大多数AI工具允许用户选择不共享使用数据，以保护隐私并避免数据被用于改进未来版本。而Meta则将这一概念变现，推出了付费激励机制。
针对其最新的Muse Spark模型——一款用于操作编码及其他智能代理的AI模型，Meta为那些愿意通过分享输入提示和模型输出数据来“贡献”于未来模型开发的用户，提供了高达约95%的显著折扣。
具体来说，标准协议下每百万输入token的费用为1.25美元，而贡献者价格仅需0.10美元。输出token的标准价格为每百万4.25美元，贡献者价格则降至0.20美元。
Meta此前在获取训练数据方面遇到不少阻力。今年早些时候，公司曾启动一项跟踪员工电脑使用情况的计划，但因内部强烈反对，于6月暂停。针对TechCrunch关于新定价模式的提问，Meta未作回应。
用户数据对于提升智能代理工具的性能至关重要。开源项目Pi的开发者Mario Zechner上月向TechCrunch表示，2025年4月至10月间，编码代理能力的大幅提升，正是因为Claude Code默认保存所有编码代理会话并将其用于强化学习训练。
尽管模型开发者越来越重视将智能代理工具应用于软件工程之外的场景，但由于许多专业工作流程复杂且缺乏数字痕迹，评估和改进这些工具仍面临挑战。
普林斯顿大学计算机科学教授Arvind Narayanan指出，有充分证据表明大型企业不愿将其数据用于模型训练。他在社交媒体上提到，企业通常坚持使用按token计费的企业计划，尽管订阅制的消费者计划如Claude Max和ChatGPT Pro价格低10倍甚至更多，主要差别在于数据保留和企业IT治理。
或许正是意识到这一点，Meta通过明确的补偿机制吸引企业共享数据。其定价指南指出，贡献者层级“降低了原型设计、测试集成和扩展实验的门槛，前提是可以在您的数据上进行训练”。
Narayanan认为，这可能促使大型企业更谨慎区分哪些数据是真正的专有数据，哪些可以与模型提供商共享。
此外，这一机制也反映了前沿实验室之间日益激烈的价格竞争。Anthropic昨日发布的新款Fable和Mythos模型降低了缓存token的处理费用，而OpenAI在7月底对最新模型进行了大幅降价。
