Az AI-szolgáltatóknál eddig többnyire adatvédelmi beállításként találkoztál azzal, hogy megosztod-e a használati adataidat. A Meta most üzleti ajánlatot csinált belőle: ha engeded, hogy belenézzen a promptjaidba és a modell válaszaiba, drámaian olcsóbb lesz a használat.

Mi történt

A Meta új Muse Spark modelljénél bevezetett egy úgynevezett „contributor” árszintet. Ez a modell kódolási és más agentes feladatokra készült. Az „agens” itt olyan AI-rendszert jelent, amely nem csak válaszol egy kérdésre, hanem lépések sorozatát hajtja végre: például kódot ír, eszközöket hív meg, vagy több körben dolgozik egy feladaton.

Az ajánlat lényege egyszerű: aki hozzájárul ahhoz, hogy a Meta a promptokat és a modell kimeneteit jövőbeli modellek fejlesztésére használja, nagyjából 95%-os kedvezményt kap. Normál árazás mellett 1 millió bemeneti token 1,25 dollár, a kedvezményes csomagban 10 cent. A kimeneti tokeneknél 4,25 dollárról 20 centre esik az ár. A token az AI-szolgáltatások elszámolási egysége; gondolj rá úgy, mint egy durván szavakból és szótagdarabokból álló számlálóra, ami alapján mérik, mennyit „olvas” és „ír” a modell.

Ez nem véletlenül lehet vonzó a Meta számára. Az agentes rendszerek fejlesztéséhez különösen értékesek a valós használatból származó nyomok: milyen feladatot kapott a modell, milyen lépéseket tett, hol hibázott, mit kellett újrapróbálnia. Ilyen adatok nélkül nehezebb javítani azokat a képességeket, amelyek a laboron kívüli, összetett munkafolyamatokban számítanak.

Miért fontos

A lépés jól mutatja, hogy az AI-piacon az adat legalább annyira versenytényező, mint maga a modell. Egy nagy nyelvi modell betanításához nem elég sok szöveg: az agentes használat finomhangolásához olyan példák kellenek, amelyekből látszik a teljes munkafolyamat. Ez különösen igaz akkor, amikor a cél már nem csak a szoftverfejlesztés, hanem más szakmai területek támogatása is.

Itt jön be a kényes rész: a cégek jelentős része nem akarja, hogy a belső folyamatai, ügyféladatai vagy üzleti logikája modelltréningbe kerüljön. Ezért fizetnek sokan inkább drágább, vállalati csomagokért erősebb adatkezelési garanciákkal. A TechCrunch által idézett értelmezés szerint a Meta most nyíltan beárazza ezt a kompromisszumot: ha az adatod használható tréningre, cserébe sokkal olcsóbb a hozzáférés. Ez nemcsak költségcsökkentés lehet a kisebb csapatoknak, hanem arra is rákényszerítheti a vállalatokat, hogy pontosabban szétválasszák, mi valóban érzékeny adat, és mi az, amit biztonságosan megoszthatnak.

Mire figyelj

  1. Érdemes nézni, hogy más modellgyártók is átveszik-e ezt a logikát, és külön árat szabnak-e a tréningre használható ügyféladatnak.
  1. Fontos kérdés lesz, milyen kontrollt kapnak a felhasználók: pontosan mi kerülhet be a fejlesztésbe, meddig őrzik meg, és milyen vállalati garanciák társulnak hozzá.
  1. Az is számít, mennyire gyorsítja ez az agentes modellek fejlődését. Ha a valós használati adatok tényleg ennyire sokat érnek, akkor az árverseny mellett adatverseny is egyre látványosabb lesz.