Meta于9月4日宣布，针对其新款Muse Spark系列模型（包括1.2和1.3版本）推出一项数据共享折扣计划。该计划允许用户通过同意共享提示词（Prompt）和模型生成结果来获取大幅价格优惠，贡献者定价最低仅为标准定价的1.3％。这一举措与业界普遍允许用户选择退出数据共享的惯例形成鲜明对比。
根据Meta公布的定价方案，在标准定价下，每百万Token输入费用为1.25美元，而贡献者仅需支付0.10美元，折扣幅度达92％；每百万Token缓存命中输入费用为0.15美元，贡献者定价仅为0.002美元，折扣幅度达98.7％；每百万Token输出费用为4.25美元，贡献者定价为0.20美元，折扣幅度达95.3％。这意味着，选择参与数据共享的用户在各项计费维度上都能享受到极为显著的成本削减。
Muse Spark是Meta在生成式AI领域的重要布局。据此前发布的信息，Muse Spark 1.3版本在编码能力上已超越GPT-5.6 Sol，显示出Meta在AI模型性能竞赛中的积极姿态。此次折扣计划的推出，旨在通过经济激励手段扩大模型的使用规模，同时积累更多真实的用户交互数据，以用于后续模型的迭代与优化。
Meta在获取高质量训练数据方面一直面临挑战。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，意图收集员工行为数据，但该计划引发了广泛的内部抗议，最终于6月被叫停。此次面向外部用户的数据共享折扣计划，可视为Meta在数据获取策略上的一次调整，将重心从内部转向外部生态参与者。
从行业视角来看，Meta此举打破了AI服务中数据使用的默认框架。目前，主流AI工具普遍允许用户选择退出数据共享，以保护隐私和使用记录不被用于模型训练。Meta则通过价格杠杆将数据贡献转化为一种可量化的商业交换，用户以数据使用权换取更低的算力成本。这种模式在短期内可能吸引对成本敏感的开发者和小型团队，尤其是在高频调用场景下，折扣带来的成本节省将十分可观。
然而，该计划也引发了对数据安全与隐私边界的关注。用户共享的提示词和生成结果中可能包含敏感的业务信息或个人信息，即便Meta承诺仅用于模型开发，数据的二次使用和长期存储仍存在不确定性。对于企业级用户而言，在合规框架下评估数据共享的风险与收益，将成为是否参与该计划的关键考量。
截至发稿，Meta尚未公布该计划的具体实施细节，包括数据脱敏机制、用户退出路径以及数据保留期限。随着Muse Spark系列模型的持续迭代，这一数据共享定价模式能否成为行业新范式，仍有待观察。对于AI服务提供商而言，如何在模型性能提升与用户数据权益保护之间取得平衡，将是一个长期议题。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
