To priser, én modell
Meta selger tilgang til Muse Spark, selskapets modell for koding og agentarbeid, til to priser som skiller seg etter om kunden lar Meta trene på det som sendes inn. TechCrunch omtalte ordningen 3. september.
På standardnivået koster Muse Spark 1,25 dollar per million inndatatoken og 4,25 dollar per million utdatatoken, og kundens ledetekster og svar holdes utenfor Metas treningskjede. På Contributor-nivået koster den samme modellen 0,10 og 0,20. Utdatatoken blir 21 ganger billigere, inndatatoken 12 ganger. TechCrunch anslo den samlede rabatten til rundt 95 prosent.
Det Meta får igjen, er ledetekstene, modellens svar og bruksmønstrene rundt dem, og alt dette går inn i treningen av framtidige modeller. Metas egen prisdokumentasjon beskriver nivået som noe som senker «terskelen for å prototype, teste integrasjoner og skalere eksperimenter der trening på dine data er akseptabelt». Meta ville ikke kommentere overfor TechCrunch.
Hvorfor dette skiller seg fra den vanlige ordningen
Alle de store laboratoriene har et standpunkt om å trene på kundedata, og de fleste uttrykker det som en forhåndsinnstilling med en bryter: forbrukerprodukter trener som standard og lar deg si nei, bedriftsavtaler trener ikke og koster mer. Byttet er reelt, men diffust, spredt over en vilkårsside og en innstillingsskjerm.
Meta har gjort noe smalere og mer lesbart: satt et tall på dataene. En utvikler som velger mellom 4,25 og 0,20 dollar per million utdatatoken, får se, i den eneste enheten som betyr noe i en innkjøpssamtale, hva kodetrafikken hans er verdt for et frontlaboratorium.
Nivået er heller ikke et eksperiment. Ifølge TechCrunch prøvde Meta først strukturen med Muse Spark 1.2 i august 2026 og videreførte den i 1.3, som selskapet slapp 2. september.
Hva utviklere faktisk sender
Grunnen til at kodetrafikk er verdt så mye, er at den er uvanlig gode treningsdata. En agentsesjon inneholder en oppgave, en rekke forsøk, verktøykall, feilmeldinger og — avgjørende — et signal om hvorvidt det virket. Det er dyrt å syntetisere og vanskelig å kjøpe.
Den er også, i hendene på en utvikler i arbeid, andres materiale. Ledetekster fra en kodeagent inneholder rutinemessig proprietær kildekode, interne API-former, infrastrukturdetaljer og av og til påloggingsopplysninger. Den som klikker seg over til det billige nivået, er ofte ikke den som eier det som ligger i kontekstvinduet.
Arvind Narayanan, professor i informatikk ved Princeton, sa til TechCrunch at store bedrifter som regel unngår å dele proprietære data og blir værende på bedriftsavtalene tross høyere kostnad. Det er den ventede fordelingen: rabatten slår hardest mot små team og enkeltutviklere, som har minst juridisk kapasitet til å vurdere hva de gir fra seg, og mest prisfølsomhet som driver dem til å gi det.
Hva man bør følge
Det interessante spørsmålet er om andre laboratorier følger etter. Uttrykkelige data-mot-pris-nivåer har eksistert i utkanten — gratisnivåer som trener, betalnivåer som ikke gjør det — men ikke som et framtredende tall på API-siden til en frontmodell.
Om OpenAI, Anthropic eller Google publiserer et sammenlignbart nivå, har bransjen slått fast at treningsdata har en offentlig enhetspris, og enhver bedriftsforhandling om databehandling vil ta utgangspunkt i den. Om ingen gjør det, vil Metas nivå bli lest som det det også kan være: et selskap som ligger etter på data og kjøper seg framover.
