何が起きたか
Metaは、コーディングをはじめとするエージェントの実行を想定した新モデル「Muse Spark」で、価格を二層構造にしました。標準価格は入力100万トークンあたり1.25ドル、出力100万トークンあたり4.25ドル。一方、プロンプトと出力を将来のモデル開発に「提供する」ことに同意したユーザーは、入力10セント、出力20セントになります。平均で約95%引きという設計です。
多くのAIツールでは、利用データを提供しない「オプトアウト」が無料の選択肢として用意されています。Metaはそこに値札を付けました。TechCrunchの価格に関する質問にMetaは回答していません。
なぜ重要か
これは値下げのニュースではなく、データが正式に通貨として計上されたというニュースです。これまで「学習に使わせない」ことのコストは規約上のオプションであり、明示的な金額に換算されていませんでした。今回、その差は約20倍という形で可視化されました。
プリンストン大学の計算機科学教授Arvind Narayanan氏は、大企業がデータを学習に使われることを望まない明確な証拠があると指摘しています。Claude MaxやChatGPT Proといった消費者向けサブスクリプションが10〜20倍以上安いにもかかわらず、大企業はトークン課金のEnterpriseプランに留まる。両者の主な違いはデータ保持とエンタープライズITガバナンスだ、というのが同氏の観察です。つまり大企業はすでに、データを渡さないために黙って数倍〜十数倍を払ってきました。Metaはその暗黙の支払いを、メニューの上に載せただけとも言えます。
なぜ各社はデータを欲しがるのか
背景には、エージェントの改善がログなしには進まないという事情があります。オープンソースのハーネス「Pi」を手がける開発者Mario Zechner氏は、2025年4月から10月にかけてコーディングエージェントの能力が大きく跳ねた理由を、Claude Codeが既定でセッションを保存し強化学習に用いたことだと述べています。実利用の軌跡が、そのまま能力の伸びに変換された形です。
モデル各社はいまエージェントをソフトウェア開発の外へ広げようとしていますが、多くの専門業務は工程が複雑でデジタルな痕跡が残らず、評価も改善も進みません。Metaは今年初めに従業員のPC利用を追跡する施策を始めたものの、社内から広く批判を受け6月に停止しています。データ取得に苦戦してきた同社が、今度は価格という外向きの手段を選んだ構図です。
価格ガイドは、コントリビューター層について「あなたのデータで学習させても構わない領域における、プロトタイピング、連携のテスト、実験のスケールの参入障壁を下げる」と説明しています。誰にでも勧める安値ではなく、用途を選んで使えというメッセージが読み取れます。
価格競争との合流
この動きは、フロンティアラボ間の価格競争にも流れ込みます。Anthropicは前日に公開したFableとMythosでキャッシュ済みトークンの処理コストを引き下げ、OpenAIも7月末に最新モデルを大幅値下げしています。トークン単価がじりじり下がるなかで、Metaは「データを出せばもう一段安い」というレバーを追加したことになります。
💼 事業会社視点：これは自社にどう効くか
日本企業にとっての実務的な意味は、「学習に使わせない」コストが初めて経理上の数字になったことです。これまで法務が反射的に選んできたオプトアウトは、今後「なぜ20倍払うのか」を説明できないと通らなくなります。
動くべきは情シスや法務ではなく、事業責任者です。まずコードとプロンプトを一律に扱うのをやめ、棚卸しを行ってください。Narayanan氏が示唆するのは、この価格設計が企業に「どれが本当に専有情報で、どれは共有してよいか」を精査させる誘因になる、という点です。社内のリポジトリは実際には汎用的なCRUDや設定ファイルが大半で、競争優位に直結するのは一部です。
受託開発企業は要注意です。顧客のソースやドメイン知識を安価な学習提供層で処理すれば、契約違反リスクが直撃します。逆に自社プロダクトのSaaSやECであれば、社内ツール・検証環境・OSS周辺の作業を安価層に寄せ、顧客データに触れる本番系だけ標準価格に残す二層運用が現実解です。
経営としての宿題は、AI利用ポリシーを「全社一律の可否」から「データ区分ごとの単価判断」へ書き換えること。この整理ができている会社だけが、今後の値下げ競争で実際にコストを取りに行けます。