تخفیف ۹۵ درصدی جدیدترین مدل هوش مصنوعی متا در ازای دسترسی به داده‌های کاربران

متا با ارائه تخفیف خیره‌کننده ۹۵ درصدی روی مدل هوش مصنوعی جدید Muse Spark، رویکرد نوینی در پیش گرفته و عملا در ازای دسترسی به داده‌های تعامل کاربران برای آموزش مدل‌های بعدی به آن‌ها پاداش مالی می‌دهد.

بیشتر ابزارهای هوش مصنوعی این امکان را در اختیارتان می‌گذارند که از به‌اشتراک‌گذاری نحوه استفاده خود با ارائه‌دهنده مدل—جهت بهبود نسخه‌های آتی—انصراف دهید (Opt-out). اکنون غول فناوری جهان همین ایده را دستمایه قرار داده و برای آن مشوق و مابه‌ازای مالی تعیین کرده است.

ساختار قیمت‌گذاری و سازوکار مشارکت در مدل هوش مصنوعی متا

متا برای مدل جدید خود موسوم به Muse Spark، که به‌منظور اجرای ایجنت‌های کدنویسی و سایر عامل‌های خودکار طراحی شده، تخفیف چشمگیری به‌طور میانگین در حدود ۹۵ درصد برای کاربرانی در نظر گرفته است که حاضرند از طریق به‌اشتراک‌گذاری پرامپت‌ها و خروجی‌های مدل، در توسعه مدل‌های بعدی «مشارکت» داشته باشند.

در حالی که هزینه پردازش هر یک میلیون توکن ورودی در چارچوب یک توافق‌نامه استاندارد ۱٫۲۵ دلار است، همین میزان توکن تحت طرح قیمت‌گذاری ویژه مشارکت‌کنندگان تنها ۱۰ سنت تمام می‌شود. برای توکن‌های خروجی نیز قیمت استاندارد به‌ازای هر یک میلیون توکن ۴٫۲۵ دلار تعیین شده، اما در طرح مشارکت، قیمت پردازش هر یک میلیون توکن به تنها ۲۰ سنت کاهش می‌یابد.

چالش داده‌های آموزشی و نقش حیاتی ایجنت‌ها

متا برای جمع‌آوری داده‌های آموزشی مسیر ناهمواری را پشت سر گذاشته است؛ طرحی که اوایل سال جاری میلادی برای رصد نحوه کار با رایانه توسط کارمندان این شرکت کلید خورده بود، موجی گسترده از انتقادات داخلی را برانگیخت و در نهایت در ماه ژوئن متوقف شد. این شرکت به پرسش رسانه تک‌کرانچ (TechCrunch) درباره ساختار قیمت‌گذاری جدید خود پاسخی نداد.

این دسته از داده‌های کاربران نقشی حیاتی در بهبود عملکرد ابزارهای ایجنتی دارند. ماریو زکنر (Mario Zechner)، توسعه‌دهنده ابزار متن‌باز Pi، ماه گذشته در گفت‌وگو با تک‌کرانچ اظهار داشت: «علت جهش چشمگیری که در توانمندی ایجنت‌های کدنویسی بین آوریل ۲۰۲۵ تا اکتبر ۲۰۲۵ شاهد بودیم، این بود که ابزار Claude Code به‌طور پیش‌فرض تمامی جلسات کاری ایجنت کدنویسی کاربران را ذخیره می‌کرد و از آن‌ها برای آموزش با روش یادگیری تقویتی (Reinforcement Learning) بهره می‌برد.»

با این حال، هرچند اولویت مبرم توسعه‌دهندگان مدل‌ها بیش از پیش به‌سمت استقرار و استفاده از ابزارهای ایجنتی در حوزه‌هایی فراتر از مهندسی نرم‌افزار سوق می‌یابد، اما توانایی آن‌ها برای سنجش، ارزیابی و بهبود این ابزارها به‌دلیل پیچیدگی فرایندها و فقدان ردپای دیجیتال در بسیاری از جریان‌های کاری تخصصی، به بن‌بست خورده است.

رفتار شرکت‌های بزرگ و آینده بازار هوش مصنوعی

آرویند نارایانان (Arvind Narayanan)، استاد علوم رایانه در دانشگاه پرینستون، خاطرنشان می‌کند که شواهد محکمی نشان می‌دهد شرکت‌های بزرگ تمایلی به استفاده از داده‌هایشان برای آموزش مدل‌ها ندارند.

او در شبکه‌های اجتماعی نوشت: «آن‌ها طرح‌های سازمانی (Enterprise) مبتنی بر مصرف توکن را ترجیح می‌دهند و به آن پایبند می‌مانند، با اینکه اشتراک‌های کاربری معمولی مانند Claude Max و ChatGPT Pro بین ۱۰ تا ۲۰ برابر ارزان‌ترند! (تفاوت اساسی میان این طرح‌ها در بحث ماندگاری داده‌ها به‌علاوه حاکمیت و نظارت سازمانی فناوری اطلاعات نهفته است).»

شاید متا نیز با اشراف به این مناسبات و رفتار بازار، مابه‌ازای مالی و مشوقی شفاف در ازای دسترسی به این اطلاعات به شرکت‌ها پیشنهاد کرده است. متا در راهنمای قیمت‌گذاری خود یادآور می‌شود که این سطح ویژه مشارکت‌کنندگان، «موانع ورود به مرحله ساخت نمونه‌های اولیه (Prototyping)، آزمایش ادغام‌ها و مقیاس‌پذیری تجربیات را در مواردی که آموزش مدل روی داده‌های کاربر بلامانع است، کاهش می‌دهد.»

به باور نارایانان، این رویکرد به نوبه خود می‌تواند شرکت‌های بزرگ را ترغیب کند تا با وسواس و دقت بیشتری تعیین کنند چه داده‌هایی واقعا اختصاصی و محرمانه است و چه داده‌هایی قابلیت به‌اشتراک‌گذاری با توسعه‌دهندگان مدل هوش مصنوعی متا و سایر رقبا را دارد.

این چارچوب همچنین می‌تواند بر رقابت قیمتی روبه‌رشد میان آزمایشگاه‌های پیشرو حوزه هوش مصنوعی اثرگذار باشد؛ مدل‌های جدید فیبل و میتوس (Fable و Mythos) از شرکت آنتروپیک که به‌تازگی عرضه شدند، با کاهش هزینه پردازش توکن‌های ذخیره‌شده در کش (cached tokens) همراه بودند، و این در حالی است که جدیدترین مدل‌های اوپن‌ای‌آی (OpenAI) نیز در اواخر ماه ژوئیه مشمول کاهش چشمگیر قیمت‌ها شدند.