Meta új árazási modellt vezetett be a Muse Spark nevű modelljéhez: azok a felhasználók és vállalatok, akik engedélyezik, hogy Meta felhasználja a promptjaikat és a modell-kimeneteket a jövőbeli modellek fejlesztéséhez, jelentős, átlagosan mintegy 95%-os kedvezményt kapnak.
Miben más a contributor (hozzájáruló) árképzés
A standard árlistához képest a contributor (hozzájáruló) csomag tokenenként jóval olcsóbb. A példaként közölt számok szerint:
- Bemeneti (input) tokenek: 1 millió input token standard esetben 1,25 dollárba kerül; contributor árazásnál ugyanaz 0,10 dollár.
- Kimeneti (output) tokenek: 1 millió output token standard ára 4,25 dollár; contributor árazásnál ugyanez 0,20 dollár.
A Meta árjegyzéke szerint a contributor szint „csökkenti a belépési küszöböt prototípusok, integrációs tesztek és olyan kísérletek skálázásához, ahol elfogadható a saját adataira történő betanítás.”
Miért fontos ez a modellfejlesztés szempontjából
Az üzem közbeni felhasználói interakciók — különösen az ügynököket (agentek) működtető munkamenetek promptjai és kimenetei — kritikusak a modellek javításához és a megerősítéssel történő tanulási technikákhoz. Mario Zechner, a nyílt forráskódú Pi eszköz fejlesztője szerint a kódoló ügynökök képességeiben tapasztalt jelentős javulás egyik oka az volt, hogy Claude Code alapértelmezés szerint eltárolta a kódoló ügynök munkameneteket és használta azokat megerősítéses tanulási edzésekhez (a forrás megjelölése szerint az adott megugrás 2025 áprilisa és októbere között történt).
Ugyanakkor a vállalati és professzionális munkafolyamatok sokszor komplexek és digitális nyomokban szegények, ami megnehezíti, hogy a modellek építői megfelelő mennyiségű, valós használati adatot gyűjtsenek a külső alkalmazásokhoz.
A háttér: belső adatgyűjtési kísérlet és vállalati fenntartások
Meta korábban idén elindított egy belső kezdeményezést az alkalmazottak számítógép‑használatának nyomon követésére, ami széles belső bírálatot váltott ki és júniusban felfüggesztették. A Meta nem válaszolt a TechCrunch kérdésére az új árazási modell kapcsán.
Princetonból Arvind Narayanan számítógéptudományi professzor rámutatott, hogy a nagyvállalatok sokszor nem akarják, hogy az adataikat modelltréninghez használják. Narayanan megjegyezte, hogy a vállalati ügyfelek sokszor a tokenalapú Enterprise terveknél maradnak, még akkor is, ha a fogyasztói előfizetéses csomagok (például Claude Max és ChatGPT Pro) 10x–20x vagy még nagyobb kedvezménnyel elérhetők; a fő különbség a csomagok között az adatmegőrzés és a vállalati IT‑irányelvek kezelése.
Mi a stratégia célja és hogyan hat a versenyre
A contributor árszint bevezetése egyértelműen pénzügyi ösztönzést ad arra, hogy vállalatok és fejlesztők megosszák használati adataikat a modellszolgáltatóval. Narayanan szerint ez arra ösztönözheti a nagyobb cégeket, hogy tudatosabban különítsék el, mi minősül valóban védett, szabadalmazott információnak és mi az, amit meg lehet osztani a szolgáltatókkal.
Ugyanakkor az árverseny a nagy modellező laborok között is erősödik: például Anthropic tegnap jelentette be a Fable és Mythos modelleket csökkentett költségekkel a gyorsítótárazott tokenfeldolgozásra, míg az OpenAI július végén jelentős árcsökkentéseket vezetett be. Meta új megközelítése tehát részben a piaci verseny része, részben pedig eszköz az értékes felhasználói interakciós adatok megszerzésére.
Összegzés
A Muse Spark contributor árazása lényegesen olcsóbb tokenköltségeket kínál azoknak, akik hozzájárulnak a használati adatok megosztásához, és ezzel a Meta egyértelműen próbál több valós ügynök‑interakciós adatot szerezni a modellek fejlesztéséhez. A lépés a vállalati aggodalmak és a korábbi belső adatgyűjtési kísérlet után érkezik, és a piaci árcsökkentési hullámmal együtt azt mutatja, hogy a laborok most pénzügyi ösztönzőkkel is próbálják kielégíteni a fejlesztési célokhoz szükséges adatigényt.
