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，这套定价体系也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授权许可费模式，并以完全隐私和零数据留存作为保障。2 消费技术则遵循相反的原则：以免费软件换取行为数据。消费者用查询换取便利，但企业却极力保护自己的知识产权。

如今，这种模式正以一种变通的方式进入 AI 领域。

Meta 的新定价通过一种双层定价结构，将这种“以物易物”明确化——分为带隐私保护和不带隐私保护两档：3

标准档（muse-spark-1.3）：输入 token 每百万 $1.25，输出 token 每百万 $4.25。你的提示词和生成内容绝不会被用于训练 Meta 的基础模型。

贡献者档（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，输入可享受 92% 折扣、输出可享受 95% 折扣，而 Meta 保留使用你的数据训练未来模型的权利。

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“以物易物”模式。这就是广告模式进入 AI 领域的开端。

正如迈克尔·莫布森在《预期投资》中所写，价格中蕴含着信息。当 Meta 对同一款 AI 收取两种截然不同的价格时，价格差异就告诉我们数据的价值。

按照智能体场景下 30:1 的输入输出比计算，标准档次的混合价格是每百万 token $1.35，而贡献者档次则是每百万 token $0.103。两者之间每百万 token 有 $1.24 的价差，相当于 92.3% 的有效补贴。

每日 token 用量 每月 token 数 年度成本（私有 / ZDR） 年度成本（数据共享） 年度数据分红

每天 1000 万 token 3 亿 $4,916 $377 $4,539

每天 1 亿 token 30 亿 $49,157 $3,768 $45,389

每天 10 亿 token 300 亿 $491,573 $37,677 $453,895

对于一家每天处理 10 亿 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方式：每百万 token 1.24 美元。

这打破了每月 20 美元的消费者订阅模式。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使用权，这相当于一种隐性的数据补贴，而 Meta 现在已将其按 token 正式定价。

为什么要放弃 92% 的推理收入？这并非出于利他主义。

公开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。

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获取用户行为数据，纵向整合了数字广告供应链一样，Meta 正在纵向整合 AI 数据供应链。Meta 不是付费给标注供应商来模拟人类行为，而是将其推理网络变成一个自我供血的数据飞轮。

以每百万 token 补贴 1.24 美元的价格，Meta 以远低于专业数据实验室的成本获取了有机推理轨迹，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，直接用于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型的商业模式问题。就像广告一样，这种以物易物很简单：以补贴式访问换取数据。

开源模型正迈向前沿。↩︎

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

Meta 模型 API、定价与数据条款。↩︎

Michael Mauboussin，《预期投资》。↩︎

饥饿的 AI 模型。↩︎

按单个用户每月 1000 万 token 的使用量计算，$1.24 的价差每月可产生 $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，与消费者订阅折扣相当。↩︎

X 平台上的 @deedydas，列出了每一家销售 AI 训练数据的初创公司。↩︎

按每百万 token $1.24 计算，Meta 对每条 3000 token 的交互轨迹的有效补贴为 $0.0037。相比之下，专业人工标注供应商对领域专家收取每小时 $25 至 $100+ 的费用，每条经核验的推理轨迹成本为 $5 至 $50。↩︎