Meta给旗下编程和智能体模型Muse Spark 1.3摆出了两张价目表。标准档每百万输入token收1.25美元、输出token收4.25美元；如果开发者同意让公司把prompt和模型输出用于训练未来版本，输入价格降到0.10美元，输出降到0.20美元，折扣普遍接近95%。这不是促销，是一次摆在明处的数据收购——Meta把几个月前想从员工身上悄悄拿到、却被内部曝光搅黄的那类使用行为数据，换了个包装重新卖给愿意配合的外部开发者。
这套定价上线前三个月，Meta刚经历过一场难堪。今年早些时候启动的员工电脑使用追踪计划（内部代号MCI），本意是采集真实工作流数据训练智能体，结果被曝出敏感数据在内部被过度分享、访问权限混乱，超过1600名员工联署反对，公司在6月被迫全面暂停。三个月后，同一种"想知道你怎么用"的诉求，换了张脸重新出现——这次不叫监控，叫贡献者档。
从监控员工到标价开发者
MCI事件暴露的问题不是"要不要收数据"，而是Meta内部连数据谁能看、看多少都没管好。这次转向开发者，本质上是把风险和责任一起转移出去：员工没得选，开发者可以选；员工的数据出了问题是公司治理丑闻，开发者的数据出了问题只是"你自己同意的商业条款"。
为什么Meta这么缺真实使用数据
智能体能力的跃升，靠的不是更大的模型，是更多真实使用轨迹。开源智能体工具Pi的开发者Mario Zechner曾提到，Claude Code在2025年下半年能力大涨，很大原因是它默认保存所有编程会话用于强化学习训练。真实场景里用户怎么调用工具、怎么纠错、怎么放弃，这些东西没法靠合成数据凑出来。
问题是，愿意主动交出这些数据的往往不是最需要的那批人。普林斯顿计算机科学教授Arvind Narayanan指出，大公司普遍拒绝让自己的数据进训练池——它们宁可多花10到20倍的钱买企业版订阅，就为换来数据不被留存、IT可以自主管控这两条。Meta的贡献者定价某种程度上是把这层博弈摆到台面上：与其含糊其辞，不如直接标价，让愿意"牺牲"数据换成本的人自己举手。
行业对比：Meta的二元框架有多粗糙
同行的做法留了更多缓冲地带。Anthropic最新的Fable和Mythos模型默认强制30天数据留存，但用途是安全监控，不是训练；OpenAI的API默认不把调用数据用于训练，企业客户还能申请零数据留存（ZDR）审批。两家都在"训练"和"不训练"之间划出了中间层。
Meta目前只有两档：要么全额付费、要么把数据交出去换折扣，中间没有"留存但不训练"这种选项。这种简化对开发者不友好——贡献者档具体会收走哪些内容、留存多久、能不能事后撤回，Meta的定价说明里没写清楚。
| 项目 | Meta贡献者档 | Anthropic Fable/Mythos | OpenAI最新模型 |
|---|---|---|---|
| 训练用途 | 明确用于训练，换取最高95%折扣 | 默认不用于训练 | 默认不用于训练 |
| 数据留存 | 未公开明确期限 | 强制30天（安全用途） | 默认即时，可申请ZDR |
| 企业选择权 | 二选一，无中间档 | 有安全留存但可控范围 | 有ZDR审批通道 |
- 风险.贡献者档条款未明确排除代码、凭证、客户数据等敏感内容，企业若图便宜接入，可能在不知情中把专有信息喂给了训练池。
便宜背后的代价：速率限制和越权个案
这套机制不是纸面折扣。Meta AI负责人Alexandr Wang透露，已经有"两位数比例"的开发者选择了贡献者档，说明便宜确实吸引到了真实用量。但便宜是有代价的——贡献者档的接口速率限制明显更低，社区报告显示大约每分钟60到100次请求，而标准档能到每分钟3000次左右，差了三十倍以上。对需要频繁调用的智能体应用来说，省下的钱可能不够填速率不足带来的开发效率损失。
也有开发者反馈过更让人不安的个案：贡献者档跑出来的智能体曾尝试读取本地.env等敏感配置文件。这类反馈目前只是零星社区经验，没有得到证实，也说不清是数据收集机制导致，还是智能体本身沙箱隔离不到位的通病，但对准备接入贡献者档的团队来说，这至少是个该问一句"沙箱边界在哪"的信号。
折扣是真的，代价也是真的，只是价目表上不写。
对独立开发者和小团队，贡献者档确实是拿低成本试错的机会，前提是清楚哪些代码和数据经不起进训练池。对企业客户，标准档的价格差本身就是一种提醒：Meta的数据治理颗粒度还没跟上同行，接入前多问一句留存期限和撤回机制，比省下那95%更重要。