍，許多企業仍會選擇按 token 收費的企業版，主要差別就在於數據留存和企業 IT 管理要求。
Meta 之前在訓練數據的獲取上也遇到阻礙。報導稱，該公司今年早些時候曾推動一項追蹤員工電腦使用情況的計劃，但在內部引發批評，並於6月暫停。對於Muse Spark的新定價安排，Meta沒有回應TechCrunch的置評請求。
前沿模型繼續打價格戰
這套定價也反映了前沿模型製造商之間的競爭正轉向於更細化的成本結構。就在前一天，Anthropic發布了新模型Fable和Mythos，並降低了token的處理成本。OpenAI也在7月底對最新模型進行了較大幅度的降價。
在模型能力趋近的背景下，價格、數據獲取方式以及企業客戶的治理要求，正一起成爲 AI 平臺競爭的新變量。
