Meta推AI模型新定价策略：用训练数据换最高95%费用折扣

多数AI工具允许用户选择拒绝将使用数据分享给模型开发商，用于改进后续版本。Meta却把这个逻辑翻转过来，给“同意分享”贴上了价签。该公司为新发布的编程智能体模型Muse Spark推出了一项贡献者定价：用户只要允许Meta把他们的提示词和模型输出用于训练下一代模型，就能获得平均约95%的费用折扣。

价格差异相当直观。按标准协议计费，处理100万个输入token（词元，模型读写文本的最小单位）价格是1.25美元，切换到贡献者定价后只要10美分，相当于砍到8%。输出token的差距同样惊人：标准价每百万个4.25美元，贡献者协议下仅为20美分。

Meta在这轮定价中瞄准的使用场景是编程与各类软件代理任务的开发和迭代。按官方定价指南的说法，贡献者级别“降低了原型开发、集成测试以及以数据训练为前置条件的规模化实验的入门门槛”。也就是说，愿意拿数据换低价的团队，可以更便宜地跑实验、调流程。

Meta对高质量训练数据的渴求并非秘密。该公司今年早些时候曾启动一项追踪员工电脑使用情况的计划，目的是为开发编程智能体收集训练素材，但方案招致大量内部批评，6月被迫暂停。此次面向外部客户推出贡献者定价，某种意义上是把数据采集通道从内部转向了公开市场。

这类用户数据对智能体工具的实际表现至关重要。开源工具链Pi的开发者Mario Zechner上月向TechCrunch谈到，2025年4月到10月之间编程智能体能力出现一次明显跃升，关键原因之一就是Claude Code默认保存所有编程会话，并把这些数据用于强化学习训练——大量真实操作轨迹可以给模型改进提供养分。

但即便模型开发商越来越想把智能体部署到软件工程以外的专业场景，评估和改进这些工具仍被同一个问题卡住：很多专业工作流程复杂、缺少数字化痕迹，模型开发商无法获得足够清晰的反馈信号来迭代系统。

普林斯顿大学计算机科学教授Arvind Narayanan在社交平台指出一个耐人寻味的现象：大型企业普遍不愿意把自己的数据交给模型开发商做训练，即使按量订阅的消费级套餐（如Claude Max、ChatGPT Pro）比按token计费的企业版便宜10到20倍，企业依然选择更贵的企业计划——两者最大的差别就在于数据留存和IT治理权限。

Meta的贡献者定价相当于把“数据许可”变成了一笔可以明码标价的交易。Narayanan认为，这种做法或许会促使大公司更仔细地审视内部数据——哪些真正属于需要严格保护的核心资产，哪些其实可以拿出去换取算力成本的大幅降低。当“数据换折扣”变成可选项，企业的数据治理颗粒度可能比以往更细。

这套框架也把价格竞争的压力传导给了前沿AI实验室的同行们。Anthropic前一天刚发布Fable和Mythos两款新模型，同步下调了缓存token的处理成本；OpenAI则在7月底对自家最新一批模型进行了大幅降价。各家在API定价上接连出招，说明前沿模型的竞争已从单纯的跑分比拼延伸到实际使用成本。

看到10美分和20美分这两个价格时，我愣了一下——想起好多年前琢磨着买一套正版软件，官网标价好几百，学生优惠也还是觉得肉疼。后来发现还有所谓“教育版”，填个学校邮箱就能打对折，付款那刻心头一松，好像自己占了天大便宜。如今看到Meta这操作才反应过来：原来软件厂商从那时起就想明白了，你想要便宜可以，但你得交出点别的东西。以前交的是学生身份证明，现在交的是使用记录和提示词。玩法升级了，味道倒是一点没变。唉，仔细想想，这世上哪有真白送的折扣，不过是把账单换了个口袋装而已。