Meta为AI模型推出数据共享折扣

据TechCrunch报道，Meta近日针对其新款Muse Spark模型（Muse Spark 1.2、1.3）推出了一项颇具争议的定价策略：用户若同意共享自己的提示词和模型生成结果，为后续模型开发“作出贡献”，即可享受极大的价格优惠。这一做法与大多数AI工具允许用户选择退出数据共享的惯例形成鲜明对比，Meta直接为数据贡献行为明码标价，试图以经济激励换取用户的训练数据。

具体来看，在标准定价下，每百万Token输入费用为1.25美元，而贡献者定价仅为0.10美元，相当于原价的8%；每百万Token缓存命中输入费用为0.15美元，贡献者定价低至0.002美元，仅为原价的1.3%；每百万Token输出费用为4.25美元，贡献者定价为0.20美元，相当于原价的4.7%。如此大幅度的折扣，对于高频使用API的开发者或企业而言，无疑具有相当强的吸引力，但同时也意味着他们必须放弃对自身数据使用方式的控制权。

值得注意的是，Meta在获取训练数据方面此前已屡屡碰壁。今年早些时候，该公司曾启动一项追踪内部员工电脑使用情况的计划，结果引发广泛的内部抗议，并已于6月叫停。这一背景使得此次面向外部用户的数据共享折扣计划显得更加微妙：一方面，Meta迫切需要更多高质量的真实交互数据来优化其生成式AI模型；另一方面，如何在用户隐私与模型改进之间取得平衡，仍是其面临的重大挑战。

从行业角度看，Meta的此举可能开创一种新的数据获取模式。传统上，AI公司通常依赖公开数据集或用户被动产生的数据来训练模型，而主动以价格折扣换取明确授权的数据共享，在大型科技公司中并不常见。这或许反映了当前生成式AI领域对高质量对话数据的渴求，也可能引发关于数据价值与隐私边界的更广泛讨论。对于开发者而言，在享受超低定价的同时，也需要仔细评估数据共享的长期影响。