Meta给AI用户打折：用提示词和输出换取模型优惠

导语

AI模型厂商通常会允许用户选择是否将使用记录用于改进模型。Meta在Muse Spark上采取了更直接的做法：同意分享提示词和模型输出的用户，可以获得显著的API价格优惠。换言之，数据授权不再只是隐私设置，也成为一项可以量化的商业交换。

核心要点

• 面向智能体工作流。 Muse Spark主要用于编程以及其他需要模型操作工具、执行任务的智能体场景。对这类系统而言，单次问答并不能完整反映效果，连续的提示、操作过程和最终输出更有训练价值。
• 贡献者价格明显更低。 标准协议下，100万输入令牌价格为1.25美元，输出令牌为4.25美元；在贡献者方案下，价格分别降至0.10美元和0.20美元，整体折扣约为95%。
• 核心交换条件是数据分享。 Meta的定价说明称，该层级适合原型开发、集成测试和规模化实验，前提是企业接受相关数据用于训练。它并非无条件降价，而是把数据使用权纳入合同和成本结构。
• 训练数据正成为智能体竞争瓶颈。 Meta此前曾尝试追踪员工的电脑使用情况，以获取改进模型的数据，但项目遭到内部批评，并于6月暂停。公司没有回应TechCrunch对新定价模式的询问。

为什么重要

智能体能力的提升依赖真实、连续且可评估的任务记录。开源工具Pi的开发者Mario Zechner此前向TechCrunch表示，Claude Code默认保存编程智能体会话并用于强化学习训练，可能是相关能力在2025年出现明显跃升的原因之一。这说明，模型厂商争夺的不只是静态文本，也包括用户如何分解任务、调用工具、处理失败和完成工作。

但数据分享对企业尤其敏感。普林斯顿大学计算机科学教授Arvind Narayanan指出，大型公司往往宁愿采用按令牌计费的企业方案，也不愿使用价格更低的消费者订阅，关键差异就在于数据保留和企业治理。Meta的贡献者定价或许会促使企业更仔细地区分真正的专有数据与可以分享的数据，同时也可能让部分团队为了降本而扩大授权范围。

因此，这项政策既是价格竞争，也是数据治理测试。用户需要确认提示词和输出是否包含源代码、客户信息或内部流程；企业则应明确保留期限、使用范围和退出机制。随着模型厂商持续降价，谁能以更低成本获得高质量工作流数据，可能会成为智能体产品迭代速度的重要变量。

来源：TechCrunch AI