打开网易新闻 查看精彩图片

大多数AI工具都允许用户选择不与模型提供商共享使用数据，以避免这些数据被用于改进未来版本。而Meta则将这一选项明码标价。

针对其新推出的Muse Spark模型——该模型主要用于运行编程及其他智能体——Meta为愿意通过分享提示词和模型输出来"贡献"未来模型开发的用户，提供了平均约95%的明确折扣。

在标准协议下，每100万输入Token的价格为1.25美元，但在贡献者定价模式下，同样数量的Token仅需10美分。对于输出Token，标准价格为每100万4.25美元，而贡献者模式下同样的数量仅需20美分。

Meta在获取训练数据方面一直不太顺利：今年早些时候，公司曾启动一项追踪员工电脑使用情况的计划，但该计划引发了内部广泛批评，并于6月被暂停。Meta方面并未回应TechCrunch就其新定价模式提出的问题。

这类用户数据对于提升智能体工具的性能至关重要。开源框架Pi的开发者马里奥·泽克纳上个月对TechCrunch表示："我们在2025年4月到10月之间看到（编程智能体）能力大幅跃升的原因，是Claude Code默认会存储用户的所有编程智能体会话，并将其用于强化学习训练。"

但即便模型构建者越来越迫切需要将智能体工具部署到软件工程以外的领域，他们评估和改进这些工具的能力仍然受制于许多专业工作流程的复杂性以及缺乏数字痕迹的问题。

普林斯顿大学计算机科学教授阿尔温德·纳拉亚南指出，有充分证据表明，大型企业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："这些企业依然选择按Token计费的企业版方案，尽管像Claude Max和ChatGPT Pro这样的消费级订阅方案价格便宜10到20倍，甚至更多！（这两类方案的主要区别在于数据保留政策和企业IT治理要求。）"

或许正是意识到了这种态势，Meta才向企业提供明确的补偿，以换取这些数据。其定价指南中提到，贡献者层级"降低了原型开发、集成测试和扩展实验的门槛，适用于那些可以接受用自身数据进行训练的场景"。

纳拉亚南认为，这种做法反过来也可能促使大型企业更加谨慎地区分哪些数据真正属于专有信息，哪些可以与模型提供商共享。

这一定价框架也可能进一步加剧前沿实验室之间日益激烈的价格竞争。Anthropic昨日发布的最新模型Fable和Mythos，降低了缓存Token的处理成本；而OpenAI的最新模型也已在7月底大幅降价。

Q&A

Q1：Meta的贡献者定价模式是什么？

A：这是Meta为其Muse Spark模型推出的一种定价方式，用户如果同意分享自己的提示词和模型输出用于未来模型训练，就能以远低于标准价格（平均约95%的折扣）使用该模型。

Q2：为什么大公司不愿意让数据被用于AI模型训练？

A：大公司担心数据泄露专有信息，因此更倾向选择按Token计费但不用于训练的企业版方案，即使这类方案比消费级订阅贵10到20倍。这类企业版方案通常也提供更强的数据保留控制和IT治理能力。

Q3：用户数据对提升AI智能体能力有什么作用？

A：用户在使用编程智能体等工具时产生的会话数据，可以被用于强化学习训练，从而显著提升模型能力。据开发者透露，这正是2025年编程智能体能力大幅跃升的关键原因之一。