最低仅需原价1.3%

在AI行业，数据共享通常是一项用户可以主动选择退出的默认设置，模型提供商一般不会为此提供额外激励。Meta此次的做法则完全颠覆了这一惯例——它将数据共享的价值直接折算成API调用费用的折扣，让用户在使用Muse Spark模型时，可以用极低的成本换取对自身数据的授权。这种将商业利益与数据获取捆绑的方式，在大模型行业尚属罕见。

从具体定价来看，折扣力度相当惊人。标准定价下，每百万Token的输入费用为1.25美元，而选择成为「贡献者」后仅需0.10美元；缓存命中输入的折扣更为夸张，从0.15美元降至0.002美元，折扣比例低至1.3%；输出费用则从4.25美元降至0.20美元。对于调用量较大的开发者而言，这意味着可以节省超过95%的API成本，经济吸引力极为显著。

Meta此举的背景，是其在训练数据获取方面长期面临的困境。今年早些时候，Meta曾尝试通过追踪内部员工的电脑使用情况来收集数据，但这一计划迅速引发了公司内部的强烈抗议，最终不得不于6月份宣布叫停。此外，Meta在版权数据使用方面也面临多起法律诉讼，外部数据来源的获取渠道日益收窄，这使得通过用户激励来获取合规训练数据的方式显得尤为迫切。

从行业角度来看，Meta的这一策略本质上是将训练数据的采购成本转化为API收入的让利。用户贡献的提示词和生成结果，对于提升模型在特定场景下的表现具有重要价值，尤其是在代码生成、专业领域问答等需要大量真实使用案例的任务上。Muse Spark 1.3已被报道在编码能力方面超越GPT-5.6 Sol，Meta显然希望通过持续的数据积累进一步巩固这一优势。

然而，这一模式也引发了外界对数据隐私和商业伦理的讨论。开发者在享受低价的同时，其业务逻辑、专有提示词乃至用户交互数据都将流入Meta的训练体系。对于企业用户而言，如何在成本节约与数据安全之间取得平衡，将是采用这一方案前必须审慎评估的核心问题。目前尚不清楚Meta是否会对贡献数据的使用范围和保留期限作出明确限制。

要点

• Meta为Muse Spark 1.2和1.3推出数据共享折扣计划，贡献者最低可享受原价1.3%的超低定价，以数据授权换取大幅API费用减免
• 三档折扣分别覆盖输入、缓存命中输入和输出Token，折扣幅度在原价的1.3%至8%之间，对高调用量开发者吸引力极强
• 此举背后是Meta在训练数据获取方面的持续困境，其追踪员工电脑使用情况的计划已因内部抗议于今年6月叫停
• 企业用户在考虑参与该计划时，需权衡成本节约与专有数据泄露风险之间的利弊