继欧洲之后,Meta现在允许竞争对手AI公司向巴西用户在WhatsApp上提供收费聊天机器人服务,这一决定在公司确认对欧洲用户采取类似措施的一天后宣布。
本周早些时候,巴西反垄断监管机构CADE对Meta作出不利裁决,驳回了其上诉请求。此前CADE曾下令暂停Meta的政策变更,该政策旨在禁止第三方AI聊天机器人在WhatsApp上运营。
CADE的裁决指出:"在审查案件后,CADE法庭认定维持预防措施的必要条件已经具备。根据案件报告人Carlos Jacques委员的意见,考虑到WhatsApp在巴西即时通讯服务市场的重要性,存在法律合理性的证据。"
监管机构补充说,在WhatsApp上禁止第三方AI聊天机器人"不符合比例原则",可能导致竞争损害。
Meta回应称,在法律要求的地区,将允许第三方AI聊天机器人提供商使用其WhatsApp Business API在应用上提供收费服务。从3月11日起,公司将在巴西对每条"非模板消息"收取0.0625美元。
Meta发言人表示:"在法律要求我们通过WhatsApp Business API提供AI聊天机器人的地区,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机制。"
Meta去年10月宣布了这一政策变更,引发了多项反垄断调查,特别是因为该公司在WhatsApp内部提供自己的AI聊天机器人Meta AI。公司一直坚称其WhatsApp Business API并非为AI聊天机器人设计,这些机器人会给公司系统带来压力。
虽然Meta现在因监管要求在某些地区允许第三方聊天机器人,但开发者告诉TechCrunch,他们对恢复服务持谨慎态度,称Meta设定的价格过高,可能导致高昂成本。
Zapia是向巴西CADE提起投诉的公司之一,对这一决定表示欢迎。
该公司在声明中表示:"竞争和防止强大公司限制创新触达用户的方式至关重要。在Zapia,我们相信人们应该自由选择他们使用的AI工具,只有当人们每天依赖的平台保持开放时,创新才能蓬勃发展。我们将继续在拉丁美洲其他地区挑战这些限制,现在我们期待看到Meta如何调整其在巴西的政策以遵守这一决定。"
Q&A
Q1:Meta为什么要在巴西允许第三方AI聊天机器人进入WhatsApp?
A:巴西反垄断监管机构CADE裁定Meta必须允许第三方AI聊天机器人在WhatsApp上运营。CADE认为,考虑到WhatsApp在巴西即时通讯市场的重要地位,禁止第三方AI聊天机器人不符合比例原则,可能造成竞争损害。Meta在法律要求下做出了这一调整。
Q2:第三方AI公司在WhatsApp上提供服务需要支付多少费用?
A:从3月11日起,Meta将对在巴西使用WhatsApp Business API提供AI聊天机器人服务的第三方公司收取费用,每条"非模板消息"收费0.0625美元。不过开发者认为这一定价过高,可能导致运营成本大幅增加。
Q3:Meta为什么最初要禁止第三方AI聊天机器人使用WhatsApp?
A:Meta去年10月宣布政策变更,禁止第三方AI聊天机器人在WhatsApp上运营。公司解释称WhatsApp Business API并非为AI聊天机器人设计,这些机器人会给系统带来压力。但由于Meta自己在WhatsApp内提供Meta AI聊天机器人,这一政策引发了多项反垄断调查。
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。