Dostawcy narzędzi opartych na sztucznej inteligencji zazwyczaj dają użytkownikom wybór: mogą oni wycofać się z udostępniania swoich danych do celów treningowych lub zgodzić się na to bez dodatkowych korzyści.
Meta postanowiła podejść do tego tematu komercyjnie i wyceniła zgodę na analizę aktywności. W przypadku najnowszego modelu Muse Spark, stworzonego z myślą o obsłudze agentów programistycznych i autonomicznych, gigant technologiczny wprowadza potężne zniżki. Klienci, którzy zdecydują się na dzielenie się swoimi zapytaniami oraz wygenerowanymi odpowiedziami, mogą liczyć na rabaty sięgające średnio około 95% względem standardowych stawek.
Drastyczna obniżka kosztów w zamian za wgląd w zapytania
Różnice w cenniku pomiędzy wariantem standardowym a programem wspierania rozwoju modeli są diametralne. W tradycyjnym modelu rozliczeń opłata za milion tokenów wejściowych wynosi 1,25 dolara, podczas gdy w opcji z udostępnianiem danych spada ona do zaledwie 10 centów. Podobne cięcia dotyczą tokenów wyjściowych: opłata standardowa na poziomie 4,25 dolara za milion tokenów została obniżona do 20 centów dla użytkowników przekazujących swoje dane.
Cyfrowe ślady kluczem do rozwoju agentów AI
Pozyskiwanie wartościowych informacji treningowych stanowi obecnie jedno z największych wyzwań dla twórców sztucznej inteligencji. Meta ma za sobą nieudane próby w tym zakresie: program śledzenia sposobu korzystania z komputerów przez własnych pracowników, uruchomiony na początku roku, spotkał się z falą wewnętrznej krytyki i został wstrzymany w czerwcu. Tymczasem dane pochodzące z rzeczywistego użytkowania narzędzi są niezbędne, aby rozwijać systemy agentowe. Mario Zechner, twórca otwartego projektu Pi, zwrócił uwagę, że gwałtowny skok możliwości agentów programistycznych w okresie od kwietnia do października 2025 roku był bezpośrednią zasługą domyślnego zapisywania sesji użytkowników przez narzędzie Claude Code i wykorzystywania ich w uczeniu przez wzmacnianie.
Bariera prywatności w biznesie i wyzwania treningowe
Choć twórcy AI dążą do wdrożenia narzędzi agentowych poza samym sektorem inżynierii oprogramowania, ocena i ulepszanie takich rozwiązań natrafia na barierę w postaci złożoności profesjonalnych procesów oraz braku pozostawianych przez nie cyfrowych śladów. Zjawisko to potęguje niechęć dużych przedsiębiorstw do przekazywania własnych zasobów. Prof. Arvind Narayanan z Uniwersytetu Princeton wskazuje, że korporacje masowo wybierają płatne plany Enterprise rozliczane za tokeny, mimo że konsumenckie subskrypcje – takie jak Claude Max czy ChatGPT Pro – są od 10 do nawet 20 razy tańsze. Główną przyczyną tej decyzji jest retencja danych oraz zasady zarządzania IT w firmach.
Szansa na zmianę podejścia korporacji i wojna cenowa
Propozycja Meta stanowi bezpośrednią rekompensatę finansową za dostęp do informacji, które do tej pory były przed dostawcami zamykane. Jak zaznacza firma w swoim przewodniku po cenach, tańszy wariant ma obniżyć barierę wejścia podczas budowania prototypów, testowania integracji i skalowania eksperymentów w sytuacjach, gdy przetwarzanie danych nie stanowi problemu. Zdaniem prof. Narayanana, takie podejście może skłonić duże firmy do dokładniejszego weryfikowania, które dane są ściśle poufne, a które można bez przeszkód udostępnić twórcom modeli.
Nowy model finansowy wpisuje się również w nasilającą się rywalizację cenową pomiędzy czołowymi laboratoriami AI. Wczoraj debiutowały najnowsze modele Fable i Mythos od Anthropic, które przyniosły niższe koszty przetwarzania zapamiętanych tokenów, z kolei OpenAI przeprowadziło znaczące obniżki cen swoich flagowych rozwiązań pod koniec lipca.
Czytaj także:
