Meta周三宣布,将对在监管机构要求允许第三方聊天机器人运营的地区开发者收费。此举是在该公司于1月15日生效的WhatsApp第三方聊天机器人禁令之后做出的。
目前,Meta将对意大利的开发者收费,因为该国竞争监管机构去年12月要求公司暂停其禁令政策。公司表示,针对非模板回复的新定价将于2月16日开始实施。Meta计划对AI回复向开发者收取每条消息0.0691美元/0.0572欧元/0.0498英镑的费用。如果用户每天与AI聊天机器人交换数千条查询,这可能导致开发者面临高额账单。
本月初,Meta向开发者发送通知,为意大利电话号码创建豁免,允许AI聊天机器人为这些客户提供服务。当时,公司没有提及任何向开发者收费的计划。
目前,WhatsApp已经对公司使用其API向客户发送各种模板回复收费,包括营销、实用工具或身份验证等用例。这包括用户收到的付款提醒和物流更新等消息。
Meta发言人告诉TechCrunch:"在法律要求我们通过WhatsApp商业API提供AI聊天机器人的地方,我们正在为选择使用我们平台提供这些服务的公司引入定价。"如果Meta不得不妥协并允许开发者运营其聊天机器人,这也可能为其他地区建立先例。
Meta去年10月首次宣布将阻止所有第三方AI聊天机器人通过WhatsApp商业API使用WhatsApp。
Meta表示其系统并非为处理AI机器人的回复而设计,正承受压力。
该公司当时表示:"AI聊天机器人在我们商业API上的出现给我们的系统带来了它们未被设计支持的压力。这种逻辑假设WhatsApp在某种程度上是一个事实上的应用商店。AI公司的市场路径是应用商店本身、他们的网站和行业合作伙伴关系;而不是WhatsApp商业平台。"
自那时起,包括欧盟、意大利和巴西在内的多个地区都开始了反竞争调查。巴西监管机构最初要求Meta暂停该政策。然而,巴西法院上周支持Meta,推翻了阻止新政策的初步命令。因此,据TechCrunch了解,该公司已要求开发者不要向巴西用户提供其AI聊天机器人。
自政策生效以来,开发者被迫向其WhatsApp AI聊天机器人用户发送预定义消息,将他们重定向到自己的网站或应用程序。OpenAI、Perplexity和微软等提供商去年宣布,他们的WhatsApp机器人在1月15日后将无法工作,敦促用户在其他平台上访问它们。
Q&A
Q1:Meta为什么要对WhatsApp AI聊天机器人收费?
A:Meta表示,在监管机构法律要求允许AI聊天机器人运营的地区,公司将对使用其平台提供这些服务的开发者收费。这是在意大利竞争监管机构要求暂停禁令政策后做出的决定。
Q2:WhatsApp AI聊天机器人的收费标准是多少?
A:Meta计划从2月16日开始,对AI回复向开发者收取每条消息0.0691美元/0.0572欧元/0.0498英镑的费用。如果用户每天与AI聊天机器人交换数千条查询,开发者可能面临高额账单。
Q3:Meta为什么最初要禁止第三方AI聊天机器人?
A:Meta表示其系统并非为处理AI机器人的回复而设计,AI聊天机器人的出现给系统带来了压力。公司认为AI公司的市场路径应该是应用商店、网站和行业合作伙伴关系,而不是WhatsApp商业平台。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。