用数据换取高达95%的API折扣

Meta为其新推出的Muse Spark模型设计了一套颇具创意的数据获取机制。该模型主要面向编程助手及各类智能体任务场景，Meta向愿意共享使用数据的开发者提供大幅折扣：每百万输入token的价格从标准协议的1.25美元降至仅0.10美元，输出token则从4.25美元降至0.20美元，综合折扣幅度约达95%。Meta将这一方案定位为降低原型开发、集成测试和规模化实验门槛的工具。

这一定价策略的出现，与Meta近期在训练数据获取上屡遭挫折密切相关。今年早些时候，Meta曾启动一项追踪员工电脑使用行为的内部计划，以收集真实工作流数据用于模型训练，但该计划因遭到员工广泛批评而于6月被迫暂停。面对内部渠道受阻，Meta转而寻求以市场化方式从外部用户处获取所需数据。

训练数据对于提升智能体工具能力至关重要。开源工具Pi的开发者Mario Zechner曾向TechCrunch透露，2025年4月至10月间编程智能体能力的显著跃升，正是得益于Claude Code默认存储用户编程会话并将其用于强化学习训练。然而，随着智能体应用场景从软件工程向更广泛的专业领域延伸，复杂的工作流程和稀少的数字痕迹让数据收集愈发困难。

普林斯顿大学计算机科学教授Arvind Narayanan指出，大型企业普遍不愿将内部数据用于模型训练。他观察到，即便Claude Max、ChatGPT Pro等消费级订阅方案的价格比企业级套餐低10至20倍甚至更多，企业客户仍坚持选择按token计费、不涉及数据留存的企业级方案。两类方案的核心差异，正在于数据留存政策与企业IT治理要求。

Narayanan认为，Meta的贡献者定价模式或许能够推动企业更精细地区分哪些数据属于真正的核心机密、哪些可以与模型提供商共享，从而在保护敏感信息的同时，让部分数据流入训练体系。这一框架也可能进一步搅动前沿AI实验室之间的价格战：Anthropic最新发布的Fable和Mythos模型已下调缓存token处理费用，OpenAI旗下最新模型也于7月底完成了大幅降价。Meta此举，或将成为行业定价竞争新一轮博弈的起点。

要点

• Meta为Muse Spark推出「贡献者定价」，用户共享提示词与输出数据可享约95%折扣，将数据价值显性化为经济激励。
• 智能体训练数据稀缺是行业共性难题，专业工作流的复杂性和数字痕迹不足使模型迭代面临瓶颈。
• 大型企业出于数据隐私和IT治理考量，即便面对巨大价格差异也倾向于选择不共享数据的企业级套餐。
• 该定价机制或促使企业重新梳理数据分级策略，推动部分非核心数据进入模型训练生态。
• 前沿AI实验室价格竞争持续加剧，Anthropic、OpenAI相继降价，Meta此举或进一步压缩行业整体定价空间。