越来越多的初创公司创始人对通过微软Azure AI Foundry平台测试AI模型时产生的意外费用表示担忧,原本孤立的投诉现已演变成对计费透明度的广泛争议。
至少20名参与微软创业扶持计划的成员已在Change.org上签署请愿书,呼吁微软首席执行官萨蒂亚·纳德拉解决他们所描述的Azure AI Foundry内部"计费陷阱"问题。他们认为,该平台的界面难以区分初创公司积分覆盖的服务和产生直接费用的第三方模型。
"Azure AI Foundry在完全统一的界面中同时显示微软原生模型(如Azure OpenAI)和第三方市场模型(如Anthropic Claude),没有任何视觉区别、警告或在产生费用前的确认步骤,"请愿者写道。
这份请愿书声称微软违背了创始人的信任,由东京初创公司Leach的创始人富永拓也起草,他是首批在详细博客文章中报告计费问题的人之一。
在文章中,富永写道,他直到信用卡账单显示使用Anthropic模型产生约1600美元费用时才意识到模型使用需要付费。
这位创始人进一步写道,通过Azure门户联系微软支持是一项艰难的任务,因为门户不允许他直接联系或报告问题。
在他通过X平台私信联系到Azure支持后,被指引查看微软文档中的细则,其中说明初创公司积分不能用于微软Azure支持计划、第三方品牌产品、通过微软Azure市场销售的产品或与微软Azure分开销售的其他产品。
当富永进一步追问时,他写道获得了价值1000美元积分的部分退款offer,但他拒绝了,并被指示就进一步退款请求联系Anthropic。
Anthropic回应富永称,它无法查看通过微软Foundry的使用情况,无法处理退款。
富永并非个案。浦那EPAM Systems的系统架构师里亚兹·谢赫在X上发帖称遇到了类似情况,解决计费问题的尝试似乎在两家公司之间来回推诿,各自都指向对方作为处理退款的合适方。
事实上,谢赫在同一条推文中指出,微软自己的版主也不确定大语言模型在微软创业扶持计划中如何计费,并指向微软Learn官方问答论坛上的一篇帖子。
在回应论坛用户问题时,一名版主确认初创公司积分可用于通过Azure AI Foundry部署Claude Opus 4-5。
该帖子后来被修改,表明初创公司积分不适用。
谢赫在邮件中说,他和他的团队尚未收到任何退款,反而在Anthropic和微软之间被来回推诿,各自都将他们指向对方寻求解决方案。
基于AI的劳动力培训初创公司Comprenders创始人博格丹·塞夫留科夫确认,他也面临类似问题,费用为999.60欧元(约1147美元)。
针对寻求对投诉发表评论以及询问是否计划修改Azure AI Foundry内第三方AI模型展示和计费方式的邮件,微软发言人回应称:"我们密切倾听客户反馈,持续努力在产品文档中提供清晰指导,包括定价详情和积分资格。我们鼓励客户依赖官方文档,并针对其具体环境提交支持票据寻求额外帮助。"
请愿者表示,对Azure AI Foundry用户界面的相对较小设计更改就能防止类似事件,并敦促微软引入更清晰的标签、明确的计费警告以及在开发者部署第三方模型前的确认提示。
他们认为,这些改变将有助于确保测试AI原型的初创公司不会无意中产生意外费用并耗尽预算。
Q&A
Q1:Azure AI Foundry的"计费陷阱"是什么问题?
A:Azure AI Foundry在统一界面中同时显示微软原生模型和第三方市场模型,没有视觉区别、警告或确认步骤,导致用户无法区分哪些服务可以使用初创公司积分,哪些会产生直接费用,从而意外产生高额账单。
Q2:初创公司遇到意外计费后如何寻求解决?
A:受影响的创始人联系微软支持后被告知初创公司积分不适用于第三方产品,获得的部分退款offer被拒绝后被指示联系第三方供应商,但Anthropic等供应商表示无法查看通过微软平台的使用情况,无法处理退款。
Q3:如何避免在Azure AI Foundry上产生意外费用?
A:请愿者建议微软引入更清晰的标签区分原生模型和第三方模型、添加明确的计费警告,以及在部署第三方模型前增加确认提示步骤,同时用户应仔细阅读官方文档了解积分适用范围。
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。