返回列表
行业新闻AnthropicClaudeAI订阅

Anthropic 调整订阅政策:Claude Code 订阅将不再支持 OpenClaw 等第三方工具

Anthropic 宣布自4月4日起,Claude 订阅用户将无法再通过现有订阅额度使用 OpenClaw 等第三方工具。此类第三方调用将转为按量计费模式。Anthropic 表示此举旨在应对第三方工具对系统造成的巨大压力,并优先保障核心产品用户的体验。受影响用户可获得等额信用额度补偿或选择退款。

Hacker News

核心要点

  • 政策变更:自4月4日12pm PT起,Claude 订阅额度不再覆盖 OpenClaw 等第三方工具。
  • 计费调整:使用第三方工具将需要开启“额外使用量”(Extra Usage),采用按量计费模式。
  • 补偿措施:Anthropic 将提供等额于月费的一次性信用额度,并对预购流量包提供最高30%的折扣。
  • 官方立场:此举是为了管理系统容量,缓解第三方工具带来的超负荷压力,优先保证核心产品性能。
  • 退款选项:对于不满政策调整的用户,Anthropic 提供了退款申请通道。

详细分析

订阅权益的重新界定

根据 Anthropic 发送给用户的邮件,Claude 订阅的覆盖范围正在收缩。虽然订阅仍然涵盖 Claude Code 和 Claude Cowork 等官方核心产品,但通过第三方“外壳”(Harnesses)调用 API 的行为将被剥离出订阅权益。OpenClaw 作为首个受影响的工具,标志着 Anthropic 开始严格区分官方客户端访问与第三方工具访问。这意味着用户如果希望继续在第三方环境中使用 Claude,必须支付订阅费之外的额外费用。

系统压力与资源优先级

Anthropic 在说明中明确指出,第三方工具对系统资源造成了“不成比例的压力”。由于计算能力(Capacity)是有限资源,公司决定采取差异化对待,将资源优先分配给直接使用官方核心产品的客户。这反映了 AI 服务商在用户高速增长与算力成本、系统稳定性之间的权衡。通过将第三方调用转为按量计费,Anthropic 能够更精准地回收成本并控制高频调用带来的负载。

用户过渡与补偿方案

为了缓解政策变动带来的负面情绪,Anthropic 推出了一系列过渡方案。首先是提供与月费等额的一次性信用额度(需在4月17日前领取),其次是针对预购流量包提供最高30%的折扣。此外,公司还允许不接受新条款的用户申请订阅退款。这种做法试图在商业策略调整与维护开发者社区关系之间寻找平衡。

行业影响

此次政策调整反映了 AI 行业从“粗放式增长”向“精细化运营”的转变。对于开发者而言,利用官方订阅额度进行第三方工具开发的“红利期”正在结束。这可能会迫使第三方开发者重新考虑其产品的商业模式,同时也预示着其他大模型厂商可能会效仿此类做法,以保护自身的计算资源和官方产品生态。对于用户来说,使用 AI 工具的成本结构将变得更加复杂,从单一订阅制转向“订阅+按量”的混合模式。

常见问题

问题 1:这次政策调整从什么时候开始执行?

答:根据官方邮件,该政策将于太平洋时间(PT)4月4日中午12点正式生效,OpenClaw 将是首个受影响的工具。

问题 2:我还能继续使用 OpenClaw 吗?

答:可以,但不能再消耗你的 Claude 订阅额度。你需要为账户开启“额外使用量”(Extra Usage)功能,并按照按量计费的方式支付费用。

问题 3:如果我不接受这个变化,可以退款吗?

答:可以。Anthropic 表示会向受影响用户发送后续邮件,用户可以选择申请订阅退款。

相关新闻

ACL 2026美团技术团队论文精选:深度解析大模型评测与推理优化新范式
行业新闻

ACL 2026美团技术团队论文精选:深度解析大模型评测与推理优化新范式

美团技术团队在自然语言处理顶级会议ACL 2026中共有6篇论文被收录。这些研究涵盖了大模型评测、复杂流程推理、竞赛级数学思维优化、强化学习优化及生成式推荐等前沿领域。本文将深入分析美团如何通过这些技术突破,构建生成式AI的新范式,并探讨其对行业发展的深远影响。

美团技术团队分享:用Agent评测思路管理31万行代码AI重构的实战经验
行业新闻

美团技术团队分享:用Agent评测思路管理31万行代码AI重构的实战经验

美团技术团队近期分享了其在AI Coding领域的深度实践。针对90%以上代码由AI生成的现状,团队提出通过Agent评测思路来约束AI能力,防止代码混乱。通过技术债梳理、Rule建设、重构SOP和Pre-PR机制,美团成功完成了31万行代码的重构,将重构工作从高成本专项转变为随迭代持续推进的日常动作。

LARYBench发布:定义具身动作表征“ImageNet”,揭示通用视觉模型显著优势
行业新闻

LARYBench发布:定义具身动作表征“ImageNet”,揭示通用视觉模型显著优势

美团技术团队正式发布LARYBench(Latent Action Representation Yielding Benchmark),这是一个旨在从大规模视觉数据中学习通用隐式动作表征的系统化评测基准。研究表明,通用视觉模型在动作泛化与控制精度上表现优于专门的具身专家模型,并证实了具身动作表征可从大规模人类视频数据中涌现,为具身智能研究提供了全新的度量标准。