Meta ha decidido adoptar un enfoque innovador en el desarrollo de su nuevo modelo Muse Spark, presentado para la operación de agentes automatizados y de programación. La compañía propone un sistema de precios que ofrece descuentos significativos a los usuarios que compartan sus entradas y salidas de modelo, una estrategia que busca mejorar la calidad de los modelos en el futuro.
Bajo este nuevo modelo de precios, los usuarios podrían beneficiarse de una reducción promedio del 95% en las tarifas. Por ejemplo, mientras que un millón de tokens de entrada bajo el esquema estándar tiene un costo de $1.25, en el modelo para contribuyentes este precio se reduce a apenas $0.10. Asimismo, los tokens de salida, que en el acuerdo habitual alcanzan $4.25 por millón, costarán solo $0.20 en el nuevo esquema.
Esta estrategia responde a la necesidad de Meta de reunir datos de entrenamiento vitales, especialmente tras un intento fallido a inicio de año, donde se buscaba rastrear el uso de computadoras entre sus empleados. Este proyecto enfrentó una fuerte crítica interna y fue suspendido en junio, dejando a Meta en la búsqueda de maneras alternativas de obtener la información necesaria para el desarrollo de sus modelos.
El intercambio de datos de usuarios es crucial para optimizar las herramientas automatizadas. Mario Zechner, desarrollador detrás del sistema de código abierto Pi, mencionó que el notable avance en las capacidades de los agentes de programación entre abril y octubre de 2025 se debió al uso de las sesiones de codificación almacenadas para el entrenamiento de refuerzo. Sin embargo, este mismo proceso se ve obstaculizado por la complejidad de las flujos de trabajo en entornos profesionales y la falta de huellas digitales que puedan ser utilizadas para la evaluación y mejora de herramientas.
Reacciones de los Expertos
Desde el ámbito académico, Arvind Narayanan, profesor de ciencias de la computación en Princeton, destacó que existe evidencia de que las grandes empresas son reacias a que sus datos sean utilizados para el entrenamiento de modelos. A menudo optan por planes empresariales que facturan por tokens, a pesar de que los planes de suscripción dirigidos a consumidores, como Claude Max y ChatGPT Pro, ofrecen descuentos significativos. La principal diferencia radica en la gobernanza de IT y la retención de datos, lo que podría estar llevando a Meta a ofrecer compensaciones explícitas para obtener la información necesaria.
Este enfoque podría incentivar a las grandes empresas a revisar qué datos son realmente propietarios y cuáles podrían compartirse con proveedores de modelos. Al ofrecer una estructura de precios clara, Meta busca facilitar la creación de prototipos y pruebas de integración, ampliando así la aplicación de su tecnología en entornos más allá de la ingeniería de software.
Esta estrategia de Meta también se enmarca dentro de un contexto de creciente competencia en precios entre laboratorios de vanguardia. Recientemente, modelos como Fable y Mythos de Anthropic han ajustado sus costos para el procesamiento de tokens, y OpenAI también ha implementado recortes significativos en sus modelos, intensificando la presión sobre el mercado de IA.
En conclusión, Meta parece estar posicionándose de manera agresiva en el sector, buscando no solo mejorar sus herramientas a través de la colaboración de los usuarios, sino también explorar un enfoque más flexible y atractivo en un escenario empresarial donde la propiedad de los datos se vuelve cada día más crucial.