Meta、プロンプト共有と引き換えにMuse Sparkを大幅値引き

導入

AIサービスの多くは、利用履歴を将来のモデル改善に使うかどうかをユーザーが選べるようにしている。MetaはMuse Sparkで、これをより直接的な取引に変えた。プロンプトとモデル出力の共有に同意する顧客には、API料金を大幅に割り引く。データ利用への同意が、プライバシー上の設定だけでなく、価格に反映される要素になった形だ。

主なポイント

• エージェント向けのモデル。 Muse Sparkは、コーディングや、モデルがツールを操作して作業を進める用途を想定している。この分野では、単発の質問と回答より、指示、操作、失敗、最終結果を含む連続した記録の方が改善に役立つ。
• 大幅な料金差。 標準契約では、入力100万トークンが1.25ドル、出力100万トークンが4.25ドル。コントリビューター料金では、それぞれ0.10ドルと0.20ドルになり、平均で約95％の値引きとなる。
• 条件付きの値下げ。 Metaの料金ガイドは、データを学習に使うことを受け入れられる場合の試作、連携テスト、実験拡大に適した料金層だと説明している。単純な値下げではなく、データの利用権をコスト構造に組み込んでいる。
• 学習データの確保が課題。 Metaは以前、モデル改善のため従業員のコンピューター利用を追跡する取り組みを始めたが、社内で批判を受け、6月に停止した。今回の料金制度について、同社はTechCrunchの質問に回答していない。

意味と影響

エージェントの性能向上には、現実の作業を継続的に記録し、評価できるデータが必要になる。オープンソースのハーネスPiを開発するMario Zechner氏は以前、Claude Codeが標準でコーディングエージェントのセッションを保存し、強化学習に利用していたことが、2025年の能力向上に寄与した可能性をTechCrunchに語った。重要なのは静的な文章だけでなく、ユーザーが仕事を分解し、ツールを呼び出し、失敗から復帰し、結果に到達する過程だ。

一方、企業データには慎重さが求められる。プリンストン大学のArvind Narayanan教授は、大企業が安価な消費者向けプランではなく、トークン課金の企業向けプランを選ぶ理由として、データ保持とITガバナンスの違いを挙げている。Metaの制度は、専有情報と共有可能な情報を切り分けるきっかけになり得るが、コスト削減のために共有範囲を広げる圧力にもなり得る。

顧客は、プロンプトや出力にソースコード、顧客情報、社内手順が含まれないかを確認し、保存期間、利用目的、撤回方法を明確にする必要がある。フロンティアモデルの値下げが続く中、エージェント製品の進化速度を左右するのは、推論料金だけでなく、高品質な業務データへのアクセスになるかもしれない。

出典：TechCrunch AI