Contributor vs. Standard: menghitung matematika tier-nya
Dua cara membayar Muse Spark 1.2 selisih harganya lebih dari satu orde besaran. Pilihan yang tepat bukan satu tier — melainkan kebijakan per proyek.
Angka-angkanya
Muse Code sendiri gratis dipasang; yang kamu bayar adalah token Muse Spark lewat Meta Model API. Dua varian model, dua daftar harga. muse-spark-1.2-contributor: $0.10 per juta token input, $0.002 untuk cached input, $0.20 output. muse-spark-1.2 (standard): $1.25 input, $0.15 cached input, $4.25 output. Kemampuan model sama, context window 1M token sama — dengan jurang harga 12,5x sampai 21x.
Yang sebenarnya kamu pertukarkan
Jurang itu adalah data yang diberi harga. Di tier contributor, penggunaanmu boleh dipakai untuk meningkatkan produk-produk Meta — itulah kesepakatannya, dinyatakan terang-terangan. Di standard, tidak pernah. Dan untuk organisasi yang merasa retensi standard pun masih terlalu banyak, Meta mulai menerima permintaan zero data retention lewat tim sales Meta — sinyal bahwa procurement enterprise sedang dirayu, bukan ditolak.
Perhatikan apa yang bukan jurang itu: tier kemampuan. Dengan standard kamu tidak sedang membeli model yang lebih pintar — kamu membeli postur privasi. Ini tidak lazim di pasar yang biasanya menyamakan tier murah dengan model lebih kecil, dan membuat keputusannya bersih satu dimensi: seberapa sensitif kode ini?
Kebijakan per proyek mengalahkan pilihan pukul rata
Karena /model bisa mengganti model di tengah sesi, keputusan tier tidak harus dibuat sekali untuk selamanya. Kebijakan default yang masuk akal: kerja open-source, side project, dan belajar — contributor, di mana seminggu penuh coding agentik yang berat biayanya lebih murah dari secangkir kopi; apa pun yang proprietary, milik klien, atau teregulasi — standard, plus urusan administrasi zero data retention untuk kasus paling ketat. Tagihan mengikuti model mana yang melayani token-nya, jadi mencampur keduanya dalam satu hari tidak masalah.
Baris cache lebih penting dari kelihatannya
Coding agentik luar biasa ramah cache: konteks repository yang mendominasi input dikirim ulang giliran demi giliran, dan cached input ditagih hanya sepersekian dari input segar — $0.002 versus $0.10 di contributor, $0.15 versus $1.25 di standard. Sesi panjang di satu repository karenanya jauh lebih murah dari yang disiratkan harga input di headline. Tambahkan /effort — token berpikir ditagih sebagai output, kolom yang mahal — dan dua perintah itu bersama-sama sudah mencakup sebagian besar kontrol biaya praktis. Halaman pricing punya estimator interaktif kalau kamu mau memasukkan volume pemakaianmu sendiri.
Langganan juga punya sakelar Contributor
Sejak tulisan ini dibuat, Muse Code mendapat paket bulanan, dan pertukaran yang sama kini muncul di sana dalam bentuk lain. Langganan secara default memakai Contributor mode: sebagai ganti jatah pemakaian yang lebih besar, Meta boleh memakai kontenmu untuk melatih model-model mendatang. Kamu bisa mematikannya kapan saja di /settings, dan konten sejak saat itu tidak dipakai — tapi mematikannya mengurangi jatah pemakaianmu, dan Meta tidak bilang seberapa banyak. Panduan Meta sendiri: jangan kirim kode rahasia saat Contributor mode menyala, jadi kebijakan per proyek di atas berlaku untuk paket langganan sama seperti untuk token. Satu catatan bagi yang sudah mematikannya sejak awal: CLI 1.4.8 memperbaiki bug yang membuat sebagian request di background masih bisa memakai Contributor mode setelah dimatikan, jadi update dulu sebelum mengandalkan setelan itu.
Model terbaru malah tidak mengikuti pola dua tier sama sekali. muse-wonder-1.0, versi API dari Muse Wonder, tidak punya varian Contributor: tarifnya $4.00 per juta token input, $0.20 cached input, dan $20.00 output, seberapa pun kamu bersedia berbagi data. Di paket langganan, Wonder dan Wonder Full tersedia baik Contributor mode menyala maupun mati.
Membaca peta persaingannya
Harga tier standard mendarat di kisaran yang sama dengan API coding frontier pesaing — tier contributor-lah langkah agresifnya, satu orde besaran di bawah pasar bagi developer yang bersedia berbagi data. Ini permainan skala klasik: Meta mendapat sinyal training dari sesi agent dunia nyata; developer yang sensitif harga mendapat agent frontier dengan tarif hobi. Kedua sisi pertukaran itu sebaiknya masuk dengan mata terbuka — dan justru itulah kenapa bagus bahwa pertukarannya dibuat eksplisit.