# Meta 给模型 API 定了两档价：要隐私就贵 92%，交出提示词数据就便宜

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

- 来源：AI HOT 精选
- 发布时间：2026-09-03T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/54583
- 原文：https://tomtunguz.com/the-ads-model-for-prompts-vertically-integrates-ai

## 摘要

Meta 的 Muse Spark 1.3 模型有两种付费方式。选私有模式，输入每百万 token 收 1.25 美元，输出收 4.25 美元；如果同意让 Meta 拿你的数据去训练，输入只要 0.10 美元，输出 0.20 美元。这中间 92% 的差价，等于给用户的提示词数据标了个价：每百万 token 值 1.24 美元。Tom Tunguz 把这...

## 推荐理由

Tunguz 把 Meta 的双轨定价拆成了一道算术题：同意数据被训练，推理费就只剩私有价的 8%。这等于把“数据换算力”从口号变成了可计算的商业条款。没给更高分是因为目前只有他一家这么解读，Meta 官方没确认这个定价逻辑，而且模型实际表现和训练数据使用范围正文也没展开。

## 锐评

Tom Tunguz 把这事说得很透：Meta 新模型 Muse Spark 1.3 搞了个双轨定价。选私有模式，输入每百万 token 1.25 美元，输出 4.25 美元；同意让 Meta 拿数据去训练，输入直接降到 0.10 美元，输出 0.20 美元。这中间 92% 的价差，等于给用户的提示词数据标了个公开市场价——每百万 token 值 1.24 美元。

这个定价逻辑很直接。对一家每天跑 10 亿 token 的公司来说，选私有模式一年得多花 45 万多美元，这就是 Meta 眼里你数据的价值。文章认为，Meta 不是在做慈善，而是绕开了传统的数据标注商，把推理网络变成了一个自筹资金的“数据飞轮”。用远低于专业数据实验室的成本，直接获取用户真实的推理过程来训练下一代模型。

不过，文章没提这种模式下数据安全的具体保障措施，也没讨论企业如果中途想从“贡献者”切回“私有”模式，历史数据怎么处理。另外，这个价差是基于 Meta 自己定的两个价格算出来的，不是独立第三方市场形成的，所以“数据值 1.24 美元”这个判断，得先打个折。