Meta-ს ახალი სტრატეგია: კომპანია მომხმარებლებს AI მოდელის გასაუმჯობესებლად მონაცემების გაზიარებაში ფულს უხდის

ხელოვნური ინტელექტის ინსტრუმენტების უმეტესობა მომხმარებლებს საშუალებას აძლევს, უარი თქვან საკუთარი მონაცემების გაზიარებაზე, რომლებსაც დეველოპერები მომავალი ვერსიების დასახვეწად იყენებენ. თუმცა, კომპანია Meta-მ ამ მიდგომას განსხვავებული ფორმა მისცა და მონაცემების გაზიარებაზე ფასდაკლების სისტემა დააწესა.

ახალი Muse Spark მოდელისთვის, რომელიც კოდირებისა და სხვა აგენტური სისტემების მუშაობისთვისაა განკუთვნილი, Meta მომხმარებლებს დაახლოებით 95%-იან ფასდაკლებას სთავაზობს. ეს შეთავაზება ვრცელდება მათზე, ვინც მზადაა „წვლილი შეიტანოს“ მომავალი მოდელების განვითარებაში საკუთარი მოთხოვნებისა (prompts) და მოდელის მიერ გენერირებული პასუხების გაზიარებით.

ფასების სხვაობა საკმაოდ შთამბეჭდავია: სტანდარტული შეთანხმებით, 1 მილიონი შემავალი ტოკენი (input tokens) 1.25 დოლარი ღირს, ხოლო „კონტრიბუტორის“ მოდელით მისი ფასი მხოლოდ 10 ცენტია. გამომავალი ტოკენების (output tokens) შემთხვევაში, სტანდარტული ფასი 4.25 დოლარია მილიონზე, თუმცა მონაცემების გაზიარების შემთხვევაში ეს ღირებულება 20 ცენტამდე მცირდება.

Meta-სთვის საწვრთნელი მონაცემების მოპოვება ბოლო პერიოდში სირთულეებთან იყო დაკავშირებული. მიმდინარე წლის დასაწყისში კომპანიამ სცადა საკუთარი თანამშრომლების კომპიუტერული აქტივობების მონიტორინგი, რამაც ფართო შიდა კრიტიკა გამოიწვია და პროექტი ივნისში შეჩერდა. TechCrunch-ის კითხვას ახალი საფასო პოლიტიკის შესახებ Meta-მ არ უპასუხა.

მონაცემების მნიშვნელობა აგენტური ინსტრუმენტებისთვის

მსგავსი ტიპის მომხმარებლის მონაცემები კრიტიკულად მნიშვნელოვანია აგენტური ინსტრუმენტების ეფექტურობის გასაზრდელად. ღია კოდის მქონე Pi-ს დეველოპერმა, მარიო ზეხნერმა, გასულ თვეში აღნიშნა, რომ 2025 წლის აპრილიდან ოქტომბრამდე კოდირების აგენტების შესაძლებლობების მკვეთრი ზრდა განპირობებული იყო იმით, რომ Claude Code ნაგულისხმევი პარამეტრით ინახავდა მომხმარებლის ყველა სესიას და მათ განმამტკიცებელი სწავლებისთვის (reinforcement learning) იყენებდა.

მიუხედავად იმისა, რომ მოდელების შემქმნელებისთვის პრიორიტეტული ხდება აგენტური ხელსაწყოების დანერგვა პროგრამული ინჟინერიის მიღმაც, მათი შეფასება და გაუმჯობესება რთულდება ციფრული კვალის ნაკლებობის გამო პროფესიულ სამუშაო პროცესებში.

კორპორატიული სექტორის მიდგომა და Meta-ს შეთავაზება

პრინსტონის უნივერსიტეტის კომპიუტერული მეცნიერების პროფესორმა, არვინდ ნარაიანანმა, აღნიშნა, რომ არსებობს მყარი მტკიცებულებები იმისა, რომ მსხვილ კომპანიებს არ სურთ საკუთარი მონაცემების გამოყენება მოდელების საწვრთნელად. მისი თქმით, ბიზნესები ხშირად ირჩევენ ტოკენებზე დაფუძნებულ Enterprise გეგმებს, მიუხედავად იმისა, რომ Claude Max-ისა და ChatGPT Pro-ს მსგავსი სამომხმარებლო პაკეტები 10-20-ჯერ უფრო იაფია. მთავარი განსხვავება ამ გეგმებს შორის მონაცემთა შენახვის პოლიტიკა და კორპორატიული მართვის სტანდარტებია.

Meta-ს ახალი შეთავაზება სწორედ ამ დინამიკის გათვალისწინებაა — კომპანია ბიზნესებს პირდაპირ კომპენსაციას სთავაზობს ინფორმაციის სანაცვლოდ. Meta-ს ფასების სახელმძღვანელოში აღნიშნულია, რომ „კონტრიბუტორის“ ტარიფი ამცირებს ბარიერებს პროტოტიპირების, ინტეგრაციების ტესტირებისა და ექსპერიმენტების მასშტაბირებისთვის იმ შემთხვევებში, როდესაც მონაცემებზე წვრთნა მისაღებია.

ნარაიანანი ვარაუდობს, რომ ეს მიდგომა თავის მხრივ აიძულებს დიდ კომპანიებს, უფრო ყურადღებით განსაზღვრონ, რომელი მონაცემებია ნამდვილად კონფიდენციალური და რომლის გაზიარებაა შესაძლებელი პროვაიდერებისთვის. ეს სტრუქტურა ასევე ჯდება წამყვან ლაბორატორიებს შორის მზარდ საფასო კონკურენციაში. Anthropic-ის უახლესმა Fable და Mythos მოდელებმა ქეშირებული ტოკენების დამუშავების ფასი შეამცირეს, ხოლო OpenAI-მ ივლისის ბოლოს საკუთარ მოდელებზე ფასები მნიშვნელოვნად დააკლო.