徽声在线9月4日讯（记者 王晓晨）在人工智能领域，优质训练数据的稀缺性一直是制约技术发展的关键因素。近日，Meta公司祭出一招创新策略：将原本在多数AI工具中作为免费选项的数据授权，转化为一项具有明确经济价值的交易。

据海外媒体当地时间周五的深入报道，针对其Muse Spark系列模型，Meta公司提出了一项诱人的优惠：对于那些愿意贡献自己的提示词及模型回复以用于未来模型训练的客户，将提供平均高达95%的模型调用费用折扣。

就在不久前的9月2日，Muse Spark系列迎来了最新成员——Muse Spark 1.3模型的发布。Meta首席执行官扎克伯格自豪地宣称，该模型在编程与智能体能力方面实现了公司迄今为止的最大飞跃。

为了更灵活地管理数据使用与模型调用，Meta为Muse Spark系列模型设计了"标准"（Standard）与"贡献者"（Contributor）两种服务模式：尽管两者调用的是同一模型，能力上并无差异，但核心区别在于Meta是否有权将用户的提示词与模型输出用于产品改进。

Meta明确表示，在标准服务模式下，用户的相关数据将不会被用于训练目的。

注：以下图表为Meta针对Muse Spark系列模型的官方定价概览

根据Meta官方发布的定价文档，在标准协议下，每百万输入token的收费为1.25美元，而在"贡献者"模式下，这一费用骤降至0.10美元；对于输出token，标准价格则为每百万4.25美元，贡献者模式则仅为0.20美元。

尤为引人注目的是，在"缓存输入token"这一细分领域——即智能体重复传输相同上下文时被缓存命中、无需重新计算的部分，价格差异更是惊人：标准档每百万token收费0.15美元，而贡献者档则低至0.002美元，相差近75倍。

数据的价值与价格

报道指出，Meta在获取训练数据的道路上并非一帆风顺。今年早些时候，该公司启动了一项旨在追踪员工电脑使用情况的计划，却因引发内部广泛争议而不得不在6月暂停。

用户数据对于提升智能体工具的性能至关重要。开源智能体框架Pi的开发者Mario Zechner指出："从2025年4月至10月期间，编程智能体能力的显著提升，很大程度上得益于Claude Code默认保存用户全部编程智能体会话，并将其用于强化学习训练。"

然而，当前厂商在获取这些宝贵数据时面临着双重挑战。

首要挑战在于数据的稀缺性。报道称，随着模型应用的重心从软件工程扩展至更广泛的行业领域，许多专业工作流程变得复杂且难以留下数字痕迹，这使得厂商既难以评估智能体的表现，也无法有效改进。

其次，即便数据存在，获取也并非易事。美国普林斯顿大学计算机科学教授Arvind Narayanan指出，有充分证据表明，大型企业往往不愿让自己的数据被用于模型训练，最直接的体现就是价格差异。

Narayanan在社交媒体上分析道，企业客户更倾向于选择按token计费的企业版方案，而非Claude Max、ChatGPT Pro等订阅制消费级方案，尽管后者在价格上要便宜10至20倍甚至更多；而这两类方案的主要区别就在于数据留存政策与企业IT治理。

这意味着，这些企业正在为"数据不进训练集"支付高昂的溢价。

或许正是基于对这一现实的深刻洞察，Meta选择了以明确的价格补偿来换取数据。

报道称，Muse Spark的定价指南将"贡献者"档定位为适用于"可以接受用你的数据进行训练"的场景，如原型搭建、系统集成测试、批量实验运行等，即那些尚未投入生产、数据敏感性较低的工作场景。

Narayanan认为，这一价格框架或许能够促使大型企业更加审慎地区分：哪些数据是真正的专有资产，哪些其实可以用于交换成本优势。

（徽声在线 王晓晨）