Tom Tunguz 解析 Meta Muse Spark 双轨定价背后的数据换算力逻辑

Meta 昨天发布了两样东西：一个最先进的模型，以及一套面向基础模型的全新定价体系。¹ Muse Spark 将美国开源模型推向了前沿。与此同时，这套定价体系重置了整个行业的商业逻辑。

三十年来，企业软件一直遵循严格的许可授权费模式，并承诺完全隐私与零数据留存。² 消费科技则遵循相反的原则：以免费软件换取行为数据。消费者用查询换取便利，而企业则极力保护自己的知识产权。

如今，这套模式正以一种变体进入 AI 领域。

Meta 的新定价通过一种双层定价结构——带隐私与不带隐私——将这种物物交换变得明确化：³

1. 标准层（muse-spark-1.3）： 输入 token 每百万 $1.25，输出 token 每百万 $4.25。你的提示词与生成内容绝不会被用于训练 Meta 的基础模型。
2. 贡献层（muse-spark-1.3-contributor）： 输入 token 每百万 $0.10，输出 token 每百万 $0.20。作为交换，输入侧享受 92% 折扣、输出侧享受 95% 折扣，而 Meta 保留在未来的模型训练中使用你数据的权利。

目前没有任何其他基础模型提供商在其 API 上提供这种明确的物物交换。这就是广告模式正在进入 AI 领域。

正如 Michael Mauboussin 在《预期投资》（Expectations Investing）中所写，价格中蕴含着信息。⁴ 当 Meta 对同一款 AI 收取两种截然不同的价格时，价格差异就告诉了我们数据的价值。

在智能体场景下 30:1 的输入输出比下，⁵ 标准档次的综合成本为每百万 token $1.35，而贡献者档次为每百万 token $0.103。两者之间的价差为每百万 token $1.24，相当于 92.3% 的有效补贴。

对于一家每天处理 10 亿模型 token 的企业来说，选择零数据保留（ZDR）相当于每年支付 45.4 万美元的隐私附加费。这一差额正是 Meta 对客户流入数据的定价：每百万 token 1.24 美元。

这相当于把每月 20 美元的消费者订阅拆开计价。Labs 之所以能承受固定费率消费者套餐带来的算力亏损，是因为默认条款授予了训练权——这是一种隐性的数据补贴，而 Meta 现在已将其按 token 正式定价。⁶

为什么要放弃 92% 的推理收入？这并非出于利他主义。

公共网络已被彻底爬取殆尽；前沿模型的进步如今来自后训练、基于 AI 反馈的强化学习，以及用户使用模式。据估计，训练数据与人工标注市场的年收入规模约为 100 亿美元。⁷

Meta 的定价模式绕过了这一中间环节。正如搜索和社交平台通过直接捕获用户行为数据，对数字广告供应链进行了垂直整合一样，Meta 正在对 AI 数据供应链进行垂直整合。Meta 并非付费给标注供应商来模拟人类行为，而是将其推理网络转变为自我供血的数据飞轮。

以每百万 token 补贴 1.24 美元的价格，⁸Meta 以远低于专业数据实验室的成本获取有机推理轨迹，同时在推理价格上低于闭源基础模型。

算力不再仅仅作为基础设施公用事业来出售。它已成为一种货币，可直接用来换取构建下一代前沿模型所需的训练 token。

最终，这解决了美国开源模式的商业难题。就像广告一样，这种交换很简单：以补贴性访问换取数据。

1. 开源模型迈向前沿。 ↩︎

2. 企业主服务协议与合规框架（SOC 2、ISO 27001、HIPAA）要求零数据留存，并禁止供应商利用客户数据进行模型训练。↩︎

3. Meta 模型 API、定价与数据条款。↩︎

4. Michael Mauboussin，《预期投资》（Expectations Investing）。↩︎

5. 饥饿难填的 AI 模型。↩︎

6. 按单个用户每月 1000 万 token 的使用量计算，$1.24/百万 token 的价差相当于每月 $12 的补贴。对于每月消耗 2000 万至 5000 万 token 的重度用户，数据补贴可达每月 $25 至 $62，与消费级订阅折扣相当。↩︎

7. @deedydas 在 X 上发布的《每一家销售 AI 训练数据的初创公司》。↩︎

8. 按每百万 token $1.24 计算，Meta 对每条 3000 token 的交互轨迹实际补贴约为 $0.0037。相比之下，专业人工标注供应商对领域专家按小时收费 $25 至 $100 以上，每条经核验的推理轨迹成本为 $5 至 $50。↩︎