返回列表
亚马逊Mechanical Turk停止接受新客户:众包平台或将走向终结
行业新闻亚马逊人工智能众包

亚马逊Mechanical Turk停止接受新客户:众包平台或将走向终结

亚马逊已正式停止其众包平台Mechanical Turk(MTurk)的新客户注册。根据TechCrunch的最新报道,这一举措可能预示着该平台即将走向终结。作为AI数据标注和微任务处理领域的先驱,MTurk的这一变动标志着该服务可能已进入最后的运营阶段。

TechCrunch AI

核心要点

  • 亚马逊Mechanical Turk(MTurk)正式停止接受新客户的注册申请。
  • 行业分析认为,这一举措暗示该众包平台可能在不久的将来彻底关闭。
  • 该变动由TechCrunch AI率先报道,反映了该服务可能正处于其生命周期的最后阶段。

详细分析

停止新客户准入的信号

亚马逊Mechanical Turk作为全球知名的众包微任务平台,近期采取了停止接受新客户的重大举措。在互联网服务的产品生命周期中,停止新用户注册通常被视为产品进入“维护模式”或准备关停的明确信号。虽然目前公开的信息仅限于停止新客户准入,但这一限制措施直接切断了该平台的增长动力,显示出亚马逊对该业务线的战略调整。

“最后的日子”:平台的终结预期

根据TechCrunch的报道,目前的情况被描述为Mechanical Turk“最后的日子”。作为连接任务发起者(Requester)和作业者(Worker)的桥梁,MTurk曾是处理图像识别、文本转录和数据清洗等任务的核心工具。然而,随着技术环境的变化,报道指出该平台可能正处于关闭的边缘。尽管亚马逊尚未发布正式的退役时间表,但“停止接受新客户”这一动作本身就具有极强的指示性,预示着一个时代的落幕。

行业影响

Mechanical Turk的变动对AI行业具有深远意义。在过去二十年中,它是构建大规模机器学习数据集的基石,被誉为“人工的人工智能”。如果该平台最终关闭,现有的研究人员、开发者和依赖微任务处理的企业将不得不寻找替代方案。这不仅标志着一个众包时代的结束,也反映了AI基础设施正在经历从传统的人工标注模式向新模式的转型。对于长期依赖该生态系统的作业者和请求者而言,这无疑是一个重要的转折点。

常见问题

问题 1:现有Mechanical Turk用户会受到影响吗?

根据目前的新闻信息,亚马逊明确表示停止接受的是“新客户”。原文并未详细说明现有客户和作业者的使用权限是否会立即终止,但考虑到平台可能走向终结的预期,现有用户应密切关注后续通知。

问题 2:亚马逊为何做出停止新客户注册的决定?

原文中并未提供亚马逊官方的具体理由,仅由TechCrunch报道指出这可能标志着该服务的终结。目前尚不清楚这一决定是出于公司战略调整还是其他业务考量。

相关新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑
行业新闻

美团LongCat发布General 365推理评测基准:Gemini 3 Pro准确率仅62.8%领跑

美团LongCat团队正式发布General 365推理评测基准,旨在为大语言模型的推理能力树立新标尺。在对26款主流模型的实测中,目前表现最强的Gemini 3 Pro准确率仅为62.8%,而绝大多数模型未能达到60%的及格线。这一结果揭示了当前AI模型在复杂推理任务中面临的严峻挑战,为行业提供了客观的性能评估参考。

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析
行业新闻

ACL 2026 精选论文分享:美团履约团队大模型 Agent 技术体系深度解析

美团履约 AI 算法团队在 ACL 2026 期间分享了其在大模型 Agent 技术体系方面的最新研究成果。该团队通过深耕持续预训练(CPT)、后训练(Post-training)、Agent 强化学习(Agentic RL)及多模态理解等前沿方向,成功构建了赋能美团履约业务的 Agent 自进化运营系统。目前,相关研究已在 ACL、EMNLP 等国际 AI 顶会发表数十篇高质量论文,展示了美团在 AI 工业落地与学术研究方面的深厚积淀。

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文
行业新闻

美团发布LongCat-2.0:首个国产五万卡集群训练的万亿参数模型,支持1M超长上下文

美团技术团队正式发布LongCat-2.0大模型。该模型是业界首个在五万卡国产算力集群上完成全流程训练与推理的万亿参数模型,总参数量达1.6T。LongCat-2.0采用从零预训练模式,原生支持1M(百万级)超长上下文,其架构设计深度聚焦于Agentic Coding任务,旨在提升复杂代码环境下的理解、生成与执行效率,标志着国产算力在大模型全链路开发上的重大突破。