百度智能雲發佈百度千帆Token Plan企業版，提供GLM-5.2等模型
重點摘要
6月24日消息，百度智能雲正式發佈企業級AI生產力訂閱服務——百度千帆Token Plan企業版，面向企業提供統一採購、統一管理、統一運營的AI資源服務，幫助企業以固定預算、統一管理的方式高效使用AI能力，加速AI在組織內部的規模化落地。 據介紹，百度千帆已率先完成智譜GLM-5.2適配並接入Token Plan企業版服務體系，企業用戶和開發者無需複雜部署與調優，即可在長程任務處理、複雜推理、Coding等場景中便捷調用該模型。 隨著大模型能力持續演進，AI正從少數技術團隊使用的創新工具逐步演變為企業級生產力基礎設施。然而，在規模化應用過程中企業也面臨新的挑戰：員工分散採購AI工具、模型資源難以統一管理、使用成本難以預測、組織級運營能力不足等問題逐漸顯現。企業在AI資源統一管理、使用效率提升和預算可控方面，存在相應的服務需求。 針對這一需求，百度智能雲推出百度千帆Token Plan企業版，通過創新的“席位制+企業共享積分包”模式，為企業提供更加靈活、高效、可控的AI資源管理方案。企業可根據組織規模和業務需求按需採購席位，並基於統一額度池實現資源共享與靈活調度，將原本分散的AI工具採購模式升級為企業級AI生產力運營模式，助力實現從“購買工具”到“運營生產力”的轉變。 在資源管理層面，Token Plan企業版採用席位制與Credits積分體系相結合的方式，支持企業第一時間使用業界最優模型並享受高倍率的Token供給。同時，通過成員管理、席位分配與回收、共享積分包管理、用量統計、告警提醒、日誌查看等企業級運營能力，幫助企業建立統一的AI資源管理體系。相比傳統按量計費模式，企業管理者可實時掌握組織整體AI使用情況，讓預算更透明、成本更可控、資源利用更高效。 在模型能力方面，Token Plan企業版支持全模態、多模型靈活調用，聚合DeepSeek-V4系列、GLM-5系列及Ki
6月24日消息，百度智能雲正式發佈企業級AI生產力訂閱服務——百度千帆Token Plan企業版，面向企業提供統一採購、統一管理、統一運營的AI資源服務，幫助企業以固定預算、統一管理的方式高效使用AI能力，加速AI在組織內部的規模化落地。 據介紹，百度千帆已率先完成智譜GLM-5.2適配並接入Token Plan企業版服務體系，企業用戶和開發者無需複雜部署與調優，即可在長程任務處理、複雜推理、Coding等場景中便捷調用該模型。 隨著大模型能力持續演進，AI正從少數技術團隊使用的創新工具逐步演變為企業級生產力基礎設施。然而，在規模化應用過程中企業也面臨新的挑戰：員工分散採購AI工具、模型資源難以統一管理、使用成本難以預測、組織級運營能力不足等問題逐漸顯現。企業在AI資源統一管理、使用效率提升和預算可控方面，存在相應的服務需求。 針對這一需求，百度智能雲推出百度千帆Token Plan企業版，通過創新的“席位制+企業共享積分包”模式，為企業提供更加靈活、高效、可控的AI資源管理方案。企業可根據組織規模和業務需求按需採購席位，並基於統一額度池實現資源共享與靈活調度，將原本分散的AI工具採購模式升級為企業級AI生產力運營模式，助力實現從“購買工具”到“運營生產力”的轉變。 在資源管理層面，Token Plan企業版採用席位制與Credits積分體系相結合的方式，支持企業第一時間使用業界最優模型並享受高倍率的Token供給。同時，通過成員管理、席位分配與回收、共享積分包管理、用量統計、告警提醒、日誌查看等企業級運營能力，幫助企業建立統一的AI資源管理體系。相比傳統按量計費模式，企業管理者可實時掌握組織整體AI使用情況，讓預算更透明、成本更可控、資源利用更高效。 在模型能力方面，Token Plan企業版支持全模態、多模型靈活調用，聚合DeepSeek-V4系列、GLM-5系列及Kimi-K2.6等頂尖模型能力，並會隨模型能力升級不斷更新模型矩陣。企業可按業務場景自由選型，通過Credits統一抵扣，無需分別採購和管理多個模型服務。 此外Token Plan企業版可適配多種主流Coding工具及熱門Agent工具，廣泛覆蓋代碼開發、智能辦公、知識管理、內容生成、Agent構建等場景，幫助企業在現有開發與辦公流程中接入AI能力。 針對不同規模企業和不同使用強度需求，Token Plan企業版提供輕享版、標準版、高級版等多檔位席位方案，支持企業根據崗位角色、使用頻率和業務強度靈活組合配置；百度千帆承諾不使用用戶數據進行模型訓練與服務優化、提供企業級數據安全管理與權限控制，支持企業級SLA以保障服務穩定性。 當前，企業AI資源管理模式正從傳統軟件授權、SaaS訂閱服務，向AI能力訂閱服務演進。百度千帆將持續完善企業級AI服務體系，幫助更多企業在預算可控、管理可視、價值可衡量的基礎上，充分釋放AI生產力價值，加速邁向AI原生時代。
Related
相關文章
Grammarly母公司收購GPTZero：一邊幫你用AI寫，一邊幫你查AI寫？
這篇消息聚焦「Grammarly母公司收購GPTZero：一邊幫你用AI寫，一邊幫你查AI寫？」。原始導語提到：Superhuman年營收超47億元，GPTZero年營收超2億元。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
砍掉90%冗餘詞元，省下70萬美元：Netflix開源工具狙擊AI賬單黑洞
這篇消息聚焦「砍掉90%冗餘詞元，省下70萬美元：Netflix開源工具狙擊AI賬單黑洞」。原始導語提到：在近期的開源峰會上，Chopra 表示，Headroom 已為用戶節省了約 70 萬美元，這些用戶可以將節省的 2000 億Token用在其他地方。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
Claude剛剛上線“群聊Agent”：Karpathy盛讚的交互新範式，還是打工人的“數字監工”?
這篇消息聚焦「Claude剛剛上線“群聊Agent”：Karpathy盛讚的交互新範式，還是打工人的“數字監工”?」。原始導語提到：“Claude Code 升級版”來了！24小時在線待命（進一步消耗你的Token） 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
剛剛，Claude進入美國版飛書，成了我的AI新同事
這篇消息聚焦「剛剛，Claude進入美國版飛書，成了我的AI新同事」。原始導語提到：Claude進群變身“打工人”。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
AI太會寫代碼，人類已經審不過來了
這篇消息聚焦「AI太會寫代碼，人類已經審不過來了」。原始導語提到：從月均2.5萬行，到月均25萬行。 從 AI 情報角度來看，這類內容值得關注其背後的技術進展、產品落地、產業競爭與後續市場影響。
具身智能的數據困境，不只在數量
智東西 作者 | 許麗思 編輯 | 漠影 過去幾年，大模型的發展證明瞭，模型進化依賴於底層數據紅利的爆發，數據就是模型的能力邊界。 這也是當前具身智能行業的一大共識。雖然VLA、世界模型等各種技術路線五花八門，行業尚未形成統一答案，但對數據重要性的判斷已經趨於一致：數據荒漠已成為制約具身智能泛化能力突破的核心瓶頸。 與此同時，具身智能處於從實驗室探索走向產業化前夜。 摩根士丹利預測，2050年全球具身智能市場規模有望達到5萬億美元，中國市場也將在2035年前後邁入萬億元規模。 萬億市場風口就在眼前，但是數據荒漠的瓶頸，讓無數算法原型都只能停留在實驗室，沒法大規模地進入各行各業。 這種預期與現實的巨大落差，正在迅速放大具身智能行業對數據的需求。 圍繞這一需求，各地政府開始大力建設具身智能數據採集基地、實訓場和跨本體數據平臺，多家數據產業鏈企業也在接連獲得大額融資。曾經作為機器人、模型幕後配套的數據環節，走到了產業和資本共同關注的舞臺中央。 一、數據產能快速膨脹，行業卻卡在這“最後一公里” 隨著具身智能模型訓練進入數據驅動階段，數據採集成為各方爭奪的新陣地，大廠、本體公司、零部件供應商都跑步進場。 QYResearch數據顯示，2024年全球具身智能數據採集工廠市場規模大約為7.53億美元，預計2031年將達到67.52億美元，年複合增長率高達36.8%。 數據規模也成為新一輪競爭焦點，千尋智能、靈巧智能、深度機智、覓蜂科技、光輪智能等企業相繼提出百萬小時乃至千萬小時級數據目標。企業希望通過更大規模的數據，增加任務和場景覆蓋，推動模型獲得更強的泛化能力。 與此同時，傳統數採方式成本高、擴展慢，需要投入大量硬件、場地和專業人員，難以快速覆蓋真實世界中海量複雜場景，這就使得Ego-centric（第一人稱）數據範式開始備受關注。 Ego-centric數據由頭戴相機採集，其視角與執