腾讯云QClaw发布"文件空间"：深度打通腾讯文档与ima知识库，AI办公工具向"全流程协同中心"转型
今日，腾讯云旗下AI助手QClaw正式上线"文件空间"功能，实现了与腾讯文档、ima知识库以及本地文件的深度生态打通。此次升级标志着AI办公工具从单一的"对话辅助"向"全流程协同中心"转型——用户通过QClaw即可直接调取、编辑和保存腾讯文档中的多种格式内容，并能将ima知识库中的碎片化信息无缝接入AI创作流，彻底解决了办公场景中多应用间频繁切换与文件搬运的痛点。
这个东西最核心的价值，在于它把三件事真正捏在了一起。以前的AI助手只能"对话"，你说它帮你干活，实际上生成的内容还得你手动复制粘贴到对应软件里。现在QClaw直接调取腾讯文档内容，AI生成的产物也可以直接变成可编辑、可分发的协作链接，不用再跳出聊天窗口去操作一遍。这种"全链路通达"对于每天要处理大量文档的办公用户来说，体验提升是实打实的。
ima知识库的接入则让行业研报、公众号文章等沉淀知识得以在AI工作台中激活。举个例子，你在ima里收藏了大量竞品分析文章，现在可以直接让QClaw基于这些知识来写方案，不用再一条条复制粘贴给AI喂料。从信息输入、AI加工到知识沉淀，形成了完整双向闭环——这个设计思路相当清晰。
当前AI行业正处于从大模型底层竞争转向端侧应用效能竞争的关键阶段，腾讯云通过强化生态内数据的流动性，正在降低AI工具的使用门槛与隐形成本。这种办公流的"全链路通达"不仅提升个人生产力，也为企业级协同提供了更具确定性的AI落地范式。AI助手正加速向具备强协作属性的"数字办公基础设施"演进。
详情查看： https://www.aitop100.cn/infomation/details/33794.html
火山引擎发布业界首个Agent套餐包：整合Doubao全模态SOTA模型与联网工具，Model与Harness双驱动
2026年5月11日，火山引擎正式发布业界首个"Agent套餐包"——Agent Plan，标志着AI应用加速从单一的编程辅助向通用智能体跨越。这个套餐最值得关注的地方在于，它不再只是卖一个模型，而是把模型能力和工具链打包在一起提供给开发者。
Agent Plan深度整合了字节跳动自研的Doubao-Seed、Doubao-Seedance、Doubao-Seedream等全模态SOTA模型，同时还聚合了GLM-5.1、Kimi-K2.6等主流第三方模型。说实话，这种"一站式配齐"的模式对开发者吸引力很大——不用自己研究每个模型的接入文档，套餐全包。
技术架构上，Agent Plan引入了"Model与Harness"双驱动模式，这是个很有意思的设计。除了提供多模态模型能力外，还集成了联网搜索、Vision Embedding等工具。联网能力对Agent来说非常关键，否则模型只能基于训练数据回答问题，无法获取实时信息。Harness工具的集成则提升了Agent的长程记忆能力，让它不只是单次对话，而是能跨任务持续跟踪上下文。
计费透明度一直是开发者最头疼的问题之一。火山引擎引入了统一资源计量单位"AFP（Agent燃料值）"，按阶梯订阅组合收费，Medium及以上版本用户还可免费使用深度优化的云上工具ArkClaw。这个设计降低了开发者的成本预期管理难度，用起来会更踏实。
大模型竞争重心正从"基础模型参数"转向"工具链集成与生态落地"。通过Model与Harness的深度协同，火山引擎试图构建一个标准化的AI生产力供给模式，加速Agent在短视频制作、自动化办公等多元生产力场景中的落地。
中国AI大模型周调用量达美国2.11倍：连续两周稳居全球首位
根据OpenRouter最新发布的行业测算数据，在刚刚过去的5月4日至5月10日这一周，全球AI大模型的总调用量达到了惊人的25.7万亿Token，较前一周增长7.5%，呈现出连续三周向上攀升的强劲势头。在这场全球算力与应用竞赛中，中国大模型的表现尤为亮眼：上周中国AI大模型的周调用量高达7.941万亿Token，其庞大的基数已确立了绝对的市场优势。
相比之下，同期美国AI大模型的周调用量为3.76万亿Token。虽然美国市场在当周实现了14.41%的环比大幅增长，但在总量上仍与中国存在显著差距——中国大模型的周调用量已达美国的2.11倍。这不仅是数量上的领先，更标志着中国大模型已连续两周在调用规模上实现对美国的反超，并稳稳占据全球首位。
这个数字背后有两层含义值得关注。第一层是规模上的——7.941万亿Token的周调用量意味着每天有超过1万亿Token的推理请求在中国的大模型基础设施上运行，这个体量本身就说明国内大模型已经被大量真实用户和真实场景所使用。第二层是趋势上的——连续两周超越美国，且周环比仍在增长，说明中国大模型的应用生态正在加速成熟，而不是昙花一现。
持续领先的态势反映出国内大模型应用场景正处于高度活跃期，开发者与企业对本土AI能力的依赖度和利用率正在不断提升。随着国内大模型在B端场景的渗透率持续提高，以及更多垂直行业应用落地，这一领先优势有望继续扩大。
Hermes Agent首次超越OpenClaw登顶全球Token消耗榜：Nous Research开源智能体以"自进化学习"撼动行业格局
Hermes Agent在全球Token消耗量榜单上首次超越了OpenClaw，荣登首位。这个消息在AI开发者社区引发了不小的关注——OpenClaw一直是智能体框架领域的标杆产品，被一个新晋开源项目超越，足以说明自进化智能体这条路走通了。
Hermes Agent由硅谷AI研究机构Nous Research开发并开源，自2026年2月发布以来，在GitHub上收获了超过十万个星标。它的核心定位是"随着使用时间不断学习和进化的数字助手"——这个描述听起来有点抽象，但实际效果很有意思。系统具备自进化技能系统，能够在完成任务后自动分析执行轨迹，提取高频操作模式并封装为可复用的技能。连续运行三个月后，有65%的新任务可以直接调用已存在的技能，不需要重新执行一遍完整流程。这就像一个经验丰富的助理，工作时间越长，处理同类事务的效率就越高。
四层记忆机制也值得说说。它确保在设备重启或切换平台时，依然能记住用户的偏好、历史任务和目标。你今天在台式机上建立的工作上下文，换到笔记本上依然完整保留，不需要重新调教。这个能力对于需要跨设备协作的用户来说是刚需。
支持多种执行环境（本地沙箱、Docker容器、SSH远程等）保障了敏感任务的安全性，并集成了Telegram、Discord、Slack等主流即时通讯平台，扫码即可接入，降低了使用门槛。
跟OpenClaw比起来，Hermes Agent以"自进化学习循环"为核心展现出更强的动态性。
OpenClaw以其丰富的社区技能商店和高度可控性著称，而Hermes Agent则通过技能复用和简化的安装流程，特别适合个人用户自建智能体办公助手。这两条路线各有优势，也代表了当前AI Agent框架发展的两个主要方向。
详情查看： https://www.aitop100.cn/infomation/details/33792.html
中国移动MoMA平台正式发布：接入超300款AI模型，"机密模型"服务为政务金融数据安全护航
2026年5月8日举行的移动云大会主论坛上，中国移动重磅发布了移动模型服务平台MoMA。该平台旨在将人工智能技术普及到各行各业，通过接入超过300款主流AI模型实现智能服务的广泛应用。这个体量的模型聚合，在目前的国内AI服务平台中确实属于第一梯队。
MoMA构建了一套"一次接入、智能优选、普惠可用、安全可信"的模型服务体系，用户只需通过统一API网关进行一次接入，即可使用平台上的所有模型资源。目前已接入包括中国移动自研的"九天"大模型在内的多款模型，涵盖文本生成、语音处理和多模态理解等多项能力，覆盖政务、金融、工业、医疗、教育等多个领域。对于企业用户来说，不用逐一对接多个供应商，一个入口搞定，确实省心不少。
智能路由引擎是MoMA的核心技术亮点。平台能够自动分析用户需求，根据"成本优先"、“效果优先”、"均衡优先"三种策略灵活切换最适合的模型。这个设计解决了一个很实际的问题——不同任务对模型能力的要求差异很大，用同一套模型处理所有任务要么浪费算力、要么效果不够。动态路由可以根据任务特点自动匹配最合适的模型，而不是一刀切。
在稳定性方面，平台实现了秒级自动切换——某个模型超时或故障时，系统自动切换备用方案，业务不中断。这个能力对需要高可用的企业级应用很关键，毕竟在正式业务场景里，一次服务中断可能导致真实的业务损失。
另外值得特别关注的是"机密模型"服务。平台将模型部署在安全隔离的环境中，确保计算过程中的数据不被泄露，特别适用于对数据安全有较高要求的政务和金融场景。在数据合规要求越来越严格的当下，这个能力可能比技术参数更能打动政府和大企业客户。
MiniMax关联公司增资至40亿元：注册资本翻3倍达40亿，A股上市传闻再起
近日，国产AI大模型头部企业MiniMax再次成为资本市场的焦点。根据最新工商登记信息，其关联公司上海稀宇极智科技有限公司已完成重磅增资，注册资本由原来的10亿元大幅提升至40亿元，增幅高达300%。这一数字在当前的大模型融资环境下相当醒目。
说实话，300%的资本增幅背后，传递出的信号比数字本身更值得解读。10亿到40亿的跳跃，不像是常规的业务扩张型增资，更像是在为接下来的大动作储备弹药。结合MiniMax之前已经透露的A股上市意向，这笔资金很可能将用于支撑上市前的业务规模扩张和财务指标优化。
MiniMax成立于2021年11月，法定代表人闫俊杰。从成长历程来看，其资本运作节奏相当紧凑：2025年7月已完成一轮接近3亿美元的战略融资，当时投后估值便已突破40亿美元大关。有业内知情人士透露，由于业务扩张迅速且估值稳步提升，公司正积极寻求在A股上市的机会。如果上市进程顺利，MiniMax将成为继智谱AI之后又一家冲击资本市场的头部大模型公司。
值得关注的是，MiniMax的版图扩张不只在上海总部。今年1月，公司在广州成立了新的科技公司，注册资本达7000万元。加上这次对上海关联公司的大手笔增资，说明MiniMax正在多条线上同步推进——技术研发、商业化落地和地域扩张一个都没落下。
在大模型领域竞争日趋白热化的背景下，智谱AI、Manus等关联公司近期也纷纷传出增资消息。MiniMax资本实力的再度跃升，为其在激烈的算力竞赛和模型迭代中提供了更充足的资金保障，也预示着国内大模型头部公司的竞争已经进入"弹药储备"阶段。
工具地址：MiniMax官网
谷歌Gemini API文件搜索重大升级：多模态RAG能力原生落地，页面级引用终结"幻觉信任危机"
Google日前宣布对Gemini API中的文件搜索功能进行重大升级，为开发者提供更完善的多模态检索增强生成（RAG）能力。此次更新不仅打破了传统文本检索的局限，更将AI的理解维度扩展到了图像与复杂文档的深度整合，标志着企业级AI应用在信息检索准确性上迈出了关键一步。
技术层面上，新版文件搜索功能基于Gemini Embedding2模型构建。与以往单纯依靠文本向量搜索不同，升级后的系统具备统一的多模态嵌入能力，能够同时识别和处理PDF、文档以及各类图片中的视觉信息。这意味着开发者无需再耗费精力搭建复杂的向量数据库或文档切分系统，即可在Gemini API内部实现从数据上传到信息检索的完整RAG工作流。这个变化对外行人来说可能感受不深，但对一直在折腾RAG系统的开发者来说，是个很实在的减负。
在实际应用场景中，这一进步解决了传统RAG系统难以处理非文本内容的痛点。以往，文档中的图表、设计图或产品截图往往成为AI的"盲区"，导致回答缺失关键上下文。比如你上传一份产品技术文档，里面既有文字描述也有架构图，旧系统只能理解文字部分，图表内容完全被忽略。现在Gemini API能够原生理解这些视觉元素，AI可以结合图表数据与文字描述给出精准推论。这个能力对客服机器人和文档分析系统的实用性提升是质的飞跃。
自定义元数据过滤功能也值得关注。开发者可以根据部门、时间、分类等维度为文件添加标签，在检索时通过预设条件过滤无关信息，确保AI输出的回答更加聚焦。这个功能在大规模知识库管理中很实用，避免了检索结果被大量无关信息淹没的问题。
还有一个对用户信任度影响很大的改进——页面级引用。AI在生成答案时，会明确标注信息源自文档的具体页码，而非仅仅指向整个文件。这个设计直击AI"幻觉"问题的核心：当用户能直接溯源到原始文档的具体位置时，判断AI回答是否准确就变得容易多了。这种透明度的提升，也为深度阅读和二次核实提供了极大便利。
目前增强版文件搜索功能已向全球开发者开放，用户可通过Google AI Studio或Google Cloud平台接入体验。
工具地址：Google AI Studio官网（海外网站需要科学上网）
AITOP100-AI资讯频道将持续关注AI行业新闻资讯消息，带来最新AI内容讯息。
想了解AITOP100平台其它版块的内容，请点击下方超链接查看
AI创作大赛 | AI活动 | AI工具集 | AI资讯专区 | AI小说
AITOP100平台官方交流社群二维码：
