你让 AI Agent 帮公司改代码，它看到的可能不只是几句聊天，还包括代码库、业务逻辑和操作过程。现在，Meta 给这些交互记录开出了一个明确价码：同意把提示词和模型输出用于未来模型开发，调用其新模型 Muse Spark 就能便宜很多。
据 TechCrunch 报道，这项安排名为 contributor pricing。报道把平均优惠概括为约 95%，但具体看，输入价格下降 92%，输出价格下降约 95.3%；实际总折扣取决于输入、输出各用了多少，不能一概称为统一的“便宜 95%”。本文有关 Muse Spark 的信息均来自这篇单一报道，Meta 未回应其询问。
折扣换的不是抽象的“数据”
Muse Spark 面向 coding agents（能连续执行编程任务的 AI）及其他 Agent 场景。Agent 模型不只回答问题，还会分步骤行动、调用工具，因此可能接触代码库、账号和业务系统，留下的交互记录通常比普通聊天更敏感，也更有助于模型开发者观察真实任务如何完成。
Meta 的标准价格是：每 100 万个输入 token 收费 1.25 美元，contributor pricing 降至 0.10 美元；输出则从每 100 万 token 4.25 美元降至 0.20 美元。Token 是模型处理文字的基本计价单位，一个词可能拆成多个 token。
用户换取低价的条件，是分享 prompts 和 model outputs。Prompt 是交给模型的指令与上下文，输出是模型生成的结果。两者都可能含有代码、业务逻辑或个人信息。Meta 获得的是这些交互数据的训练使用权，而不是笼统意义上的“全部企业数据”。
Meta 的定价指南称，这一档位可以降低原型开发、集成测试和规模化实验的门槛，前提是用户接受其数据被用于训练。这是官方的推广性表述，但也把交易说得很直白：开发者少付模型调用费，Meta 多拿真实使用记录。
为什么 Agent 数据更值钱？
训练数据是模型用来调整内部参数、学习模式的材料。对 Agent 来说，真实工作流程尤其重要：模型在哪一步卡住、怎样调用工具、用户如何修正结果，都可能成为改进后续模型的线索。
TechCrunch 引述开发者 Mario Zechner 的判断称，Claude Code 默认保存编程 Agent 会话并用于强化学习训练，是 coding agent 能力在 2025 年 4 月至 10 月明显提升的原因。不过，这是一位受访者提出的因果解释，并非报道已经独立证实的结论。
定价也由此变成数据筛选机制。愿意分享低敏感度测试记录的团队，可以显著降低实验成本；处理专有代码、客户资料或内部系统的企业，则要判断折扣是否抵得过隐私、商业机密和治理风险。
这套逻辑并非全新。TechCrunch 和 Axios 曾报道，Meta 从 2016 年起通过 Project Atlas 每月最高支付 20 美元，招募包括青少年在内的用户安装 Facebook Research VPN，以观察应用使用和网络流量。2019 年项目曝光后，苹果撤销了相关企业证书，Meta 随后终止其 iOS 项目。相比之下，Muse Spark 把“数据换补贴”直接写进 API 价格表，更透明，也更商业化。
真正的竞争是价格，也是权利边界
TechCrunch 还把这项方案放在模型降价竞争中观察：Anthropic 于 2026 年 9 月 2 日发布 Fable 和 Mythos，并降低 cached tokens——模型重复利用已处理内容时涉及的 token——的处理成本；OpenAI 也在 7 月底大幅下调最新模型价格。由于这些信息同样只有该报道一个信源，这里不进一步比较降幅。
Muse Spark 更值得关注之处，不只是便宜，而是它把数据权利变成了可见的价格差。过去，用户常在设置页里选择是否允许训练；现在，Meta 让“不共享”与“共享”对应两张账单。Agent 越深入真实工作，这张账单背后的选择就越难被当作普通优惠看待。
局限与未知
- 报道没有披露 contributor pricing 的完整协议，例如数据保存期限、访问范围、删除机制及敏感信息处理方式。
- “约 95%”是平均化描述；输入降幅为 92%，输出约为 95.3%，最终优惠取决于实际 token 构成。
- 大企业因数据保留和 IT 治理而偏好 Enterprise 方案，以及相关方案存在 10 至 20 倍价差，来自受访学者的社交媒体概括，不能视为已经验证的普遍规律。