大多數 AI 工具都允許用戶選擇不與模型供應商分享其使用數據，以改進未來的版本。Meta 則將這個概念進一步發展，並為其定價。

針對其用於操作程式碼和其他代理的新模型 Muse Spark，Meta 為那些透過分享提示詞和模型輸出，來「貢獻」未來模型開發的用戶，提供了平均約 95% 的明確折扣。

根據標準協議，一百萬個輸入 token 的費用為 1.25 美元，但在貢獻者定價模型下，僅需 10 美分。至於輸出 token，標準價格為每百萬 4.25 美元，但在貢獻者模型下，同樣一百萬個 token 只需 20 美分。

Meta 在獲取訓練資料方面一直面臨困難：今年稍早啟動的一項追蹤員工電腦使用情況的計畫，引發了廣泛的內部批評，並於六月暫停。該公司並未回應 TechCrunch 關於其新定價模型的問題。

這類用戶數據對於改進代理工具的運作至關重要。開源工具 Pi 的開發者 Mario Zechner 上個月告訴 TechCrunch：「我們在 2025 年 4 月到 10 月之間看到 [程式碼代理] 能力大幅提升的原因是，Claude Code 預設會儲存所有程式碼代理會話，並將其用於強化學習訓練。」

然而，儘管模型開發者越來越傾向於將代理工具部署到軟體工程以外的領域，但由於許多專業工作流程的複雜性以及缺乏數位足跡，他們評估和改進這些工具的能力受到了阻礙。

普林斯頓大學電腦科學教授 Arvind Narayanan 指出，有充分證據顯示大型公司不希望他們的數據被用於模型訓練。

他在社群媒體上寫道：「他們堅持使用按 token 計費的企業方案，儘管像 Claude Max 和 ChatGPT Pro 這樣的訂閱制消費者方案有 10 到 20 倍甚至更多的折扣！（這些方案的主要區別在於數據保留和企業 IT 治理。）」

或許是意識到這些動態，Meta 正向公司提供明確的補償以獲取這些資訊。其定價指南指出，貢獻者層級「降低了原型開發、整合測試和擴展實驗的門檻，在這些情況下，使用您的數據進行訓練是可以接受的。」

Narayanan 認為，這反過來可能會激勵大型公司更仔細地審視哪些數據是真正的專有數據，哪些可以與模型供應商分享。

這個框架也可能加劇頂尖實驗室之間的價格競爭。Anthropic 昨天發布的最新 Fable 和 Mythos 模型，降低了處理快取 token 的成本，而 OpenAI 的最新模型也在七月底進行了大幅降價。