6月26日,“Make 2024钉钉生态大会”在北京举办。会上,钉钉宣布对所有大模型厂商开放,构建中国最开放AI生态。除了通义大模型外,MiniMax、月之暗面、智谱AI、猎户星空、零一万物、百川智能六家大模型厂商已经与钉钉达成合作。目前,钉钉生态伙伴总数超过5600家,其中AI 生态伙伴已经超过100家;钉钉AI每天调用量超1000万次。
钉钉总裁叶军表示:“模型开放是钉钉生态开放战略的再进一步。随着行业从模型创新走向应用创新,探索大模型的应用场景是钉钉的责任所在。钉钉拥有大量企业客户,数据优势与场景优势叠加,和大模型之间彼此需要。另一方面,钉钉上的大企业客户也对模型开放提出要求。”

钉钉和大模型的三种合作模式
过去一年多,大模型行业经历了数量爆发和快速迭代时期,随着模型能力的不断提升,业内也逐步形成共识:真实场景中的大规模应用,是大模型价值验证和通往AGI的必由之路。
钉钉作为国内最大的智能化协同办公和应用开发平台,拥有海量的用户和千行百业的应用场景。去年4月,钉钉接入通义大模型,用AI将产品重做一遍,至今已经完成了20多条产品线80多个功能的AI化;去年8月,钉钉开放了AI PaaS,帮助生态伙伴用AI重塑产品;此次钉钉将自身产品和场景向所有大模型厂商开放,构建最开放的AI生态,与伙伴共同探索大模型应用之路。
钉钉与大模型生态伙伴将以三种模式展开合作与探索。
钉钉的IM、文档、音视频等产品的AI能力主要由通义大模型支持。在此基础上,钉钉将结合其他各家大模型的特点,探索不同模型能力在产品和场景中的应用。例如,钉钉正和月之暗面一起,基于大模型的长文本理解和输出能力,探索教育类应用场景。
在AI Agent开发方面,钉钉已向大模型生态伙伴开放AI助理(AI Agent)开发平台。开发者在钉钉上创建AI助理时,除了默认的通义大模型外,还可以依据自身需求,选择不同厂商的大模型。
针对客户的个性化场景和需求,钉钉将与大模型厂商一起,为客户定制相应的智能化解决方案,并提供模型训练调优、AI解决方案打造、AI定制应用开发等服务,还可实现模型的私有化部署。
钉钉上已产生50万AI助理
生态开放一直是钉钉最重要的战略之一。目前,钉钉生态伙伴总数超过5600家;其中AI 生态伙伴已经超过100家,除了AI大模型生态伙伴外,还有AI Agent产品、AI解决方案、AI插件等不同领域的伙伴。钉钉AI每天调用量超1000万次。
今年1月,钉钉发布了AI助理(AI Agent)。截至5月底,钉钉上创建的AI助理总数约50万个。今年4月,钉钉正式上线AI助理市场(AI Agent Store),覆盖企业服务、行业应用、效率工具、财税法务、教育学习、生活娱乐等类目,一个多月以来,上架的AI助理数量已超700个。
钉钉生态中的众多ISV正在积极拥抱AI,例如客户服务类SaaS售后宝,采用API inside模式,将钉钉AI助理能力内嵌于自身的应用之中,打造“AI客服助理”,为客户提供自然语言问答、数据分析等功能和服务。同时,原生AI应用也陆续加入钉钉生态,AI图像生成应用“悠船”已于6月初上架钉钉开放平台。
过去一年中,钉钉和生态伙伴深度集成的套件产品取得飞速发展。套件将生态伙伴的功能集成进钉钉自身产品中,为客户提供统一无缝的使用体验。截至五月底,钉钉套件的生态合作伙伴共计22家,近一年实现营收近1亿元。其中,探迹与钉钉合作的“钉钉客户管理”套件营收超千万;Moka、e签宝、用友畅捷通、蓝凌、北极星、鸿欢等共计11家生态伙伴套件产品的营收分别超过百万级。
全新AI搜索开启邀测
此次大会上,钉钉还宣布升级全局搜索能力,开启全新“钉钉 AI 搜索”的邀测。 如果说AI助理旨在解决钉钉功能繁多的问题,AI搜索要解决的则是钉钉上信息分散的问题。这一功能可深度整合钉钉内工作与协作信息,大幅提升搜索效率,解决工作学习、日常生活等场景中遇到的各类搜索需求。
同时,钉钉对 AI 助理的思考系统、感知系统和行动系统进行了大幅升级,如在思考系统方面,AI 助理具备了更强的记忆和推理能力。在行动系统方面,AI 助理已具备多 Agent 协同、工作流、拟人操作等多种行动能力。这些能力升级,将通过Assistant API 和Inside API 两种方式,进一步向生态伙伴和客户开放。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。