欢迎来到本期【AI日报】。今天 AI 圈的关注点主要落在多模态 Coding、视频生成 API、语音克隆开源项目、国产大模型调用增长，以及专业 AI 智能体等方向，开发者生态和企业级应用依然是核心看点。
新鲜AI产品点击了解：https://app..com/zh
今日重点
智谱推出 GLM-5V-Turbo 多模态 Coding 大模型，字节跳动火山引擎 Seedance 2.0 API 开始面向普通 API 客户开放申请，美团 LongCat-AudioDiT 完成开源并在音色克隆方向取得进展。同时，豆包大模型 Token 使用量、蚂蚁数科 DTClaw 内测、Anthropic Conway、谷歌 Gemma 4，以及通义实验室 Qwen3.6-Plus 也释放出新的行业信号。
1、智谱发布 GLM-5V-Turbo 多模态 Coding 大模型
智谱推出 GLM-5V-Turbo 多模态 Coding 大模型，进一步强化了视觉理解与编程能力的结合。该模型支持多种视觉工具调用，并在多个核心基准测试中表现较为突出，主要面向前端复刻、GUI 自主探索、交互式编辑等开发场景，有助于提高相关任务的执行效率。
在接入 AutoClaw 智能体后，GLM-5V-Turbo 也让 AutoClaw 获得了更完整的视觉能力，能够理解复杂图表内容，并生成专业分析报告。
【提要:】
🧠 GLM-5V-Turbo 作为多模态基座模型发布，进一步融合视觉能力与编程能力。
💻 支持前端复刻、GUI 自主探索和交互式编辑等场景，帮助提升开发效率。
📊 AutoClaw 智能体接入后，可解读复杂图表并输出分析报告。
2、字节火山引擎 Seedance 2.0 正式面向普通 API 客户开放申请
字节跳动火山引擎正式开放 Seedance 2.0 API 服务，这意味着这款多模态视频生成模型开始从封闭体验阶段走向更开放的开发者与企业生态。通过 API 接入，开发者和企业可以将其视频生成能力应用到更多创作和业务场景中。
【提要:】
🎥 Seedance 2.0 支持文字、图片、音频和视频四种模态输入，提升视频生成的可控性。
💡 可生成具备电影质感的视频内容，适用于短剧制作、电商营销等场景。
🔒 API 开放强调版权保护，申请方需完成企业认证并接受内容审核。
3、美团 LongCat-AudioDiT 开源：首创波形潜空间建模，刷新音色克隆 SOTA
美团开源 LongCat-AudioDiT 项目，通过波形潜空间建模推动语音克隆性能提升。该项目在架构与优化技术上进行了创新，目标是提升语音生成的质量、稳定性和效率。
【提要:】
🧠 采用波形潜空间建模，减少对传统梅尔频谱中间表征的依赖。
🚀 结合 Wav-VAE 与 DiT 构建精简架构，改善语音生成效率和质量。
🔧 引入双重约束机制与自适应投影引导技术，用于缓解音色漂移并优化生成效果。
详情链接:https://github.com/meituan-longcat/LongCat-AudioDiT
4、日均消耗破 120 万亿！字节跳动豆包大模型成“流量王”：两年狂涨 1000 倍
报道显示，字节跳动豆包大模型在 AI 应用落地中的增长十分明显，日均 Token 使用量已经突破 120 万亿，体现出其在应用侧的高频调用能力。与此同时，国产大模型整体调用量持续走高，并在部分领域超过海外主流模型。
随着模型调用规模不断扩大，云厂商也在重新审视 Token 的商业价值，TokenHub 正逐渐成为新的竞争焦点。
【提要:】
🔥 豆包大模型日均 Token 使用量突破 120 万亿，体现出较强的 AI 应用渗透力。
📈 国产大模型调用量持续增长，部分领域已超过海外主流模型。
🔄 云厂商重新评估 Token 商业价值，TokenHub 成为新竞争场景。
5、蚂蚁数科 DTClaw 开启内测：定位专业级 AI 智能体赛道
蚂蚁数科宣布旗下专业级龙虾产品 DTClaw 开启内测，正式进入专业 AI 智能体赛道。DTClaw 定位为“专业型”AI，面向金融专家、理财顾问、数据分析师等深度专业人群，提供全天候在线的专属 AI 智能体服务。
在技术与产品设计上，DTClaw 强调“原生专家”属性，集成上百种专业技能，并预置大量成熟的“熟虾”模板。其应用场景覆盖投资理财、复杂数据分析、软件研发、自动化测试等高价值领域。随着 AI 智能体从“助理”向“专家”演进，蚂蚁数科也希望借此进一步深耕垂直行业，并推动 AI 生产力闭环落地。
【提要:】
🧠 DTClaw 定位专业级 AI 智能体，服务金融专家、理财顾问及数据分析师等专业用户。
🔧 集成上百种专业技能，并预置大量“熟虾”模板，覆盖投资理财、复杂数据分析等场景。
🚀 蚂蚁数科借 DTClaw 进入专业 AI 智能体赛道，体现其深耕垂直行业的战略方向。
6、Anthropic 测试“龙虾” Conway：支持独立 UI、Webhook 唤醒与自定义扩展标准
Anthropic 正在开发名为 Conway 的常驻代理解决方案，目标是为 Claude 提供一个始终在线、可独立运行的智能环境。据介绍，Conway 将具备独立 UI 实例，并支持浏览器操作、外部连接器接入以及 Claude Code 功能。
此外，Conway 还将通过 Webhook 实现自动化响应，并推出 CNW ZIP 标准，以增强自定义扩展能力。
【提要:】
📱 具备独立 UI 实例，突破传统聊天界面的使用边界。
⚙️ 支持 Webhook 唤醒以及外部服务连接。
📦 推出 CNW ZIP 标准，用于构建自定义扩展生态。
7、谷歌开源大模型 Gemma 4 官宣在即：参数量翻 4 倍
谷歌开源大模型 Gemma 4 即将发布。相关信息显示，Gemma 4 参数量达到 120B，是上一代的 4 倍，并采用 MoE 架构，以兼顾性能表现和运行效率。
通过持续推进开源模型项目，谷歌仍在开发者社区保持影响力，并尝试在本地化服务方向与中国公司竞争。
【提要:】
🧠 Gemma 4 参数量提升至 120B，达到上一代的 4 倍。
🔄 采用 MoE 架构，在性能与效率之间寻求平衡。
🌍 开源模型竞争进入参数规模与效率优化并重的新阶段。
8、AI 编程进入“靠谱”时代：通义实验室正式发布 Qwen3.6-Plus
通义实验室正式发布 Qwen3.6-Plus。该模型聚焦 Coding Agent 与长上下文能力，旨在提升智能体编程过程中的稳定性和执行效率，同时推进生态兼容与视觉智能体闭环。
【提要:】
🧠 编码能力提升，在前端页面生成、代码修复和终端自动化等场景中表现突出。
🌐 支持百万级上下文，默认提供 100 万字符上下文窗口，增强长文档解析与多轮对话信息提取能力。
🛠️ 兼容主流开发工具，并支持多种第三方编程助手的深度适配。
一句话总结
本期 AI 动态显示，多模态模型、视频生成、语音克隆、专业智能体与 AI 编程工具正在同步推进，开放 API、开源项目和大规模调用量仍是行业竞争的核心信号。