大多数AI工具都允许用户选择退出数据共享，不把自己的使用记录交给模型提供商用于改进未来版本。Meta把这个思路倒了过来——你不退出，反而能拿折扣。

这家公司为新的Muse Spark模型推出了一套"贡献者定价"方案。这个模型主要用于驱动编程和其他智能体（agent）任务。用户只要同意共享自己的提示词（prompt）和模型输出结果，用于未来模型的开发，就能获得平均约95%的折扣。

打开网易新闻 查看精彩图片

价格差距有多大？

标准协议下，100万输入token（词元）的价格是1.25美元；贡献者定价下，同样的100万token只要10美分。输出token的差距更明显：标准价是每百万4.25美元，贡献者价只要20美分。算下来，贡献者模式的价格只有标准价的零头。

Meta在获取训练数据这件事上一直不太顺。今年早些时候，公司内部启动了一项追踪员工电脑使用情况的计划，结果遭到内部批评，6月就被叫停了。对于这次的新定价模式，Meta没有回应TechCrunch的提问。

为什么用户数据这么值钱？

这类用户数据对智能体工具的效果至关重要。开源工具Pi的开发者Mario Zechner上个月告诉TechCrunch："2025年4月到10月之间，编码智能体能力出现大幅跃升，原因就是Claude Code默认会存储你所有的编码智能体会话，并用它们做强化学习训练。"

不过，模型构建方越来越想把智能体工具部署到软件工程之外的领域，但评估和改进这些工具的能力，却被许多专业工作流程的复杂性和数字痕迹缺失卡住了。

大公司其实不愿意共享数据

普林斯顿大学计算机科学教授Arvind Narayanan指出，有充分证据表明，大公司并不希望自己的数据被用于模型训练。他在社交媒体上写道："它们宁愿用按token计费的企业版，也不用订阅制的消费版——Claude Max和ChatGPT Pro这类订阅方案便宜了10到20倍甚至更多！（两者的主要区别就是数据留存和企业IT治理。）"

Meta这次的做法，相当于给企业提供明确的补偿来换取数据。它的定价指南里写着，贡献者层级"降低了原型开发、测试集成和扩展实验的门槛，前提是你接受自己的数据被用于训练"。

Narayanan认为，这种做法反过来可能促使大公司更仔细地甄别：哪些数据是真正需要保密的，哪些可以放心交给模型提供商。

价格战的新战场

这套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；OpenAI的最新模型则在7月底进行了一轮大幅降价。

Meta把数据共享变成明码标价的交易，等于给这场竞争加了一个新维度——不是比谁的模型更强，而是比谁更愿意为数据付钱。