Dos precios, un mismo modelo
Meta vende el acceso a Muse Spark, su modelo para programación y trabajo con agentes, a dos precios que se diferencian por si el cliente le permite entrenar con lo que le envía. TechCrunch informó del acuerdo el 3 de septiembre.
En el nivel estándar, Muse Spark cuesta 1,25 dólares por millón de tokens de entrada y 4,25 por millón de tokens de salida, y los prompts y las respuestas del cliente quedan fuera de la cadena de entrenamiento de Meta. En el nivel Contributor, el mismo modelo cuesta 0,10 y 0,20. Los tokens de salida son 21 veces más baratos; los de entrada, 12 veces. TechCrunch cifró el descuento combinado en torno al 95%.
Lo que Meta se lleva a cambio son los prompts, las respuestas del modelo y los patrones de uso que los rodean, y todo ello entra en el entrenamiento de modelos futuros. La propia documentación de precios de Meta describe el nivel como algo que rebaja “la barrera de entrada para prototipar, probar integraciones y escalar experimentos cuando entrenar con tus datos resulta aceptable”. Meta declinó hacer comentarios a TechCrunch.
Por qué esto difiere del arreglo habitual
Todos los grandes laboratorios tienen una postura sobre entrenar con datos de clientes, y casi todos la expresan como un valor por defecto con un interruptor: los productos de consumo entrenan por defecto y permiten desactivarlo; los contratos empresariales no entrenan y cuestan más. El intercambio es real, pero está difuso, repartido entre una página de condiciones y una pantalla de ajustes.
Meta ha hecho algo más estrecho y más legible: le ha puesto una cifra a los datos. Un desarrollador que elige entre 4,25 y 0,20 dólares por millón de tokens de salida está viendo, en la única unidad que importa en una conversación de compras, cuánto vale su tráfico de programación para un laboratorio de frontera.
El nivel tampoco es un experimento. Según TechCrunch, Meta probó primero la estructura con Muse Spark 1.2 en agosto de 2026 y la mantuvo en la 1.3, que la compañía publicó el 2 de septiembre.
Qué envían realmente los desarrolladores
El tráfico de programación vale tanto porque son datos de entrenamiento inusualmente buenos. Una sesión de agente contiene una tarea, una serie de intentos, llamadas a herramientas, mensajes de error y —lo decisivo— una señal de si la cosa funcionó. Eso es caro de sintetizar y difícil de comprar.
También es, en manos de un desarrollador que trabaja, material ajeno. Los prompts que salen de un agente de programación contienen de forma rutinaria código propietario, formas de API internas, detalles de infraestructura y, en ocasiones, credenciales. Quien pulsa para pasarse al nivel barato no suele ser quien es dueño de lo que hay en la ventana de contexto.
Arvind Narayanan, catedrático de informática en Princeton, declaró a TechCrunch que las grandes empresas tienden a evitar compartir datos propietarios y se quedan en los planes empresariales pese al mayor coste. Ese es el reparto previsible: el descuento golpea con más fuerza a los equipos pequeños y a los desarrolladores individuales, que tienen menos capacidad jurídica para razonar sobre lo que están cediendo y más sensibilidad al precio empujándolos a cederlo.
Qué vigilar
La pregunta interesante es si otros laboratorios lo siguen. Los niveles explícitos de datos por precio han existido en los márgenes —capas gratuitas que entrenan, capas de pago que no— pero no como cifra destacada en la página de API de un modelo de frontera.
Si OpenAI, Anthropic o Google publican un nivel comparable, el sector habrá establecido que los datos de entrenamiento tienen un precio unitario público, y toda negociación empresarial sobre tratamiento de datos partirá de ahí. Si ninguno lo hace, el nivel de Meta se leerá como lo que también puede ser: una empresa rezagada en datos comprando su camino hacia adelante.
