Kong Inc.是一家专门开发应用程序接口管理工具的公司,今日宣布收购OpenMeter,后者是基于使用量计费和账单开源平台的开发商。
此次收购未披露具体条款。OpenMeter是Tailfin Cloud Inc.的商业品牌,其收购将为Kong的统一API平台Kong Konnect增加原生货币化功能,使企业能够大规模测量、定价并将API、AI Token和数据流变现。
这一举措针对API成为AI模型和服务主要接口的新趋势。这些AI服务通常以机器速度和高容量运行,这对为人类交互节奏设计的计费系统构成了挑战。随着API越来越多地用于销售AI生成的Token和服务,Kong表示需要一种将API管理与实时使用跟踪和计费相结合的新型平台。
OpenMeter的技术将作为API、AI和数据流货币化的核心功能集成到Kong Konnect中。这种结合将允许产品经理实施基于消费的定价模型,包括自定义触发器、阈值和定价。客户将能够在Kong的API网关内定义使用限制,并根据权限控制功能访问。
Kong产品副总裁Ross Kukulinski表示:"我们看到初创公司和大型企业都在出现全新的使用场景,新的业务部门正围绕AI和大语言模型启动。OpenMeter提供了他们所需的计费引擎。"
集成预计将在2026年初完成。在此之前,OpenMeter Cloud将继续运营,定价或许可不会发生变化。计划在2026年中期完成客户向Kong Konnect的全面迁移,提供增强的安全性、合规性和多区域部署。
Kukulinski表示,添加OpenMeter技术将产生额外费用,但客户可以选择退出。"我们将Kong Konnect设计为模块化架构,"他说。"我们希望为客户提供选择合适的积木块来构建他们所创造的任何东西的自主权。"
OpenMeter的架构允许开发人员向中央平台发送各种事件类型,而业务团队管理定价和打包。Kukulinski表示,这种职责分离以及OpenMeter的开源基础使该公司成为Kong的天然合作伙伴。
"我们寻找一个具有出色开发体验、为规模化构建、并专为AI原生应用设计的系统,"他说。"OpenMeter的团队和技术满足了所有要求。"
Kong此前依赖第三方作为插件提供计费功能。尽管该功能现在嵌入到主平台中,但这些合作关系将继续。
对于OpenMeter来说,这笔交易为客户创造了机会,联合创始人兼首席执行官Peter Marton表示:"许多现有的OpenMeter客户将非常感兴趣与Kong API产品进行更紧密的集成。"
此次收购包括OpenMeter的全部七名团队成员,包括联合创始人Peter Marton和Andras Toth。
Q&A
Q1:Kong收购OpenMeter主要是为了什么?
A:Kong收购OpenMeter是为了在其Kong Konnect平台中增加原生货币化功能,使企业能够大规模测量、定价并将API、AI Token和数据流变现。这主要针对API成为AI模型和服务主要接口的新趋势,因为传统计费系统难以处理机器速度和高容量的AI服务交互。
Q2:OpenMeter技术集成后会带来什么新功能?
A:OpenMeter技术集成后,产品经理可以实施基于消费的定价模型,包括自定义触发器、阈值和定价。客户能够在Kong的API网关内定义使用限制,并根据权限控制功能访问。该平台还允许开发人员向中央平台发送各种事件类型,而业务团队管理定价和打包。
Q3:这次收购的时间安排是怎样的?
A:集成预计将在2026年初完成。在此之前,OpenMeter Cloud将继续运营,定价或许可不会发生变化。计划在2026年中期完成客户向Kong Konnect的全面迁移,届时将提供增强的安全性、合规性和多区域部署功能。
好文章,需要你的鼓励
亚马逊发布Lens Live AI功能,用户可通过手机摄像头扫描任何物品进行实时购物。该技术利用人工智能识别用户拍摄的物品,并在亚马逊平台上匹配相关商品,提供即时购买选项。这一创新功能将大幅简化购物流程,用户只需"看到即可购买",为在线购物体验带来革命性改变。
巴黎理工学院研究团队发现了比传统深度伪造更隐蔽的"局部伪造"技术威胁。这种只修改视频局部区域的新型AI造假技术让人类检测准确率下降30%以上,AI检测系统性能下降高达43%。研究团队构建了包含25000个样本的全球首个局部伪造检测数据库FakePartsBench,揭示了现有防御体系面对精细化伪造攻击的脆弱性,为未来开发更强大的检测技术奠定重要基础。
谷歌AI研究助手NotebookLM宣布推出三种全新音频摘要格式:简要、评论和辩论模式。这一更新将为用户提供更多选择,让已经备受欢迎的音频概览功能更加丰富多样。简要模式提供1-2分钟的精简概述,评论模式对材料进行建设性反馈,辩论模式则让两个AI主持人就内容展开深入讨论。这些新格式有助于用户从不同角度理解学习材料,使NotebookLM成为更加细致入微的学习工具。
Meta等机构研究发现,让大语言模型学会使用外部工具比死记硬背所有知识更高效。研究通过数学证明和实验验证,传统的参数记忆存在严格容量限制,而工具学习能实现无限扩展且不损害原有能力。这为AI发展提供了新思路:从堆叠参数转向构建智能工具协作系统。