科技巨头Meta近日推出了一款名为Muse Spark的新AI模型，目标明确指向编码操作及其他AI代理应用。与之相伴的，是一套不同寻常的定价策略：如果用户愿意将使用过程中的提示词（prompts）和模型输出（outputs）分享给Meta，就能享受平均约95%的折扣。换言之，原本100美元的服务，可能只需支付5美元。
什么是Muse Spark？
据TechCrunch报道，Muse Spark是Meta为“操作编码和其他代理”而设计的模型。也就是说，它不仅要回答问题，更要学会执行任务——比如理解用户的编程意图、调用工具、修改代码等。这类模型需要大量真实操作数据来优化，而并非仅仅依靠静态训练语料。
Meta将这一折扣方案描述为鼓励用户“贡献”于未来模型的开发。但外界的解读显然更为直白：这是Meta在付费获得用户与模型之间的真实互动数据。相比雇佣数据标注团队或合成数据，真实用户在实际工作流中产生的提示词与输出，往往更能暴露模型的弱点与潜在改进方向。
“用户每一次点击、每一次修改、每一次对错误答案的重新提问，都是模型进化最珍贵的养料。”——一位不愿具名的AI研究员如此评论。
数据换折扣：划算还是隐患？
从商业角度看，Meta的策略并不难理解。AI模型训练进入瓶颈期后，高质量、高上下文的数据成为稀缺资源。OpenAI、Google等公司也在通过API调用数据、人工反馈等方式获取类似信息。Meta敢于给出95%的价格让步，说明它判断这些“贡献”数据的长期价值远高于短期收入损失。
然而，对用户而言，这一看似“薅羊毛”的折扣背后隐藏着值得审视的隐私交换。尽管Meta通常声称会在脱敏后使用数据，但提示词本身可能包含商业机密、源代码片段、内部工作流程等敏感信息。若这些数据被用于训练未来的模型，会不会在某个时刻被“复现”出来？这并非杞人忧天——此前已有研究表明，语言模型可能记住并输出训练时见过的独特内容。
对此，Meta在条款中是否提供了明确的退出机制？数据共享的范围是否包含原始输入与输出？用户是否清楚自己“贡献”的究竟是什么样的数据？这些细节都可能影响用户的选择——而现实中，多数人可能只会被95%的折扣数字吸引，鲜少细读长而复杂的服务协议。
编者按：AI时代的新型“注意力经济”
从互联网早期的“免费服务换广告”到如今的“折扣服务换训练数据”，商业模式的底层逻辑并未改变：企业用便利或低价换取用户产生的数据价值。但在AI时代，数据的运用方式更加隐蔽、影响更为深远——它不再是推送一条精准广告，而是塑造一个可能在未来被广泛使用的智能体，其中就包含你曾经喂给它的思考。
Meta此次的折扣计划，或许将进一步模糊“消费”与“劳动”的边界。用户在使用AI时，已经无意中成为了模型训练的一环。这种“微任务劳动”是否应该获得更多报酬？是否应该采用更为透明、公平的机制来补偿数据提供者？这些问题显然不会因为一次95%的折扣而得到解决。
对于开发者和企业用户来说，在使用Muse Spark时不妨问自己：这5%的价格，我真的付得起吗？——不是指金钱，而是指数据与隐私的代价。
本文编译自TechCrunch
© 2026 Winzheng.com 赢政天下 | 转载请注明来源并附原文链接