To priser, én model
Meta sælger adgang til Muse Spark, selskabets model til kodning og agentarbejde, til to priser, der adskiller sig efter, om kunden lader Meta træne på det, der sendes ind. TechCrunch omtalte ordningen den 3. september.
På standardniveauet koster Muse Spark 1,25 dollar per million indgangstokens og 4,25 dollar per million udgangstokens, og kundens prompts og svar holdes uden for Metas træningskæde. På Contributor-niveauet koster den samme model 0,10 og 0,20. Udgangstokens bliver 21 gange billigere, indgangstokens 12 gange. TechCrunch satte den samlede rabat til omkring 95 procent.
Det, Meta får til gengæld, er promptsene, modellens svar og brugsmønstrene omkring dem, og det hele indgår i træningen af fremtidige modeller. Metas egen prisdokumentation beskriver niveauet som noget, der sænker »barrieren for at prototype, teste integrationer og skalere eksperimenter, hvor træning på dine data er acceptabel«. Meta ville ikke kommentere over for TechCrunch.
Hvorfor dette adskiller sig fra den sædvanlige ordning
Alle de store laboratorier har en holdning til at træne på kundedata, og de fleste udtrykker den som en standardindstilling med en kontakt: forbrugerprodukter træner som udgangspunkt og lader dig sige fra, erhvervsaftaler træner ikke og koster mere. Byttet er reelt, men diffust, spredt over en vilkårsside og en indstillingsskærm.
Meta har gjort noget snævrere og mere læsbart: sat et tal på dataene. En udvikler, der vælger mellem 4,25 og 0,20 dollar per million udgangstokens, får at se, i den eneste enhed der tæller i en indkøbssamtale, hvad hans kodetrafik er værd for et frontlaboratorium.
Niveauet er heller ikke et forsøg. Ifølge TechCrunch afprøvede Meta først strukturen med Muse Spark 1.2 i august 2026 og førte den videre i 1.3, som selskabet udgav den 2. september.
Hvad udviklere faktisk sender
Grunden til, at kodetrafik er så meget værd, er, at det er usædvanligt gode træningsdata. En agentsession indeholder en opgave, en række forsøg, værktøjskald, fejlmeddelelser og — afgørende — et signal om, hvorvidt det virkede. Det er dyrt at syntetisere og svært at købe.
Det er også, i hænderne på en udvikler på arbejde, andres materiale. Prompts fra en kodeagent indeholder rutinemæssigt proprietær kildekode, interne API-former, infrastrukturdetaljer og indimellem loginoplysninger. Den, der klikker sig over på det billige niveau, er hyppigt ikke den, der ejer det, som ligger i kontekstvinduet.
Arvind Narayanan, professor i datalogi ved Princeton, sagde til TechCrunch, at store virksomheder som regel undgår at dele proprietære data og bliver på erhvervsaftalerne trods den højere pris. Det er den ventede opdeling: rabatten rammer hårdest hos små hold og enkeltudviklere, der har mindst juridisk kapacitet til at vurdere, hvad de giver fra sig, og mest prisfølsomhed, der skubber dem til at gøre det.
Hvad man bør følge
Det interessante spørgsmål er, om andre laboratorier følger efter. Udtrykkelige data-mod-pris-niveauer har eksisteret i udkanten — gratisniveauer der træner, betalingsniveauer der ikke gør — men ikke som et fremtrædende tal på API-siden for en frontmodel.
Hvis OpenAI, Anthropic eller Google offentliggør et sammenligneligt niveau, har branchen fastslået, at træningsdata har en offentlig enhedspris, og enhver erhvervsforhandling om databehandling vil tage afsæt i den. Hvis ingen gør det, vil Metas niveau blive læst som det, det også kan være: et selskab, der er bagud på data og køber sig frem.
