2026年4月16日AI日报 | 模型、工具、Agent 一起提速,行业进入强落地周期

Google 发布 Gemini 3.1 Flash TTS，原生支持多说话人对话

Google 推出 Gemini 3.1 Flash TTS，重点不是普通配音，而是把多角色、多语言和风格控制一起做进同一代语音模型。文本转语音开始从“能读出来”走向“能演出来”。

• 原生支持多说话人对话和 70 多种语言

• 通过 Audio Tags 用自然语言精细控制语速、语气和风格

• 已接入 Gemini API、AI Studio、Vertex AI 和 Google Vids

Vidu Q3 回归，参考生能力把 AI 视频推向生产级

Vidu Q3 正式回归，这次升级不只是在画质上加码，而是直接瞄准漫剧、短剧、广告和影视的真实生产需求，核心就是角色一致性和声画同步。

• 支持文生、图生、参考生三大入口，角色一致性明显增强

• 新增粒子、流体等视觉特效和沉浸式音效

• 已接入 Vidu SaaS 与 MaaS，价格约为行业平均三分之一

Gemini 原生 macOS 应用上线，桌面工作流进一步被 AI 接管

Google 发布 macOS 版 Gemini 原生桌面应用，主打随时唤起、直接读屏和读取本地文件，让 AI 不再停留在网页对话框里，而是开始贴着桌面工作流运行。

• 使用 Swift 原生构建，支持 macOS 15 及以上系统

• 默认可通过 Option + Space 全局快捷键一键唤起

• 支持屏幕共享与本地文件读取，直接围绕当前任务给出响应

Project Think 发布，长期运行智能体开始有了新底座

Project Think 作为下一代 Agents SDK 亮相，目标不是再做一个普通 Agent 框架，而是解决长期运行、低空闲成本和大规模会话管理这些真正卡住智能体落地的问题。

• 支持持久化执行、子智能体、沙盒代码运行和持久会话

• 基于 Durable Objects，每个智能体都有独立身份与状态

• 休眠时不消耗算力，唤醒后可继续执行，适合大规模部署

NVIDIA 发布 Lyra 2.0，一张图开始生成可探索 3D 世界

NVIDIA Research 推出 Lyra 2.0，把“从单图生成 3D 世界”继续往前推，不再只做静态重建，而是允许用户在生成后持续导航、扩展和导出整个世界。

• 可从单张图像生成持久且可探索的 3D 场景

• 通过生成式重建解决空间遗忘与时间漂移问题

• 最终可导出 3D Gaussians 或 meshes 接入物理引擎

Claude Code 支持自定义 Prompt Caching TTL，缓存控制更细了

Claude Code 在 2.1.108 版本中加入 Prompt Caching TTL 自定义能力，开发者终于可以更主动地平衡缓存命中率、上下文复用和成本，不再只能被动接受默认策略。

• 新增 1 小时缓存变量 ENABLE_PROMPT_CACHING_1H

• 也可强制设定 5 分钟缓存 TTL

• 适用于 API key、Bedrock、Vertex 和 Foundry 等场景

Gemini API 推出预付费计费，Google 开始补齐成本控制层

Google 为 Gemini API 上线预付费计费功能，明显是冲着“避免账单失控”这个真实痛点来的。对开发者和企业来说，AI 调用终于可以像云资源一样更可预测。

• 支持预先购买积分后再调用 API

• 余额不足时可自动充值，减少服务中断风险

• 目前美国先行，未来几周将逐步全球推广

Anthropic 传出 Opus 4.7 与设计工具将发布，设计软件压力骤增

消息称 Anthropic 计划推出 Claude Opus 4.7，并同步上线网页与演示文稿设计工具。重点已经不只是模型常规升级，而是把 Claude 继续往创意生产力和设计链路深处推进。

• Opus 4.7 被视为 Opus 4.6 之后的常规旗舰升级

• 新工具瞄准网页和演示文稿设计，直接冲击 Figma、Wix 等赛道

• Anthropic 正在把代码、办公和视觉创作进一步打通

阿里云妙悟 Meoo 上线，一句话生成完整网站

阿里云正式发布妙悟 Meoo，主打零门槛网站与 H5 生成。它不是单纯吐代码，而是把前端、后端、数据库和云资源一次性接起来，直接给出能上线的成品。

• 集成 Qwen、Kimi、GLM、MiniMax 四大模型协同生成

• 打通数据库、域名、存储、FC 沙盒和百炼 API 等阿里云能力

• 简单页面最快 1 分钟生成，复杂需求可自动拆解与修复

Windsurf 2.0 发布，Devin 被直接塞进编辑器

Windsurf 2.0 的核心升级不是一个新按钮，而是把 Devin 这种云端自主 Agent 真正接进编辑器，让开发者第一次能在一个看板里同时管理本地 Agent 和云端 Agent。

• Agent Command Center 统一监控本地与云端 Agent 状态

• Devin 可在独立云端虚拟机中持续执行复杂任务，关机也不停

• Windsurf Spaces 支持按项目聚合会话、PR、文件与上下文

Cursor 上线交互式 Canvas，AI 输出开始从文本变界面

Cursor 在 3.1 版本中加入交互式 Canvas，让智能体不只回你一段话，而是直接生成图表、架构图、数据看板等可视化界面。AI 的产出形态开始从文字走向 UI。

• 基于 React UI 库原生渲染表格、图表、框体和示意图

• 可用于 PR 审查、架构理解和现实数据展示

• 也可通过技能教会智能体生成特定类型的交互式画布

OpenAI 升级 Agents SDK，沙箱和 Harness 把长任务安全性补上

OpenAI 对 Agents SDK 做了一次更像“平台级”的升级，把沙箱运行、状态恢复、统一配置和记忆系统一起补齐，让智能体不再只是能跑，而是能更安全地长期跑。

• 支持在受控 Sandbox 中运行 Agent，降低崩溃和注入风险

• Harness 架构把状态保存与计算执行分离，支持任务恢复

• 还内置 MCP、Skills、Shell、Apply Patch 和记忆系统

Cloudflare Mesh 上线，AI Agent 终于有了更像样的私有网络

Cloudflare 发布 Mesh，把用户、服务器、节点和 AI Agent 拉进同一个零信任私有网络，重点解决的不是传统 VPN 问题，而是 Agent 安全访问数据库、API 和 MCP 的联网难题。

• 通过单一轻量连接器构建双向多对多私有网络

• 可直接配合 Workers、Durable Objects 和 Agents SDK 使用

• 每个账户免费支持最多 50 个节点和 50 个用户

OpenRouter 视频生成正式上线，多模态统一接口再补一块

OpenRouter 正式上线视频生成功能，开发者现在可以用统一 API 访问不同视频模型，不用再自己适配各家碎片化参数，多模态工作流开始更像一个完整平台。

• 统一分辨率、时长、宽高比和音频生成等关键参数

• 可与文本、图像、音频、嵌入和重排能力无缝组合

• 还支持在调用前编程式查询模型能力，适合自动化工作流

Google 扩大 Personal Intelligence 开放范围，个性化 AI 更进一步

Google 宣布把 Personal Intelligence 向更多用户开放，并将其接入 Gemini 和 Chrome。方向很明确：未来用户不需要反复解释自己，AI 会越来越依赖你已有的数据上下文。

• 可跨 Gmail、Google Photos 等应用建立个性化信息关联

• 先在 Gemini App 上线，本周晚些时候接入 Chrome

• 目标是让 AI 给出更贴近个人背景的专属回答

Anthropic 调整 Claude Enterprise 计费，固定订阅改为按量收费

Anthropic 把 Claude Enterprise 从高额固定订阅改成“基础席位费 + 实际用量”模式，本质上是在承认 Agent 时代的企业使用方式已经变了，算力消耗波动越来越大。

• 新模式为每人每月 20 美元基础席位费外加算力用量

• 调整直接受 Claude Code 和 Claude Cowork 高消耗推动

• 目前只影响 150 人以上的大企业客户，Team 与小企业不受影响

OpenAI 计划把 ChatGPT 广告做成按点击计费，商业化继续提速

消息称 OpenAI 正计划把 ChatGPT 广告从按展示计费推进到按点击计费，并进一步做转化导向广告。广告不再只是试水，而是在朝真正成熟的效果广告体系靠近。

• 广告试点面向美国免费版和 Go 用户，展示在回答底部

• 试点不到两个月已实现超 1 亿美元年化经常性收入

• 下一步计划扩展到加拿大、澳大利亚和新西兰等市场

声明：本内容由AI生成，可能包含不准确或推测性信息，请读者自行甄别并谨慎参考。