Meta为新推出的 Muse Spark 模型设置了一套更低价格的使用方案。用户如果同意共享提示词和模型输出，用于后续模型训练，调用成本平均可比标准方案低约 95%。这也让“是否保留用户数据”从隐私选项，变成了明确的价格交换。
共享数据可换低价
按照 Meta 公布的价格，标准方案下，每 100 万输入 token 收费 1.25 美元；在“贡献者定价”下，价格降至 0.10 美元。输出 token 的价格差距更大，标准方案为每 100 万个 4.25 美元，贡献者方案则为 0.20 美元。
这意味着，愿意让 Meta 使用交互数据的客户，可以用明显更低的成本测试编码代理和其他智能体应用。Meta在定价说明中称，这一层级有助于降低原型开发、集成测试和实验扩展的门槛，前提是客户接受其数据被用于训练。
真实使用记录更值钱
对大模型公司来说，真实使用记录正变得越来越重要，尤其是在编码代理和更广泛的智能体工具上。TechCrunch援引开源工具 Pi 的开发者 Mario Zechner 的说法称，2025 年中编码代理能力的一次明显提升，与 Claude Code 默认保存会话并将其用于强化学习训练有关。
随着模型厂商把重点转向软件工程之外的专业工作流，获取这类数据变得更难。许多企业流程更复杂，可追踪的数字痕迹也更少，这让模型评估和迭代受到限制。
企业更看重数据留存
普林斯顿大学计算机科学教授 Arvind Narayanan 表示，现有迹象显示，大公司通常不愿让自身数据被用于模型训练。他提到，尽管面向消费者的订阅方案价格往往便宜 10 倍到 20 倍，许多企业仍会选择按 token 计费的企业版，主要差别就在于数据留存和企业 IT 治理要求。
Meta此前在训练数据获取上也遇到阻力。报道称，该公司今年早些时候曾推动一项追踪员工电脑使用情况的计划，但在内部引发批评，并于 6 月暂停。对于 Muse Spark 的新定价安排，Meta没有回应 TechCrunch 的置评请求。
前沿模型继续打价格战
这套定价也反映出前沿模型厂商之间的竞争正在转向更细的成本结构。就在前一天，Anthropic发布新模型 Fable 和 Mythos，并下调了缓存 token 的处理成本。OpenAI也在 7 月底对最新模型进行了较大幅度降价。
在模型能力趋近的背景下，价格、数据获取方式和企业客户的治理要求，正一起成为 AI 平台竞争的新变量。
