Meta развернула откровенный бартер: согласитесь поделиться своими промптами и выходными данными модели — получите скидку с $1,25 до $0,10 за миллион input-токенов и с $4,25 до $0,20 за output-токены. Это не завуалированное сбор данных, а прямая валютная сделка. Такой подход логичен: если конкуренты делают сбор пользовательских данных опциональной функцией, то почему бы не платить за добровольное согласие?

Истинная проблема, которую решает Meta, — это дефицит данных для обучения агентских систем (кодирующие боты, аналитические ассистенты и прочие автоматизированные инструменты). Эти инструменты работают принципиально иначе, чем чатботы: им нужна история действий, ошибок, итераций, а не отдельные вопрос-ответ. Когда Claude Code хранил сессии кодирования для переучивания, возможности кодирующих агентов прыгнули вверх между апрелем и октябрём 2025-го. Без таких данных улучшать инструменты намного сложнее.

Попытка Meta собрать эти данные внутри компании уже провалилась публично: в начале года запустили программу мониторинга использования инструментов сотрудниками, вызвало бунт, в июне заморозили. Теперь компания идёт на внешний рынок — платит пользователям, компаниям и разработчикам за право заглянуть в их workflow. Это признание того, что крупные организации просто не будут делиться данными добровольно: они платят за дорогие корпоративные планы с гарантией невыгрузки данных, даже если облегченные потребительские версии дешевле в 10-20 раз. Для них конфиденциальность стоит дороже денег.

Схема Meta может иронично помочь самим компаниям лучше разбираться с собственными данными — если они явно согласятся сдать что-то модели, значит, сначала проанализируют, что действительно чувствительно, а что можно. Но главное здесь — это гонка между фронтиерными лабораториями за дешевизну и данные одновременно. Anthropic вчера выпустил модели Fable и Mythos с более дешёвой обработкой кешированных токенов, OpenAI режет цены с конца июля. Meta теперь играет в ту же игру: привлекай пользователей гигантской скидкой в обмен на датасет для следующего поколения моделей.

В России этот подход может быть полезен компаниям, которые разрабатывают агентские системы для внутреннего использования или продажи — например, боты для обработки документов, анализ кода, автоматизация бизнес-процессов. Если проект ещё в стадии прототипирования и не работает с конфиденциальными данными (или можно выделить некритичные части), то такая ценовая модель позволит дешевле экспериментировать. При этом для коммерческих потребителей в финтехе, госсекторе или медицине эта опция все равно не подойдёт — всё упирается в compliance и NDA.

Практический вывод: у платформ теперь есть стимул разделить пользователей на два сегмента — данарь и платящих за конфиденциальность. Это может стать новой нормой: бесплатно-дешёво за данные, дорого за их недоступность. Вопрос в том, готовы ли регуляторы такое одобрить, если практика усиленно станет развиваться. Сейчас это выглядит прозрачнее, чем скрытый сбор, но остаётся давлением на цену ради доступа к сервису.