Réserver une démo →
← Tous les insights AI News

L'option la moins chère de Meta n'est pas un forfait. C'est un autre modèle.

L'option la moins chère de Meta n'est pas un forfait. C'est un autre modèle.

La documentation de Meta pour son agent de codage comporte un tableau intitulé « Models and pricing ». Il a deux lignes.

muse-spark-1.2-contributor   Used to improve our products.       1M   $0.10   $0.002   $0.20
muse-spark-1.2               Not used to improve our products.   1M   $1.25   $0.15    $4.25

Colonnes : fenêtre de contexte, entrée par million de jetons, entrée en cache, sortie. Lisez de gauche à droite : la ligne bon marché coûte une fraction de l’autre, avec au milieu une phrase qui explique pourquoi.

Ce que la couverture se trompe à la racine

On décrit généralement cela comme un forfait à remise auquel on adhère, et ce cadrage façonne toutes les questions posées. Est-ce l’option par défaut ? Peut-on changer ? Où se trouve le réglage ?

La documentation montre autre chose, et l’intitulé de Meta le dit lui-même : le tableau s’appelle « Models and pricing ». Ce sont deux identifiants de modèle. muse-spark-1.2-contributor et muse-spark-1.2 sont des chaînes différentes dans un appel d’API, comme on choisirait entre deux tailles de modèle.

Cela déplace la question au lieu d’y répondre. Il n’y a ni réglage de compte ni écran de consentement où l’on choisirait un forfait. Il y a un nom de modèle dans un fichier de configuration, et la question devient : quelle chaîne ce fichier contient-il ? Pour qui écrit l’appel lui-même, c’est désormais vérifiable en un instant. Pour qui a installé l’outil avec le script d’une ligne que Meta place sur la même page, ça ne l’est pas, car ce que l’installeur écrit dans ce fichier n’est pas documenté.

Ce que coûte la différence

Trois facteurs, tirés des deux lignes :

Entrée : 12,5 fois. 1,25 dollar contre 0,10 par million de jetons.

Sortie : 21,25 fois. 4,25 contre 0,20.

Entrée en cache : 75 fois. 0,15 contre 0,002. C’est de loin le plus grand écart du tableau, et c’est celui que personne ne cite. Pour un agent qui relit le même dépôt tout au long d’une longue session, l’entrée en cache n’est pas une broutille. C’est une bonne part de la facture.

La fenêtre de contexte est identique, un million de jetons. Quoi qu’on échange ici, la capacité n’en fait visiblement pas partie.

Le texte exact, et pourquoi il va plus loin que ce qui a été rapporté

Les lignes ne disent pas « utilisé pour l’entraînement ». Elles disent :

« Used to improve our products. »

Et, pour le modèle cher :

« Not used to improve our products. »

La couverture rend cela systématiquement par données d’entraînement. MacRumors décrit Meta « offrant une remise aux utilisateurs qui autorisent l’entreprise à utiliser leurs invites et leurs réponses pour entraîner de futurs modèles d’IA », et c’est un résumé honnête de l’échange. C’est aussi plus étroit que ce que dit le tableau de Meta.

« Améliorer nos produits » couvre l’entraînement. Cela couvre également l’évaluation, la revue de sécurité, l’analytique produit et tout ce que la formule embrasse. Une entreprise qui ne voulait dire que l’entraînement aurait pu n’écrire que l’entraînement, et celle-ci ne l’a pas fait : les mots « training » et « train » apparaissent zéro fois sur la page, comptés dans le texte rendu. Si vous évaluez ce qui quitte votre machine, évaluez la phrase que Meta a écrite, pas celle qui a été rapportée.

Ce que la documentation ne dit pas

Elle ne dit pas quel modèle est celui par défaut. Plusieurs sources secondaires affirment que Muse Code se règle sur le modèle contributor après l’installation, ce qui signifierait que le partage de données est l’état de départ et non un choix. Les résultats de recherche l’attribuent à des « retours d’utilisateurs précoces ». La page produit de Meta ne contient aucune affirmation sur une valeur par défaut, et l’expression « by default » y figure une seule fois, à propos du comportement multi-agent et non des tarifs.

Si cette affirmation est vraie, c’est le fait le plus important de ce produit, et il est aujourd’hui attesté par des utilisateurs et non par l’éditeur.

Elle n’indique pas de limites de débit. La page ne comporte aucun chiffre à ce sujet. Des chiffres circulent pourtant, plaçant le modèle bon marché à 60 requêtes par minute contre 3 000 pour le standard, ce qui voudrait dire que la remise se paie deux fois, en données et en débit. Cela vient de la presse, pas de la page de Meta.

La question pratique est pour une fois facile à vérifier

Ouvrez la configuration qu’utilise votre agent et regardez la chaîne du modèle. Si elle se termine par -contributor, la ligne qui vous concerne dit que vos invites et vos réponses servent à améliorer les produits de Meta.

C’est une vérification de cinq secondes sur une machine où l’outil est déjà installé, et elle vaut mieux que toute affirmation sur les valeurs par défaut, y compris celles reprises dans cet article. Le réglage est un nom dans un fichier, pas un interrupteur enfoui dans une page de compte. Ce que personne hors de Meta ne peut vous dire, c’est quel sera ce nom avant que vous lanciez l’installeur.

Une remarque pour qui veut vérifier d’où vient tout cela. La documentation se trouve sur developer.meta.com et le script d’installation sur dev.meta.ai, deux domaines distincts. Les deux portent des certificats à validation d’organisation délivrés à Meta Platforms, Inc., donc les deux sont authentiques : vérifié, sans conclusion négative. Cela mérite d’être nommé quand même, parce qu’une séparation de ce type est exactement la situation où quelque chose comme dev-meta.ai passerait inaperçu, et le second domaine est celui dont on redirige le contenu vers un shell.

Deux choses à peser avant de changer la chaîne du modèle. L’économie est réelle et importante, surtout sur l’entrée en cache, et pour des projets personnels ou de logiciel libre, ce peut être exactement le bon échange. Et pour une équipe qui fait passer du code propriétaire par un agent, la phrase de cette ligne est toute la question, indépendamment du prix.

Sources

Newcomer AI-Visibility Tracker · known from