Meta paga para ver cómo usas su nuevo modelo de IA
Meta ofrece un descuento del 95% a los usuarios que compartan sus prompts y salidas con su nuevo modelo Muse Spark, en busca de datos para entrenar sus futuros modelos de IA.
La mayoría de las herramientas de IA permiten a los usuarios optar por no compartir su actividad con el proveedor para mejorar versiones futuras. Meta ha convertido esa opción en un incentivo con precio: para su nuevo modelo Muse Spark, destinado a agentes de programación, ofrece un descuento del 95% a quienes 'contribuyan' al desarrollo de futuros modelos compartiendo sus prompts y las salidas del modelo.
En un acuerdo estándar, un millón de tokens de entrada cuesta 1,25 dólares; con el precio de 'contribuidor' cuesta solo 0,10 dólares. Para los tokens de salida, el precio estándar es de 4,25 dólares por millón, mientras que con este modelo de contribución el coste baja a 0,20 dólares.
Meta ha tenido dificultades para obtener datos de entrenamiento. Una iniciativa para rastrear el uso de ordenadores de sus empleados, lanzada a principios de año, generó críticas internas y se pausó en junio. La empresa no respondió a TechCrunch sobre su nuevo modelo de precios. Este tipo de datos de usuario es vital para que las herramientas de agentes funcionen mejor. Mario Zechner, desarrollador del framework Pi, comentó que el gran salto en las capacidades de Claude Code entre abril y octubre de 2025 se debió a que almacenaba por defecto todas las sesiones de los agentes y las usaba para entrenamiento por refuerzo.
Incluso cuando la presión para construir herramientas de agentes crece, la capacidad para evaluarlas y mejorarlas se ve bloqueada por la complejidad y la falta de rastros digitales en muchos flujos de trabajo profesionales. Arvind Narayanan, profesor de Princeton, señaló que hay buenas pruebas de que las grandes empresas no quieren que sus datos se usen para entrenar modelos, por lo que se quedan en planes empresariales con facturación por tokens, aunque los planes de consumo con suscripción como Claude Max o ChatGPT Pro tengan descuentos de 10 a 20 veces. Quizá reconociendo esa dinámica, Meta ofrece compensación explícita a las empresas para obtener esa información. Su guía de precios indica que el nivel de contribuidor 'reduce la barrera para prototipar, probar integraciones y escalar experimentos donde entrenar con tus datos sea aceptable'. Narayanan sugirió que esto podría incentivar a las grandes empresas a ser más diligentes sobre qué datos son realmente propietarios y cuáles se pueden compartir con los proveedores.
Este marco también se suma a la creciente competencia de precios entre los laboratorios de IA. Anthropic presentó ayer sus nuevos modelos Fable y Mythos con costes reducidos para tokens en caché, mientras que OpenAI recortó los precios de sus modelos a finales de julio.
El análisis de Salseo
- El descuento del 95% es un intento de Meta de comprar acceso a datos de agentes, algo cada vez más valioso y difícil de obtener. A cambio de ceder datos, los desarrolladores ahorran mucho dinero, lo que podría acelerar la adopción de Muse Spark frente a modelos más caros, pero también permitir a Meta construir un foso defensivo con datos propietarios.
- La diferencia con planes de consumo de OpenAI y Anthropic muestra que el precio no es solo una palanca comercial: es también una forma de anclarse en el terreno de los datos. A las grandes empresas les da igual pagar más si eso mantiene sus datos fuera del entrenamiento, así que Meta busca convertir esa reticencia en una oportunidad pagando por ella.
- El precedente de Claude Code demuestra el poder de los datos para mejorar agentes: si Meta puede replicar ese circuito de retroalimentación con Muse Spark, podría recortar distancia en rendimiento frente a competidores que ya llevan ventaja en datos de agentes.
- Como señal de la dinámica competitiva, los recortes de precios de Anthropic y OpenAI sugieren que el margen en APIs de IA se está estrechando. La estrategia de Meta es sacrificar ingresos a corto plazo para asegurarse el insumo más crítico: datos de uso reales.