Meta ha establecido un plan de precios más bajo para su recién lanzado modelo Muse Spark. Los usuarios que acepten compartir sus prompts y las salidas del modelo para el entrenamiento futuro pueden reducir el costo de llamada en aproximadamente un 95% en promedio en comparación con el plan estándar. Esto convierte la pregunta de "¿mantener los datos del usuario?" de una opción de privacidad en un intercambio de precio explícito.
Los datos compartidos pueden intercambiarse por precios bajos
Según los precios publicados por Meta, en el plan estándar, se cobran 1.25 dólares por cada 1 millón de tokens de entrada; en el plan "Precios para contribuyentes", el precio baja a 0.10 dólares. La diferencia en los precios de los tokens de salida es aún mayor: 4.25 dólares por cada 1 millón en el plan estándar y 0.20 dólares en el plan para contribuyentes.
Esto significa que los clientes que estén dispuestos a permitir que Meta utilice sus datos de interacción pueden probar agentes de codificación y otras aplicaciones de agentes con costos significativamente más bajos. Meta indica en su descripción de precios que este nivel ayuda a reducir la barrera para el desarrollo de prototipos, las pruebas de integración y la expansión de experimentos, siempre que los clientes acepten que sus datos se utilicen para el entrenamiento.
Los registros de uso real valen más
Para las empresas de modelos grandes, los registros de uso real se están volviendo cada vez más importantes, especialmente en agentes de codificación y herramientas de agentes más amplias. TechCrunch citó a Mario Zechner, desarrollador de la herramienta de código abierto Pi, quien afirmó que una mejora notable en la capacidad de los agentes de codificación a mediados de 2025 está relacionada con el hecho de que Claude Code guarda automáticamente las sesiones y las utiliza para el entrenamiento por aprendizaje por refuerzo.
A medida que los fabricantes de modelos desplazan su enfoque hacia flujos de trabajo especializados fuera de la ingeniería de software, obtener estos datos se vuelve más difícil. Muchos procesos empresariales son más complejos y generan menos huellas digitales rastreables, lo que limita la evaluación y la iteración de los modelos.
Las empresas valoran más la retención de datos
El profesor de ciencias de la computación de la Universidad de Princeton, Arvind Narayanan, indicó que las señales actuales muestran que las grandes empresas suelen rechazar permitir que sus datos se utilicen para el entrenamiento de modelos. Mencionó que, a pesar de que los planes de suscripción orientados al consumidor suelen ser 10 a 20 veces más baratos, muchas empresas optan por la versión empresarial con cobro por token, principalmente debido a los requisitos de retención de datos y gobernanza de TI empresarial.
Meta también enfrentó resistencia anteriormente en la obtención de datos de entrenamiento. Según informes, la empresa impulsó a principios de este año un plan para rastrear el uso de computadoras por parte de los empleados, pero generó críticas internas y lo suspendió en junio. Meta no respondió a la solicitud de comentarios de TechCrunch sobre el nuevo esquema de precios de Muse Spark.
Los modelos de vanguardia continúan la guerra de precios
Este precio también refleja que la competencia entre los fabricantes de modelos avanzados se está desplazando hacia estructuras de costos más detalladas. El día anterior, Anthropic lanzó los nuevos modelos Fable y Mythos y redujo el costo de procesamiento de tokens en caché. OpenAI también realizó una reducción significativa de precios para sus modelos más recientes a finales de julio.
En un contexto donde las capacidades de los modelos se aproximan, los precios, los métodos de obtención de datos y los requisitos de gobernanza de los clientes empresariales están convirtiéndose conjuntamente en nuevas variables de competencia en las plataformas de IA.