

> 字节跳动旗下大模型日均词元消耗量实现两年千倍级跨越，强势刷新全行业历史纪录。庞大数据的背后标志着国产大模型已彻底告别底层参数竞逐，全面开启以生态重构与真实业务落地为核心的商业化新纪元。

## 呈指数级攀升的算力消耗

火山引擎官方最新披露的战报为国内人工智能市场注入了一剂强心针。数据显示豆包大模型的日均Token使用量已突破120万亿大关。更令人瞩目的是其陡峭的增长曲线，不仅在短短三个月内实现了规模翻番，若将时间线拉长至两年前，整体消耗量更是实现了惊人的千倍暴增。

这一指数级跃升绝非孤立现象。近期行业统计表明，随着Token中文名正式确立为词元，我国大模型的单日总调用量已达到140万亿的庞大体量。国产大模型阵营凭借在电商导购、智能办公与全天候社交等高频真实场景的深度渗透，不仅连续数周稳居调用量榜首，更在多个垂直细分赛道实现了对海外主流框架的实质性反超。

![22.png](https://static.downly.cn/images/37aadf94b22be510328aeb9bd02ac299.png)

<center>图源备注 图片由AI生成</center>

## 巨头重估词元商业价值

激增的底层调用需求正在倒逼云服务厂商加速重构现有的商业变现逻辑。TokenHub正成为科技巨头们角力的新战场。阿里巴巴近期大动作重组了专门的Token Hub事业群，腾讯云也迅速跟进完成了基础平台的战略升级，试图在庞大的流量洪峰中抢占分发枢纽的地位。

除了平台架构的迭代，量价齐升的健康商业模式成为全行业的终极追求。以京东旗下龙虾系产品为例，其调用量环比激增455%的背后是极高的业务转化率支撑。当前的人工智能技术正在完成从前沿黑科技向如水和电一般触手可及的基础公共资源蜕变。如何在规模化放量与算力成本控制之间找到最佳平衡点，将决定谁能在这场万亿级盛宴中笑到最后。

字节跳动豆包日均消耗破120万亿词元 国产大模型步入规模化应用深水区



>为了在全球人工智能军备竞赛中不掉队，字节跳动正酝酿一场规模空前的基础设施升级计划，旨在通过巨额投入缩短与美国科技巨头的技术代差：

## 豪掷千金 剑指2026年基建扩张

据多方知情人士及外媒消息，字节跳动已初步敲定了2026年的资本支出蓝图。计划显示，公司预计将投入高达 **230亿美元**（约合1600亿元人民币）用于构建和升级AI基础设施。这一数字相较于2025年预期的1500亿元人民币有了进一步的大幅增长，凸显了其在AI领域的急切野心。

在这笔惊人的预算中，约有半数资金（约850亿元人民币）将被专门用于采购采用先进半导体制程的AI处理器。尽管当前地缘政治环境导致供应链存在不确定性，但字节跳动的扩张意愿并未因此减弱。

![Google_AI_Studio_2025-12-23T02_36_51.546Z.png](https://static.downly.cn/images/3a89cdc17bf0e66c91dd1430a91cb80e.png)

<center>图源备注：图片由AI生成</center>

## 顶住压力 试购高端芯片

有消息指出，若相关销售许可获批，字节跳动计划首批试购2万台英伟达 H200芯片，单价约为2万美元。市场分析认为，如果未来出口限制政策有所松动，字节跳动在2026年的实际资本支出总额极有可能突破现有预算，进一步飙升。

尽管230亿美元的投入在行业内已属天文数字，但若将其置于全球视角，与硅谷“四巨头”相比仍存在客观差距。数据显示，微软、Alphabet、亚马逊及Meta仅在2025年一年，针对AI数据中心的总投入就已超过3000亿美元。

## 全面爆发 算力与能源双管齐下

虽然字节跳动此前曾对部分关于其支出细节的匿名报道予以否认，称其“不准确”，但种种迹象表明其AI建设已进入快车道。近期频繁的算力招标动作，以及如优奇与火山引擎达成能源合作协议等举措，均指向同一个事实：字节跳动正处于AI基础设施建设的全面爆发期。

字节跳动猛掷230亿美元：2026年AI基建狂飙，只为缩短与硅谷差距



>导语
在火山引擎Force原动力大会上，总裁谭待发布了AgentKit开发框架，并提出AI演进新范式。他认为，AI正从简单的问答交互走向复杂场景的“落地攻坚”，智能体（Agent）将取代传统App成为未来的核心计算单元，而安全能力需内生于设计之中。

## 大模型进入复杂场景攻坚期

谭待指出，过去大模型多用于问答式交互，如今已深入汽车、制造、餐饮等高复杂度行业。在这些场景中，AI需同时处理文本指令、视觉输入、传感器数据与工具输出。

例如在工厂中识别设备异常并调用维修工单系统，或在餐厅根据菜品图像自动生成营养分析与推荐。这要求模型具备类人的多模态理解与环境操作能力，而非仅依赖预设API，实现了从“聊天”到“干活”的质变。

## AgentKit破局开发瓶颈

“模型能力已足够强，但如何将其封装为稳定、可扩展的Agent，仍是行业瓶颈。”针对这一痛点，火山引擎正式发布AgentKit。

这套源自内部实践的智能体开发与运行框架，提供了任务规划、工具调用、记忆管理、安全沙箱与监控回溯等全链路组件，旨在大幅降低Agent开发门槛与运维成本，帮助企业打通技术落地的最后一公里。

![Google_AI_Studio_2025-12-22T02_21_10.215Z.png](https://static.downly.cn/images/e1e9d872f8102fa3eaa63b79fd1a0bf4.png)
<center>图源备注：图片由AI生成</center>

## 定义AI时代的新计算单元

谭待进一步预言 AI时代的基础设施核心，将从Web页面、移动App转向智能Agent。这意味着云架构需重构 数据库需支持Agent状态持久化，计算资源需按任务流动态调度，网络需保障多Agent协同的低延迟通信。“Agent不是功能模块，而是具备目标、记忆与行动能力的数字员工。”

同时，面对AI滥用风险，他强调安全能力需深度嵌入Agent运行全生命周期。火山引擎已在AgentKit中集成输入过滤、输出合规校验等机制，确保Agent在开放环境中可靠运行。

火山引擎总裁谭待 智能体将取代App成为未来计算核心单元



> 导语
> 今日科技圈迎来多重重磅更新，腾讯与OpenAI相继推出新一代大模型，编程与多模态能力大幅跃升。与此同时，快手可灵与生数Vidu在音视频生成领域再造突破，高德与诺顿则将AI融入出行与安全浏览，更有日本政府探索AI在心理干预层面的社会价值。



## 腾讯混元2.0震撼发布 携手DeepSeek共建AI生态

腾讯正式对外发布了备受瞩目的自研大模型混元2.0。这一版本采用了先进的混合专家架构（MoE），参数规模巨大，旨在提供更强劲的逻辑推理与多任务处理能力。值得一提的是，腾讯同步宣布将DeepSeek V3.2深度接入其生态系统。目前，这两款强大的模型并在元宝、ima等腾讯旗下的AI应用中正式上线。与此同时，腾讯云也迅速跟进，向开发者和企业用户开放了相关的API服务，为产业智能化升级提供了新的强力引擎。

## OpenAI再推王炸 GPT-5.1-Codex-Max重新定义编程效率

OpenAI发布了其最新的编程专用模型——GPT-5.1-Codex-Max。该模型在性能上实现了显著飞跃，不仅具备更加智能的“代理式”编码能力，能够自主规划和执行复杂的编程任务，还支持超过一百万token的超长上下文窗口，轻松处理大型代码库。令人惊喜的是，其定价策略保持与GPT-5一致，极高的性价比使其一经发布便受到了全球开发者的广泛关注与热议。

## 英伟达联手港大推出Orchestrator模型 小参数大智慧

英伟达与香港大学合作，联合推出了一款拥有8亿参数的Orchestrator模型。虽然参数量不大，但该模型利用创新的ToolOrchestra强化学习框架，展现出了惊人的效能。它能够以更低的算力成本和更高的准确率，协调多种外部工具与大型语言模型协同工作，以解决复杂问题。此外，该模型还具备根据用户偏好智能选择最佳工具的能力，为AI代理的工具管理提供了新的思路。


![image.png](https://static.downly.cn/images/d912f372ced241a29811bfb8b7aad1db.png)

<center>图源备注：图片由AI生成</center>


## 快手可灵Avatar 2.0上线 一张照片实现唱跳自由

快手可灵AI发布了Avatar 2.0数字人模型，标志着AI内容创作从静态向动态叙事迈出了关键一步。新版本彻底告别了以往数字人常见的“面瘫”问题，用户现在仅需上传一张照片和一段音乐，即可生成长达五分钟的视频。在视频中，数字人不仅能根据音乐节奏自然地唱歌跳舞，还能展现出细腻丰富的面部表情和肢体动作，极大地降低了高质量视频内容的创作门槛。

## 生数科技Vidu Q2版本发布 免费解锁4K画质与局部重绘

生数科技发布了集参考生图、文生图与图像编辑功能于一体的Vidu Q2版本，被称为“生图全家桶”。该版本在图像生成的可控性上进行了大幅增强，用户可以精准控制画面的位置、动作和构图。Vidu Q2不仅支持输出影院级的4K超清画质，还新增了实用的局部重绘等编辑功能。凭借强大的功能和免费使用的策略，该版本上线首日使用量即突破五十万次，成为创意领域的新宠。

## 微软开源VibeVoice 300毫秒极速响应拟人语音

微软发布并开源了实时语音模型VibeVoice-Realtime-0.5B。该模型在语音合成技术上取得了突破性进展，能够将文本输入在平均300毫秒内转化为语音输出，几乎实现了零延迟的实时交互。不仅速度快，其输出的语音极其接近真人，即便是在长达90分钟的长音频合成中，也能保持流畅自然的呼吸感和语调，远超传统语音合成技术的表现。

## 火山引擎豆包语音2.0升级 复杂场景识别率显著提升

火山引擎发布了基于20亿参数音频编码器的豆包语音识别模型2.0。此次升级显著增强了模型在多语言环境、嘈杂复杂场景下的识别准确性。特别是在处理专有名词、人名、地名以及多音字等难点信息时，新模型的推理能力得到了质的飞跃。此外，该模型还新增了视觉信息识别功能，进一步拓宽了其在多模态交互场景中的应用潜力。

---
![image.png](https://static.downly.cn/images/73c5ddaf2726e7f389decc0e7f6a05be.png)

<center>图源备注：图片由AI生成</center>


## 高德地图上线AI停车雷达 分钟级预测车位状态

高德地图利用先进的AI视觉分析和空间智能感知技术，推出了实用的“AI停车雷达”功能。该功能实现了车位占用情况的分钟级动态可视化更新，帮助车主在导航过程中实时查看沿途及目的地的空闲车位情况。目前，该服务已率先在北京上线，覆盖数万个车位，有效缓解了城市停车难的问题，极大地拓展了导航应用的服务深度。

![image.png](https://static.downly.cn/images/8701e7b568393d4ef04b4cc2fec2902c.png)

<center>图源备注：图片由AI生成</center>

## 诺顿发布全球首款安全AI浏览器Norton Neo 守护在线隐私

网络安全巨头诺顿发布了全球首款免费的“安全AI原生浏览器”——Norton Neo。这款浏览器旨在利用AI技术的主动防御能力，应对日益复杂的在线安全威胁。它能够智能识别并拦截恶意网站、钓鱼链接及追踪脚本，为用户提供一个更加智能、清爽且可信赖的网页浏览体验，重新定义了浏览器安全标准。

## 阿里云析言XiYan-SQL登顶全球榜单 数据库诊断能力刷新纪录

阿里云飞天实验室研发的“析言XiYan-SQL”数据分析智能体，在全球权威的SQL诊断评测BIRD-CRITIC中一举夺魁。该智能体超越了国内外众多顶尖团队，刷新了该基准测试中所有开放榜单的纪录。这一成绩充分展现了阿里云在自动诊断和修复企业常见数据库报错方面的强大技术实力，为企业数据治理提供了强有力的工具支持。

## 日本政府拟启用AI技术 早期干预青少年心理危机

面对青少年自杀率上升的严峻社会问题，日本政府计划利用人工智能技术来早期识别具有自杀倾向的青少年，并及时提供必要的心理支持与干预。这一举措是在社会对AI风险广泛关注的背景下提出的，此前OpenAI曾因AI工具可能诱导不良情绪而引发争议。日本政府此举意在探索AI向善的可能性，将其应用于心理健康这一关键社会领域。



每日AI资讯1206：腾讯混元2.0重磅登场 OpenAI发布编码神器 快手可灵让数字人唱跳俱佳



> 导语：今日AI界风起云涌，视频生成领域的技术竞赛进入白热化阶段。生数科技Vidu与火山引擎豆包纷纷亮剑，开放API并上线新功能，致力于提升视频内容的真实感与叙事性。与此同时，Runway将目光投向垂直行业，开放模型微调权限，推动AI在机器人与建筑业的深度应用。资本市场同样热闹非凡，LiblibAI创下国内AI应用单笔融资新高，而Snapchat则向全体用户免费开放AI图像生成功能，社交媒体的AI之战愈演愈烈。腾讯亦在3D重建技术上取得突破，发布混元世界模型1.1，大幅降低了3D内容创作的门槛。

---

## Vidu大模型API全面开放，开启“精工”视频时代
生数科技正式开放旗下Vidu Q2参考生视频大模型的API接口，此举标志着AI视频生成技术正从基础的“可用”阶段，迈向追求细节与质感的“精工”阶段。该模型凭借其卓越的画面一致性、细腻的情感表达能力以及强大的创意特效引擎，将在广告营销、电商商品展示、互动娱乐及动漫制作等领域发挥巨大潜力，有望显著提升内容的真实感与用户的转化率，为数字内容创作行业带来一场深刻的变革。

![image.png](https://static.downly.cn/images/0e00ec699801877681208fba11200e16.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 豆包视频模型精准叙事，首尾帧功能惊艳上线
火山引擎发布的豆包视频生成模型Seedance 1.0 pro，近期上线了一项创新的“首尾帧”能力。该功能通过在复杂场景中保持主体一致性、遵循物理规律以及进行精确的节奏推理，极大地增强了视频中主角的跟随效果。这使得AI生成的视频能够实现更精准的叙事和更强的沉浸感，为广大企业和个人创作者提供了一款强大的AI视频创作新工具。

![image.png](https://static.downly.cn/images/e2d72fee00a4b87866826f5265586b84.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Runway聚焦垂直应用，开放模型微调权限赋能行业革新
AI视频领域的先驱Runway推出了视频模型微调工具，将业务重心进一步拓展至行业应用。这项新功能旨在帮助机器人、建筑业和教育等垂直领域的合作伙伴，使用更少的数据和算力就能定制化AI模型。此举解决了通用大模型在专业领域表现力不足的痛点，简化了模型定制流程，标志着Runway正向着更深度的产业赋能方向发展。

![image.png](https://static.downly.cn/images/fbbdebbfac0d98645ad356a5b7f4aa03.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 资本风向标转向，LiblibAI斩获1.3亿美元巨额融资
国内AI应用公司LiblibAI近日宣布完成1.3亿美元的B轮融资，刷新了国内AI应用领域的单笔融资金额记录。本轮融资由红杉中国、CMC资本等多家知名机构联合投资，现有股东也超额增持。这一事件标志着资本市场的关注点正从AI的底层基础设施模型，逐渐转移到更具商业潜力和落地前景的应用层。

![image.png](https://static.downly.cn/images/d118232b6c0eb1d1a497c2fad69c2310.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## Snapchat免费开放Imagine Lens，全民AI创作时代来临
为应对来自Meta AI和OpenAI在视频领域的激烈竞争，Snapchat宣布向所有用户免费开放其AI图像生成工具“Imagine Lens”。这一原先的付费功能，现在允许任何用户通过简单的文本提示来创作或编辑图片。此举旨在吸引年轻用户，将专业的AI创作能力普及化，让AI生成内容成为全民参与的社交新玩法。

![image.png](https://static.downly.cn/images/11898d4eeebe25c8caedba0272f4a2a2.png)
<p align="center">图源备注：图片由AI生成</p>
<br>

## 腾讯混元世界模型1.1发布，秒级生成专业级3D场景
腾讯正式开源了混元世界模型1.1版本，该模型在3D重建技术上实现了重大突破。新版本增加了对多视图和视频输入的支持，并经过性能优化，可在单张显卡上高效部署。用户现在可以利用几张图片或一段短视频，在数秒内生成专业级别的3D场景。该模型的发布极大地降低了3D内容创作的技术门槛，让普通用户也能轻松进入3D世界。

![image.png](https://static.downly.cn/images/17bafc244e4fbc16b534ee735cb693fb.png)
<p align="center">图源备注：图片由AI生成</p>
<br>



每日AI资讯1023：视频生成模型军备竞赛升级，AI应用层获资本青睐



封面图提示词：充满未来感的AI主题插图，包含数据流、神经网络和机器人元素，色调为蓝色和紫色，风格为赛博朋克

> 今天的AI世界充满了激动人心的突破。谷歌DeepMind推出了能自动修复代码的智能代理CodeMender，同时其Genkit扩展也为开发者带来了福音。OpenAI则在ChatGPT中全面支持模型上下文协议（MCP），进一步开放其生态。在国内，蚂蚁集团的万亿参数大模型Ling-1T正式登陆华为云。此外，自动化测试、DNS精准调度等领域也迎来了新的技术进展。

## 代码“医生”上线：谷歌DeepMind推出智能代理CodeMender，自动修复软件漏洞

谷歌DeepMind近日发布了一款名为CodeMender的AI驱动智能代理。该工具能够利用先进的推理模型和程序分析技术，自动检测、修复并加固软件中的漏洞。对于开发者而言，这意味着可以从繁琐的安全问题处理中解放出来，大幅缩短修复时间，将更多精力投入到创新工作中。

![image.png](https://static.downly.cn/images/6e4eac59cf5313895adf876f880504d1.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## 测试也需智能化：TRAE智能体让Web UI自动化测试更简单

在Web UI自动化测试领域，TRAE智能体正带来新的变革。它利用Playwright MCP工具，能够将用户以自然语言输入的测试步骤文本，智能地转化为可直接执行的界面操作命令。这一创新方案极大地简化了测试用例的创建过程，让繁琐的UI测试变得前所未有的高效与便捷。

![image.png](https://static.downly.cn/images/a5bb67e051e3232ac987019dfdf314bb.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## 终端开发迎AI革命：谷歌Genkit扩展让命令行也能拥有AI助手

谷歌为开发者带来了Genkit扩展，这一新工具将强大的AI辅助功能深度集成到了Gemini CLI终端中。开发者现在可以直接在命令行界面享受由AI提供的智能辅助，从而极大地简化Genkit应用的开发与调试流程。这标志着终端开发正式迈入了由AI驱动的高效新时代。

![image.png](https://static.downly.cn/images/91fd713e89ccf499d3cd93438a60543a.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## 数据交互更自由：ChatGPT开发者模式全面拥抱MCP协议

OpenAI宣布，其在ChatGPT的开发者模式中已全面支持模型上下文协议（MCP）。这一重要更新允许用户通过自定义连接器，在聊天会话中直接对数据进行读取和写入操作。此举进一步开放了ChatGPT的生态系统，为开发者提供了更强大、更灵活的数据交互能力。

![image.png](https://static.downly.cn/images/e8cbcf9c56d624eab5b966f0f29d14ed.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## 强强联合：蚂蚁集团万亿参数大模型“百灵”登陆华为云

华为云近日宣布，蚂蚁集团研发的万亿参数“非思考”大模型Ling-1T已正式上线其大模型即服务（MaaS）平台。该模型现已开源，并支持专属资源部署，旨在充分释放其强大的模型能力，为企业提供更优质、更便捷的AI服务。

![image.png](https://static.downly.cn/images/a22efbfdd7cf44247cc7e9eb1c37a8f8.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## 告别网络延迟：火山引擎HTTPDNS Cache2.0实现网段级精准调度

为解决域名解析服务中常见的调度不准问题，字节跳动为其核心应用（如抖音、今日头条）推出了火山HTTPDNS Cache2.0方案。该方案针对业界主流缓存机制存在的根本性缺陷进行了优化，通过网段级的精准调度，有效避免了因IP库与权威DNS服务器不一致而导致的延迟，显著提升了用户体验。

![image.png](https://static.downly.cn/images/2d29f28767d5b6230e32c4b5aa14f6df.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

## Copilot+ PC市场反响平平，未能引爆预期

备受关注的Copilot+ PC产品线似乎并未在市场上激起预期的火花。其宣传重点可能面临挑战，因为新的PC产品线似乎未能如预期般引爆市场，其市场表现和消费者接受度有待进一步观察和验证，需要更深入的分析来评估其长期潜力。

![image.png](https://static.downly.cn/images/aa9db92e6301edd0ff9618e0b858eead.png)

<p align="center"><i>图源备注：图片由AI生成</i></p>

每日AI资讯1019：谷歌与OpenAI竞相发布AI新工具，蚂蚁集团万亿参数大模型登陆华为云




> 导语：本期AI资讯聚焦多项重大进展，从全面开源的多模态模型LLaVA-OneVision-1.5，到阿里为开发者推出的高效命令行编程工具Qoder CLI，再到微软将Copilot深度集成至Windows 11核心，以及Anthropic的Claude模型与Microsoft 365的无缝对接，AI技术正以前所未有的深度和广度融入各个领域，重塑我们的工作与生活方式。

## LLaVA-OneVision-1.5 全面开源，视觉语言模型开启新篇章

备受瞩目的多模态模型LLaVA-OneVision-1.5现已全面开源。该模型历经两年研发，从最初的图文对齐技术，已升级为能够综合处理图像和视频的强大框架。更重要的是，项目方提供了一套开放且高效的可复现训练架构，让广大开发者和研究人员可以便捷地构建属于自己的高质量视觉语言模型。其训练过程分为三个阶段，为多模态技术的发展开辟了新的道路。

![image.png](https://static.downly.cn/images/734063e378213ed36de67b019cc50774.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## 阿里Qoder CLI发布，命令行编程迎来AI新纪元

阿里巴巴为其开发者社区带来了一款创新的AI编程工具——Qoder CLI。这款工具通过命令行接口，实现了强大的代码生成与理解能力。它的核心优势在于，能够在显著提升开发效率的同时，将内存占用降低70%，并大幅加快响应速度。对于习惯在终端工作的开发者而言，Qoder CLI的发布标志着命令行编程正式迈入了AI辅助的新纪元。

![image.png](https://static.downly.cn/images/75195f8dd49143ecb400000873f0c83a.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Windows 11 迎来 Copilot 原生集成，语音操控PC成现实

微软正在将其AI战略推向新的高度，宣布将生成式AI助手Copilot深度集成到Windows 11的核心系统中。用户将能够通过语音直接唤醒Copilot，并让它分析屏幕上的内容，执行本地自动化操作。这一举措旨在将Copilot打造成为用户与个人电脑互动的主要界面，彻底改变我们使用PC的方式，让智能交互无处不在。

![image.png](https://static.downly.cn/images/d565f98d7cb69f75da7abd7bcd24c09f.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Anthropic推出Claude“技能”系统，复杂任务处理模块化

Anthropic公司为其Claude模型推出了创新的“技能”（Skills）模块系统。该系统能将复杂的提示工程分解为一个个可堆叠、可移植的独立模块。开发者可以通过主题文件夹整合任务说明、脚本和相关资源，从而让Claude在处理例如自动生成Excel表格和PPT等复杂任务时，效率和实用性得到大幅提升。

![image.png](https://static.downly.cn/images/820ecb6a5acb104dd0eb83a2fa85b342.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Claude携手Microsoft 365，企业办公效率再升级

Anthropic进一步深化了与微软的合作，推出了全新的Microsoft 365连接器。这一功能使得企业用户可以在SharePoint、OneDrive、Outlook和Teams等日常使用的微软应用中，直接调用Claude AI的强大能力。通过接入用户账户信息，Claude能够提供更加个性化和上下文感知的服务，无缝融入企业工作流，提升信息获取和沟通效率。

![image.png](https://static.downly.cn/images/ef46847900b13dc355ad543d1c811e76.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## 字节跳动发布豆包1.6，国产大模型首创“思考深度”可调

火山引擎正式发布了豆包大模型1.6版本，带来了一项国内首创的创新功能——支持分档调节思考长度。用户可以根据任务的复杂度，在四档不同的思考深度中进行选择。这种灵活性不仅能让模型在处理复杂问题时输出更高质量的答案，也能在执行简单任务时选择较低档位，从而大幅减少token消耗，实现了性能与成本的动态平衡。

![image.png](https://static.downly.cn/images/c4f7f506f741c75931da815b4e74e92d.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>

## Kayak上线AI模式，用聊天规划你的下一次旅行

著名旅游搜索引擎Kayak正式推出了集成ChatGPT技术的“AI模式”。现在，用户可以通过内置的AI聊天机器人，用自然语言咨询各种旅行问题，并让AI帮助比较和预订机票、酒店及租车服务。这项功能已经同步在Kayak的网页版和移动端上线，标志着AI驱动的个性化行程规划服务正成为主流。

![image.png](https://static.downly.cn/images/e872379a86da66cd6f83297f40bdcf23.png)
<div align="center">
  图源备注：图片由AI生成
</div>
<br>



每日AI资讯1017：多模态模型开源与AI助手全面融入操作系统及办公软件



> 导语：今日AI界风起云涌，英伟达市值再创新高，突破4.5万亿美元，彰显了AI基础设施的巨大价值。同时，OpenAI发布了革命性的视频生成模型Sora 2，将虚拟与现实的界限进一步模糊。浏览器领域也迎来智能化浪潮，Opera与Brave纷纷集成AI以优化用户体验。值得一提的是，国产大模型在本轮技术竞赛中表现抢眼，智谱、通义千问及火山引擎均发布了重要更新，在芯片适配、实时翻译和视觉理解等多个维度取得了显著突破，而学术界也在机器人三维视觉方面取得了重大进展。

## AI芯片巨头再创辉煌，英伟达市值突破4.5万亿美元

英伟达股价近日再攀新高，公司市值成功突破4.5万亿美元大关，其年内涨幅已接近39%。这一成绩的背后，是市场对其在人工智能领域核心地位的持续看好。据悉，包括OpenAI计划投资千亿美元建设GPU数据中心在内的一系列大规模AI基础设施交易，是推动英伟达市值飙升的关键力量。

![image.png](https://static.downly.cn/images/b77197a921150442417a2815b92a86b0.png)
<p align="center">图源备注：图片由AI生成</p>

## OpenAI震撼发布Sora 2，视频生成迈入超现实时代

OpenAI正式推出了其新一代视频生成模型Sora 2，并同步上线了同名短视频社交应用。Sora 2在遵循物理规律和提升画面真实感方面取得了巨大飞跃，能够创造出令人难以置信的逼真场景。该应用目前处于邀请测试阶段，但已展示出的多样化视频内容预示着个性化视频创作的新纪元已经到来。

![image.png](https://static.downly.cn/images/c50fbac90f73bf70107bc3c42083e0b7.png)
<p align="center">图源备注：图片由AI生成</p>

## 国产AI的强强联合，智谱GLM-4.6实现技术与生态双突破

智谱AI近日连续发布重磅更新，推出了新一代开源模型GLM-4.6。该模型在编程能力上实现了巨大飞跃，表现已能对齐Claude Sonnet 4，成为国内代码生成领域的领跑者。更重要的是，智谱宣布GLM-4.6已在寒武纪国产芯片平台上成功部署，首次实现了FP8+Int4混合量化方案，在保证精度的同时大幅降低了推理成本，为大模型在国产硬件上的规模化应用开辟了新道路。

![image.png](https://static.downly.cn/images/06a7db02810058eb6a9ed5f9b6f06dbb.png)
<p align="center">图源备注：图片由AI生成</p>

## 通义千问再破纪录，3秒延迟定义实时翻译新标准

通义千问团队发布了全新的Qwen3-LiveTranslate-Flash系统，刷新了行业同声传译延迟的纪录。该系统通过集成创新的视觉上下文增强技术，能够结合语音与视觉信息，显著提升翻译的准确性。它支持18种主流语言及多种方言的离线和实时音视频翻译，让跨语言交流几乎再无障碍。

![image.png](https://static.downly.cn/images/44143f48fc37075142aea64240c89e46.png)
<p align="center">图源备注：图片由AI生成</p>

## 浏览器智能化加速，Opera与Brave引领新潮流

浏览器作为互联网的入口，正迎来一场AI驱动的变革。Opera发布了全新的Neon浏览器，通过整合AI提示创建应用和“卡片”功能，旨在为用户提供更智能、高效的上网与任务管理体验。与此同时，Brave搜索引擎也集成了AI问答功能，无需切换模式即可提供更详尽、更精准的答案，服务已覆盖其超过1500万的日活用户。

![image.png](https://static.downly.cn/images/eb75e6b6c3f27fccefe0476f2570dbdd.png)
<p align="center">图源备注：图片由AI生成</p>

## 火山引擎豆包视觉能力升级，精准识别万物

火山引擎推出了豆包大模型1.6-vision，标志着其在视觉理解领域取得了重大突破。该模型的核心优势在于其强大的工具调用能力，通过优化的算法与增强学习技术，极大地提升了图像识别和目标检测的精度与速度。这一进展将有力推动人工智能技术在更多实际场景中的广泛应用。

![image.png](https://static.downly.cn/images/f2e689c61e4cc57767359173168133b3.png)
<p align="center">图源备注：图片由AI生成</p>

## AI视觉迎来三维革命，新模型让机器人“看懂”物理世界

上海交通大学与剑桥大学的研究团队合作开发了名为Evo的新模型，为机器人视觉带来了革命性飞跃。该模型通过有效整合三维几何信息，克服了传统二维视觉语言模型的局限性，使机器人能够更深入地理解三维空间。实验证明，搭载Evo模型的机器人在执行复杂任务时的成功率提升了31%，标志着AI正从“看懂图片”迈向“理解世界”。

![image.png](https://static.downly.cn/images/2264c3ed33fad3d75d292fb4fefcac02.png)
<p align="center">图源备注：图片由AI生成</p>



搜索结果: 火山引擎