O Meta estabeleceu um plano de uso mais barato para o recém-lançado modelo Muse Spark. Os usuários que concordarem em compartilhar prompts e saídas do modelo para treinamento futuro podem reduzir o custo de chamada em cerca de 95% em comparação com o plano padrão. Isso transforma a questão “manter ou não os dados do usuário” de uma opção de privacidade em uma troca de preço explícita.
Dados compartilhados podem ser trocados por preços baixos
De acordo com os preços divulgados pelo Meta, no plano padrão, a taxa é de US$ 1,25 por 1 milhão de tokens de entrada; no plano "Precificação para Contribuidores", o preço cai para US$ 0,10. A diferença nos preços dos tokens de saída é ainda maior: US$ 4,25 por 1 milhão no plano padrão e US$ 0,20 no plano de contribuidores.
Isso significa que clientes dispostos a permitir que a Meta use dados de interação podem testar agentes codificados e outros aplicativos de agentes com custos significativamente mais baixos. A Meta afirma em suas informações de precificação que esse nível ajuda a reduzir a barreira para o desenvolvimento de protótipos, testes de integração e expansão de experimentos, desde que os clientes aceitem que seus dados sejam usados para treinamento.
Registros de uso real valem mais
Para empresas de grandes modelos, registros de uso real estão se tornando cada vez mais importantes, especialmente em agentes de codificação e ferramentas de agentes mais amplas. O TechCrunch citou Mario Zechner, desenvolvedor da ferramenta de código aberto Pi, dizendo que um aumento significativo na capacidade de agentes de codificação em meados de 2025 está relacionado ao Claude Code salvar automaticamente sessões e usá-las para treinamento por aprendizado por reforço.
À medida que as fabricantes de modelos mudam o foco para fluxos de trabalho especializados além da engenharia de software, torna-se mais difícil obter esses dados. Muitos processos empresariais são mais complexos e apresentam menos rastros digitais rastreáveis, limitando a avaliação e iteração dos modelos.
As empresas valorizam mais a retenção de dados
O professor de ciência da computação da Universidade de Princeton, Arvind Narayanan, afirmou que indícios atuais mostram que grandes empresas geralmente não desejam permitir que seus dados sejam usados para treinamento de modelos. Ele mencionou que, embora os planos de assinatura voltados ao consumidor sejam frequentemente 10 a 20 vezes mais baratos, muitas empresas ainda optam pela versão empresarial cobrada por token, com a principal diferença sendo os requisitos de retenção de dados e governança de TI empresarial.
O Meta também enfrentou resistência na aquisição de dados de treinamento anteriormente. Relatos indicam que a empresa impulsionou, no início deste ano, um plano para rastrear o uso de computadores pelos funcionários, mas isso gerou críticas internas e foi suspenso em junho. Em relação ao novo arranjo de precificação do Muse Spark, o Meta não respondeu ao pedido de comentário da TechCrunch.
Os modelos de ponta continuam a travar uma guerra de preços
Este preço também reflete que a competição entre fornecedores de modelos avançados está se voltando para estruturas de custo mais detalhadas. No dia anterior, a Anthropic lançou os novos modelos Fable e Mythos e reduziu o custo de processamento de tokens em cache. A OpenAI também realizou uma redução significativa de preços para seus modelos mais recentes no final de julho.
No contexto em que as capacidades dos modelos estão se aproximando, os preços, os métodos de obtenção de dados e os requisitos de governança de clientes corporativos estão se tornando novas variáveis na competição entre plataformas de IA.