Manus近日推出基于Stripe可认领沙盒 (Claimable Sandbox)技术的创新模式,实现“先构建,后注册”的全新支付系统工作流程。该技术让企业无需提前注册即可在真实环境中构建和测试业务创意,加速其商业化变现。
Manus携手Stripe“可认领沙盒”,加速用户产品商业化变现
在推进支付系统建设的过程中,许多创业者虽已拥有清晰的商业构想,却不得不中断工作流程,化身“支付专家”,在控制面板、回调接口与API密钥之间反复切换,只为让项目启动。为解决这一问题,Manus与Stripe携手,从零重构整个流程。这一合作的目标旨在使更多全球创作者无需亲自处理繁杂的技术步骤,能够以最快、最安全的方式将创意转化为收入。
传统支付集成流程的第一步往往从创建支付服务账户开始。Stripe与Manus颠覆了这一常规,使开发者无需注册即可立即启动业务构建。这项实现“先构建、后注册”工作流程的核心技术依托于Stripe的可认领沙盒 (Claimable Sandbox)。这一突破性技术是一个可由程序自动创建的、功能完整的临时Stripe账户,由Manus生成,彻底消除了注册流程这一最大障碍。
企业无需填写任何表格,即可开始构建和测试业务创意。同时,它是Stripe实时系统的完整复制版,企业可以在其中测试从订阅创建到支付失败处理的每一个环节,而不会影响真实客户或资金安全。只有对网站完全满意时,才需要前往Stripe进行KYC(身份验证),正式接入支付功能。
正如Stripe AI首席营收官Maia Josebachvili所言:“六成来自AI代码生成平台的开发者都会在Stripe创建全新的账户。如今,越来越多的人开始使用AI代码生成平台来构建产品,若要为产品接入支付,则意味着必须‘跳出流程’:提前注册账户、搭建测试环境、前后不断切换,才能完成第一次收费。而现在,Stripe的沙盒可以在这些平台中原生运行,让开发者能够在构建产品的同一界面直接完成支付集成。”
“Stripe凭借其卓越的技术和对Manus需求的深刻理解为Manus的商业化变现提供了支持。在 Manus 1.5版本中,我们正探索如何让智能体自主搭建并运维网络工具,在Stripe的 Claimable Sandboxes支持下,集成了支付功能,能助力全球创作者实现自身作品的商业化变现。”Manus联合创始人兼首席产品官张涛表示。
Stripe Claimable Sandbox专为AI驱动的开发模式设计,使得像Manus这样的智能体能够在可控的环境中安全、高效地为企业搭建并配置完整的支付系统。当企业确认一切设置完善后,只需领取该沙盒账户,由Manus配置的包括产品信息、定价方案和回调接口设置在内的所有内容将无缝迁移至专属的正式Stripe账户中。这意味着从上线第一天起,企业便拥有一个可直接投入使用的支付系统。
Stripe期待能够将Claimable Sandbox这一突破性技术带给更多企业及创业者,加速其商业化变现。
高效集成Stripe产品,快速开启全球营收之路
Manus打造了无需过多人工干预、即可自主拆解复杂任务的自主式智能体。在推出Manus后,公司亟待一个响应速度更快的支付合作伙伴,既能提供实时支持,又能消除运营瓶颈。为抓住爆火AI产品的市场需求红利,Manus需要搭建一套完整的支付堆栈,包括订阅计费、欺诈预防、全球税务合规及发票开具等功能,且必须快速落地。
借助Stripe的专业服务,Manus高效集成了Stripe结账优化套件、自动化税务合规等产品。目前,Manus超过半数的用户交易通过Stripe Link完成,在推出后不到一个月即支持全球200多个国家或地区的付款,其中包括美国、欧盟、英国、日本和澳大利亚等主要市场。在推出付费方案仅四个月后,Manus的收入运行率(Revenue Run Rate)就达到了9000万美元。
好文章,需要你的鼓励
很多人担心被AI取代,陷入无意义感。按照杨元庆的思路,其实无论是模型的打造者,还是模型的使用者,都不该把AI放在人的对立面。
MIT研究团队提出递归语言模型(RLM),通过将长文本存储在外部编程环境中,让AI能够编写代码来探索和分解文本,并递归调用自身处理子任务。该方法成功处理了比传统模型大两个数量级的文本长度,在多项长文本任务上显著优于现有方法,同时保持了相当的成本效率,为AI处理超长文本提供了全新解决方案。
谷歌宣布对Gmail进行重大升级,全面集成Gemini AI功能,将其转变为"个人主动式收件箱助手"。新功能包括AI收件箱视图,可按优先级自动分组邮件;"帮我快速了解"功能提供邮件活动摘要;扩展"帮我写邮件"工具至所有用户;支持复杂问题查询如"我的航班何时降落"。部分功能免费提供,高级功能需付费订阅。谷歌强调用户数据安全,邮件内容不会用于训练公共AI模型。
华为研究团队推出SWE-Lego框架,通过混合数据集、改进监督学习和测试时扩展三大创新,让8B参数AI模型在代码自动修复任务上击败32B对手。该系统在SWE-bench Verified测试中达到42.2%成功率,加上扩展技术后提升至49.6%,证明了精巧方法设计胜过简单规模扩展的技术理念。