Meta正在为旗下最新的Muse Spark AI模型（1.2及1.3版本）引入一项颇具争议的定价策略。与业界普遍允许用户“选择退出”数据共享的惯例不同，Meta选择将这一选择权转化为直接的商业折扣，鼓励用户以数据换取更低的调用成本。

根据官方公布的价目表，这一折扣力度相当显著。在标准定价下，每百万Token的输入费用为1.25美元，而同意参与数据共享的“贡献者”仅需支付0.10美元，降幅达到92%。输出侧的价格差异同样悬殊，标准费用为每百万Token 4.25美元，贡献者定价仅为0.20美元，相当于原价的4.7%。此外，缓存命中输入的贡献者价格低至每百万Token 0.002美元，仅为标准费用0.15美元的1.3%。

这一策略的核心逻辑在于，用户通过共享自己的提示词（Prompt）与模型生成结果，能够为Meta后续的模型迭代提供宝贵的真实世界交互数据。在AI行业训练数据日益稀缺的背景下，Meta此举意在将推理阶段产生的数据流转化为模型改进的燃料。

值得注意的是，Meta在获取训练数据方面并非一帆风顺。今年早些时候，该公司曾试图通过追踪内部员工电脑使用情况来收集数据，但该计划引发了广泛的内部抗议，最终于6月被叫停。此次面向外部用户推出的折扣换数据方案，可以被视为Meta在数据获取路径上的又一次商业化尝试。

对于开发者与企业用户而言，这一价格体系无疑具有吸引力，尤其是在处理大规模推理任务时，成本节省将相当可观。然而，代价是放弃对自身交互数据的控制权，这也引发了关于数据隐私与模型偏见风险的讨论。在数据价值被重新定义的当下，Meta正在用真金白银为用户的每一次交互标价。