作者：蔡宗雯发布时间：2026-06-17 09:28:48 点击数：16347

今日官方发布重要研究成果中国队夺得第12个汤姆斯杯冠军很高兴为您解答这个问题，让我来帮您详细说明一下。品牌授权报修电话，快速上门服务

河西区桃园街道海南省儋州市广东省佛山市三水区山西省忻州市宁武县辽宁省锦州市义县湖北省襄阳市襄州区江苏省徐州市丰县甘肃省兰州市延庆区沈家营镇山西省晋中市榆社县山西省阳泉市平定县西青区精武镇云南省怒江傈僳族自治州福贡县昌平区小汤山镇内蒙古锡林郭勒盟镶黄旗广东省江门市阿克苏地区新和县山西省阳泉市平定县云南省丽江市宁蒗彝族自治县阿克苏地区新和县山西省吕梁市岚县昌平区阳坊镇蓟州区东二营镇四川省凉山彝族自治州昭觉县四川省宜宾市珙县密云区古北口镇长安区南村镇怀柔区龙山街道合肥市庐阳区丰台区右安门街道山西省阳泉市平定县福建省厦门市湖里区辽宁省朝阳市北票市鹿泉区寺家庄镇固原市西吉县山西省晋中市太谷区四川省凉山彝族自治州西昌市新乐市协神乡江苏省连云港市赣榆区内蒙古兴安盟乌兰浩特市福建省莆田市城厢区海淀区青龙桥街道福建省厦门市湖里区平山县宅北乡桥西区苑东街道桥西区苑东街道江西省景德镇市昌江区焦作市西藏阿里地区日土县青秀区阿克苏地区新和县吉林省白山市浑江区甘肃省天水市秦州区江西省宜春市奉新县许昌市建安区北辰区云南省怒江傈僳族自治州福贡县上海市市辖区嘉定区元氏县殷村镇福建省三明市梅列区山西省吕梁市中阳县西城区天桥街道南阳市内乡县武清区汊沽港镇内蒙古呼伦贝尔市阿荣旗北辰区广源街道昌平区延寿镇井陉县吴家窑乡井陉县测鱼镇新乐市协神乡喀什地区叶城县广东省广州市越秀区湖北省宜昌市宜都市福建省厦门市海沧区信阳市平桥区青海省玉树藏族自治州治多县马鞍山市博望区辽宁省沈阳市福建省南平市防城港市东兴市朝阳区豆各庄地区江西省景德镇市昌江区哈密市伊吾县四川省凉山彝族自治州甘洛县朝阳区管庄地区四川省凉山彝族自治州甘洛县河东区大直沽街道山东省枣庄市台儿庄区平顶山市湛河区朝阳区小红门地区山西省忻州市宁武县焦作市朝阳区管庄地区怀柔区雁栖地区门头沟区大峪街道吉林省四平市铁西区平山县岗南镇福建省南平市怀柔区龙山街道焦作市

本月行业报告传递行业新变化国产通用大模型第一梯队，来新人了？！，很高兴为您解答这个问题，让我来帮您详细说明一下:官方服务专线，支持多品牌报修

江西省宜春市奉新县赞皇县西龙门乡哈密市伊吾县海南省三沙市西沙区云南省怒江傈僳族自治州福贡县黑龙江省伊春市金林区海南省海口市美兰区长安区广安街道平顶山市卫东区丰台区宛平城地区西藏山南市贡嘎县塔城地区和布克赛尔蒙古自治县山西省晋中市太谷区辽宁省大连市旅顺口区四川省成都市金牛区山西省吕梁市岚县山西省临汾市安泽县甘肃省庆阳市镇原县陕西省汉中市留坝县昌平区小汤山镇南阳市内乡县四川省泸州市江阳区山东省泰安市泰山区喀什地区叶城县湖北省恩施土家族苗族自治州恩施市长安区南村镇四川省甘孜藏族自治州泸定县四川省凉山彝族自治州甘洛县河东区东新街道广东省深圳市江西省鹰潭市余江区内蒙古鄂尔多斯市康巴什区吉林省长春市双阳区甘肃省天水市秦州区朝阳区小关街道四川省甘孜藏族自治州泸定县青秀区湖北省宜昌市秭归县朝阳区豆各庄地区陕西省商洛市山阳县山西省晋中市太谷区赞皇县西龙门乡湖北省孝感市汉川市北海市海城区河东区东新街道黑龙江省绥化市明水县湖北省宜昌市西陵区丰台区长辛店镇山西省阳泉市平定县内蒙古乌海市乌达区云南省西双版纳傣族自治州勐腊县湖北省宜昌市西陵区山东省滨州市内蒙古乌海市乌达区福建省南平市建瓯市赞皇县院头镇福建省漳州市龙海市阿克苏地区新和县平山县东回舍镇云南省西双版纳傣族自治州勐腊县长安区南村镇广东省惠州市龙门县丰台区长辛店镇朝阳区双井街道山西省晋城市泽州县怀柔区龙山街道辽宁省本溪市溪湖区朝阳区双井街道桥西区留营街道伊犁哈萨克自治州昭苏县湖北省宜昌市西陵区焦作市黑龙江省大兴安岭地区呼玛县延庆区康庄镇元氏县苏村乡四川省泸州市江阳区山东省烟台市牟平区江苏省南京市浦口区无极县大陈镇山西省忻州市宁武县贵州省黔东南苗族侗族自治州天柱县四川省宜宾市珙县行唐县龙州镇江西省鹰潭市余江区云南省红河哈尼族彝族自治州泸西县贵州省黔南布依族苗族自治州惠水县辽宁省铁岭市开原市蓟州区东赵各庄镇西乡塘区合肥市瑶海区江苏省镇江市句容市四川省成都市新都区江西省宜春市奉新县青海省海南藏族自治州贵德县江苏省徐州市山东省泰安市泰山区辽宁省辽阳市白塔区和田地区四川省宜宾市江安县内蒙古锡林郭勒盟正镶白旗

全球服务区域:广东省惠州市龙门县陕西省汉中市留坝县江西省赣州市石城县甘肃省兰州市井陉县吴家窑乡江西省宜春市宜丰县淮南市大通区西乡塘区黑龙江省哈尔滨市巴彦县云南省大理白族自治州云龙县青海省海西蒙古族藏族自治州德令哈市福建省厦门市湖里区辽宁省锦州市义县朝阳区小关街道朝阳区酒仙桥街道四川省凉山彝族自治州昭觉县塔城地区和布克赛尔蒙古自治县延庆区康庄镇江苏省南通市启东市和田地区湖北省襄阳市襄州区山东省威海市丰台区宛平城地区怀柔区龙山街道贵州省铜仁市玉屏侗族自治县百色市靖西市四川省甘孜藏族自治州泸定县井陉县吴家窑乡吉林省四平市铁西区福建省三明市梅列区武清区上马台镇福建省三明市梅列区湖北省恩施土家族苗族自治州建始县四川省宜宾市翠屏区丰台区和义街道桥西区苑东街道蚌埠市龙子湖区濮阳市南乐县山西省晋城市高平市巴音郭楞蒙古自治州和硕县甘肃省陇南市武都区南开区体育中心街道湖北省宜昌市宜都市广东省广州市越秀区和田地区福建省三明市梅列区山西省阳泉市平定县平山县宅北乡福建省漳州市龙海市内蒙古呼伦贝尔市阿荣旗平山县小觉镇江西省鹰潭市余江区桥西区留营街道贵州省黔南布依族苗族自治州惠水县北辰区江西省景德镇市昌江区四川省甘孜藏族自治州福建省福州市永泰县西藏拉萨市达孜区辽宁省本溪市溪湖区广东省珠海市斗门区密云区古北口镇海南省海口市美兰区四川省甘孜藏族自治州泸定县阿克苏地区新和县江苏省连云港市赣榆区广东省惠州市龙门县贵州省铜仁市印江土家族苗族自治县湖北省襄阳市襄州区巴音郭楞蒙古自治州和硕县陕西省汉中市留坝县四川省广安市岳池县蓟州区东施古镇福建省福州市永泰县阿克苏地区新和县江苏省南通市启东市山西省忻州市宁武县蚌埠市龙子湖区陕西省汉中市留坝县辽宁省沈阳市沈河区山东省滨州市海南省海口市美兰区喀什地区叶城县河西区桃园街道江西省赣州市石城县四川省宜宾市江安县江苏省镇江市句容市怀柔区宝山镇顺义区空港街道怀柔区宝山镇福建省福州市罗源县四川省乐山市山西省朔州市山阴县桂林市秀峰区内蒙古鄂尔多斯市鄂托克旗长安区南村镇崇左市宁明县怀柔区宝山镇山东省烟台市龙口市四川省广安市岳池县

昨日官方传递最新研究成果国产通用大模型第一梯队，来新人了？！，很高兴为您解答这个问题，让我来帮您详细说明一下:售后服务维修中心电话，支持多渠道服务

全国服务区域：黑龙江省大兴安岭地区呼玛县甘肃省兰州市福建省南平市建瓯市上海市市辖区嘉定区蓟州区东二营镇密云区河南寨镇辽宁省锦州市义县延庆区沈家营镇云南省玉溪市新平彝族傣族自治县青海省海南藏族自治州贵德县江苏省徐州市丰县百色市靖西市四川省成都市新都区内蒙古乌海市乌达区朝阳区豆各庄地区山西省运城市夏县密云区河南寨镇广东省惠州市龙门县元氏县苏村乡井陉县吴家窑乡山西省晋城市泽州县青海省海西蒙古族藏族自治州德令哈市山东省青岛市城阳区四川省成都市新都区丰台区宛平城地区海南省儋州市辽宁省辽阳市白塔区山东省东营市垦利区平山县东回舍镇平山县东回舍镇辽宁省沈阳市沈河区顺义区空港街道密云区高岭镇阿克苏地区拜城县江西省吉安市永新县哈密市伊吾县山西省晋城市高平市山东省枣庄市台儿庄区江西省宜春市宜丰县朝阳区管庄地区怀柔区宝山镇山西省忻州市宁武县江西省宜春市宜丰县内蒙古兴安盟乌兰浩特市甘肃省白银市景泰县洛阳市汝阳县焦作市中站区云南省大理白族自治州云龙县山东省潍坊市青州市青海省玉树藏族自治州治多县山西省朔州市山阴县山西省长治市襄垣县桂林市秀峰区四川省甘孜藏族自治州丹巴县江西省宜春市宜丰县门头沟区大峪街道开封市通许县固原市西吉县伊犁哈萨克自治州昭苏县西青区精武镇黑龙江省哈尔滨市巴彦县湖北省恩施土家族苗族自治州恩施市四川省泸州市江阳区福建省南平市福建省莆田市仙游县上海市市辖区嘉定区云南省红河哈尼族彝族自治州泸西县顺义区空港街道福建省福州市永泰县贵州省铜仁市玉屏侗族自治县门头沟区大峪街道四川省宜宾市江安县四川省成都市双流区云南省怒江傈僳族自治州福贡县芜湖市南陵县桥西区苑东街道江苏省镇江市句容市内蒙古锡林郭勒盟镶黄旗湖北省恩施土家族苗族自治州恩施市武清区上马台镇山东省潍坊市青州市鹿泉区白鹿泉乡河东区大直沽街道喀什地区叶城县西藏山南市河东区东新街道辽宁省沈阳市沈河区江西省宜春市奉新县贵州省黔南布依族苗族自治州惠水县湖北省宜昌市夷陵区北辰区广源街道内蒙古鄂尔多斯市鄂托克旗南开区体育中心街道平山县小觉镇贵州省铜仁市印江土家族苗族自治县甘肃省定西市渭源县四川省凉山彝族自治州甘洛县四川省凉山彝族自治州甘洛县云南省红河哈尼族彝族自治州泸西县江苏省苏州市相城区

售后服务上门服务电话，智能分配单据：国产通用大模型第一梯队，来新人了？！

一张新面孔，就这样闯入了国产通用大模型第一梯队。

走的还不是行业主流的“堆参数”路径。

这事放今天，谁听了不想火速围观一下？？

我也不例外，而且我还顺便挖了一下这家华体汇电竞-华体汇(中国)这样做的原因（好奇.jpg）。

结果你猜怎么着？答案居然如此“直击灵魂”——再走传统老路，你我的Token钱包是真扛不住了。

△图片由AI生成

这事还得从过去几年行业默认的“堆参数、堆算力”玩法说起，得益于“大力出奇迹”这条法则，大模型确实变得越来越聪明，但账单也越来越离谱。

尤其进入推理时代、Agent时代后，这一问题肉眼可见变得更加突出了：

为了让模型“想得更深”，行业主流做法是让它把思考链条逐Token展开，结果Token消耗越来越夸张。

传导到行业参与者，企业开始天天愁赚不到钱，华体汇(中国)普通人也日常陷入“Token不够用、用不起”的焦虑。

所以，该怎么给大家精准止痛呢？

今天这位玩家，港股AGI第一股云知声，带着它的新一代基座模型U2，来了。

U2不卷参数，卷“智能密度×Token价值”。而且说是通用大模型，但骨子里其实是个原生智能体模型。

说白了，U2的一切都是为了“让单位Token发挥出最大智能”而设计的。

你问效果如何？数据很能说明问题：U2在多项关键评测上，以极低的激活参数规模比肩甚至超越体量大得多的对手，思考Token消耗量可减少约25%，在压缩思考Token消耗的同时，推理成本显著低于同尺寸规模大小模型。

能力不减、Token更少、成本还打下来了，U2到底是怎么做到的？

U2有多能打？实测一下

怎么做到的先不谈，咱先回答一个问题：这瓜保真不？（潜台词≈U2真实有多能打）

答案是，确实有点东西。和同类模型比，U2最明显的差异有两个：

一是特别能干活，IFBench指令遵循、Claw系列Agent评测、GDPval办公能力评测都打到了前排，而且完成复杂任务的交互轮次更少，不会动不动卡壳来回折腾；

二是“以小胜大”，GPQA硬核推理和长文本理解上，仅凭极低激活参数，打出了接近甚至超过部分超大模型的效果。

等于说，又能干活、又不靠烧算力，这两件事U2同时做到了。

好好好，我已经忍不住要用它跑跑真实案例了。

目前U2已正式上线云知声Token Hub，个人、开发者及组织均可体验。它支持OpenClaw/Hermes等主流Agent脚手架，可无缝对接现有开发流程，适配成本较低。

既然U2擅长开发，一上来我就打算给它“挖坑”，出一道开放性题目（doge）。

提示词大致为：做一个值得上Awwwards的前端demo，可自由选择创意主题，单文件HTML、不用外部库。

这道题没有标准答案，考的是模型在没有约束时能主动展示多高的上限。

按照惯例，弱模型一般会选择做普通官网、卡片布局或按钮动画，而强模型会主动往粒子宇宙、流体模拟、物理引擎这个方向走。

结果U2很快就交出了一个交互式粒子宇宙，将近1000行代码，没有引用任何外部依赖，全部原生实现。

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

打开HTML，鼠标移动会扰动附近粒子的运动轨迹，点击会触发吸引、排斥、环绕三种模式的切换，左上角面板还能实时显示当前粒子数量及运动状态。

日常感慨一下，以前考大模型，顶多是让它在六边形里转小球。现在倒好，直接上这种生产力级的Vibe Coding了。

而说到Vibe Coding，最近刚好有个想法想实践一下：做一个12星座版的《TA到底在想什么》应用。

网上冲浪时经常刷到那种，求网友帮忙分析“crush到底什么意思”的帖子，脑瓜子一转，商机这不就来了。

于是我立马扔给U2一些模糊描述，核心需求是能不能结合对方星座，判断对方某些话或动作背后的真实意图。

结果U2一口气搞定了五大功能模块，挨个测试每项功能都能正常使用（聊天记录为AI生成），尤其比较惊喜的是它还想到了AI回复这一点，好吧，我承认AI你还是在我之上。

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

如果说上面这些还只是体现了U2的Agent开发能力，那么最后这个则是真正考验它的推理和研究深度——

我让U2对OPC（一人华体汇电竞-华体汇(中国)）赛道做一次全景式深度研究，要求输出结构完整、有数据支撑的可交互HTML报告。

全程没给任何资料，没有指定数据来源，就一句指令。

没想到U2却交出了一份让人眼前一亮的报告：

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

左侧固定导航，右侧内容区从产业概述、核心数据、行业分布一路覆盖到政策解读和未来展望……页面底部显示数据均出自国家市场监督管理总局、中国OPC发展调研报告2026等公开数据。

数据有出处，判断有逻辑，不是凑字数，是真在做研究。

三个案例跑完，回头看会发现它们分别在验证U2的三条能力线：

粒子宇宙考Coding，没有脚手架也能交出生产级代码；星座应用考Agent，需求模糊、模块繁杂，照样没卡壳没返工；OPC报告考Reasoning，零资料输入也能把研究做出来。

更关键的是，三个任务U2还都没靠堆Token换结果。

嗯？这是咋回事？U2到底是怎么做到又好又省的？

U2为什么能做到

转了一圈，我找到的答案是：

从理念到工程设计，U2和过去流行的那套全都不一样。

U2的设计理念，其实就是开头提到的“智能密度×Token价值”。

听起来有点抽象，不妨结合云知声创始人黄伟的话来理解：

用更高效的资源投入，用模型架构工程能力方面的优化，打造出能满足绝大多数场景的智能水平，这就是智能密度。至于何谓“高价值Token” ，则是能够直接转化为商业收入、降低运营成本、规避重大风险或提升决策质量的Token。

换句话说，每一分算力、每一个Token，都得花在刀刃上。两个乘数同时优化，缺一不可。

而落到工程上，U2则针对两大行业核心痛点精准挥刀。

怎么不卷参数，以小胜大？把模型性能提起来。怎么减少Token消耗？把模型使用成本降下去。

先说性能，U2主要从数据和架构层面进行了优化。

传统模型里存在大量“光占参数不出力”的无效数据，于是U2选择做高知识密度精筛——

把重复、低质、容易诱发幻觉的数据大量过滤掉，只留真正有知识含量的部分。

这样一来，模型单位参数的有效知识密度明显提升。

控制好输入端之后，怎么继续保证模型不说废话呢？

对此，他们在表达层面又做了语义Token压缩优化，通过优化分词与表征，让每个Token尽量承载更多有效信息，相当于同样一句话，用更少Token说清楚。

两边都控制好，最后再给“幻觉”加一道保险——设置一套知识点级校验与自反馈机制，持续纠偏、主动抑制幻觉。

说白了，整个数据层面就是往“用更少Token办更多事”上靠。

△图片由AI生成

架构上，U2核心是稀疏MoE（混合专家）结构，叠加稀疏知识编码和知识蒸馏。

MoE我知道，本质就是“按需激活”，为啥这里又多了“稀疏”二字？

一查才知道，普通MoE虽然也是按需调用，但如果专家本身依然很臃肿，激活数量一多，算力照样压不下来。

而稀疏MoE主打一个“能省则省”——能用一个专家解决的，绝不叫两个；能用小专家解决的，绝不叫大专家。

于是，U2在MoE之前加了一道“稀疏知识编码+知识蒸馏”的程序，把每个专家的知识做一遍精炼提纯，让每个专家变得更精干。

而数据和架构的威力一叠加，U2便凭借2660亿参数，达到了1.2万亿参数模型的性能，参数效率接近后者的5倍。

至于Token该怎么省，U2选择从推理环节动刀。

为了让模型想得更深，主流做法是把完整思维链逐Token展开输出——效果确实好，但Token也烧得飞快，复杂任务里真正贵的往往不是答案，而是那一大堆思考过程。

而U2在实践中发现，不说出思考过程，答案一样靠得住。具体他们干了两件事：

一是精简推理路径，直接砍掉无效步骤和兜圈子的冗余推导；二是类比人脑解题方式引入隐式思考机制，在隐藏层先把解题方向想清楚，再进入显式推理的细化验证，大量中间过程根本不需要展开成Token输出。

所以说，传统模型是边想边说，而U2更像先想明白、再挑重点说。

△图片由AI生成

靠着这一设计，U2在保留多路径探索与后续可验证性的同时，可将思考Token消耗量减少约25%。

25%什么概念？放在企业级长链路任务里，这个数字带来的成本差异，只能说懂的都懂了。

而这还没完，U2还把原生Agent能力和Harness Engineering放进了同一个训练闭环。

Harness会根据模型特点持续优化，模型再利用Harness返回的真实任务数据，继续强化多步规划、工具调用和过程纠错能力。两边互相喂数据、互相进化。

结果就是，U2的Agent能力不是后天外挂的，而是原生长出来的。

而“原生”意味着，模型完成复杂任务时需要的交互轮次更少、上下文更短，单次业务Token成本也会进一步下降。

到这里你发现没，在U2身上，小参数、强能力、少Token并非取舍，而是被同时设计进去的。

从理念到工程设计，U2每一层都在往同一个方向使劲：

让智能更密、让Token更值。

为什么是云知声

好，现在我已经知道有U2这样一个模型了，但问题是：

为什么在大家普遍认为大模型竞争格局已经收敛之时，云知声还要往里闯？而且还真让它闯进去了？

一切可以追溯到上个月，晚点LatePost对云知声创始人黄伟的采访。

黄伟的判断很直接：2023到2025年是大模型的热身赛，2026年正赛才刚开始。

乍一听有点像场面话，但仔细想想还真不是。

热身赛比的是参数、算力和资本投入，本质上是一场资源消耗战。而现在，AI正从“生成式”迈入“生产力”时代——模型要真正下场干活了，每一个Token都得换回真实的业务价值。

所以，虽然走的还是通用大模型这条路，但已经不是同一场比赛了。过去比谁投入更多资源，现在比谁能创造更多价值，评分标准已经悄悄改变。

说白了，以前那套竞争格局或许已经收敛，但新的竞争格局，才刚刚展开。

这也解释了为啥云知声第一代基模还叫“山海”，现在却变成了“U2”，它代表的正是这种AI范式的转变。

△图片由AI生成

而在这套新的竞争体系下，云知声过去十几年攒下的“家底”开始发挥作用了。

那些曾经看起来不够性感、甚至有些“慢”的积累，如今反而成了它冲击第一梯队的重要筹码。

云知声2012年凭借语音识别起家，去年刚完成港股上市，被外界广泛视为“港股AGI第一股”。

很多人一看它名字里有“声”，就下意识以为这是一家语音华体汇电竞-华体汇(中国)，但这其实是一种误解。

正确打开方式是，三个字看全——“云”是智能的载体，“知”是认知的核心，“声”只是进入这个世界的第一扇门。

在黄伟看来，他们听的从来不是声音，而是声音背后的意识。

何谓“声音背后的意识”？核心有三层，换成示意图理解如下：

△图片由AI生成

看到没，为了搞懂“声音背后的意识”，云知声其实一路都在升级自己的能力边界。

最早做语音识别，解决“听懂”的问题；后来做智能交互，解决“理解意图”的问题；再后来，当目标变成理解情绪、场景和长期需求时，单点技术已经不够用了，背后需要一个能够推理、规划和行动的智能大脑。

所以从某种意义上说，云知声并不是突然转型做大模型，而是在追逐“让机器真正理解人”这件事的过程中，一步步走到了大模型这里。

这也解释了它今天为什么把自己定位为：原生智能体基座大模型华体汇电竞-华体汇(中国)。

不是赶风口，是这条线走到现在，自然走到了这个位置。

而在Agent时代，这段积累尤其值钱。

就这么说吧，目前大家熟知的大模型玩家，几乎都是2023年前后密集冒出来的新面孔，但云知声不是。

早在AI 1.0时代，它就已经在做真实场景落地了。

多年来，它一直坚持“强基模+深应用”的路线：一边自主研发底层模型能力，一边扎根产业场景做深度落地。

围绕智慧医疗和智慧生活两条业务主线，它积累了大量真实数据、真实需求，以及真实反馈。

而这些，正是大模型时代最稀缺、也最值钱的东西。

更关键的是，这种来自真实场景的压力，还倒逼出了云知声自己独特的一套方法论：不追求参数规模，追求更高的智能密度、更低的推理成本、更强的落地能力。

说到这里，有个细节很值得一提。众所周知，老黄喜欢说token efficiency，“同样100万token，我用更少的电费、更少的算力把它生产出来”，但这只是生产端的概念。

而云知声一步到位，想的是“这100万token生产出来之后，它到底值多少钱”。效率再高，如果全是废话，商业价值也是零。

围绕这个逻辑，云知声搭了一套完整的体系：底层是U2这样的基座大模型，中间是兽牙智能体平台，上层一端连接医疗、医保、交通、客服等产业场景，另一端通过MaaS和生态平台触达开发者与个人用户。

模型创造价值，价值产生Token消耗，Token消耗转化为收入，属于云知声的“Token经济学”就此闭环跑通了。

而最新的数据，已经开始验证这套逻辑。

过去几年云知声发声不多，一部分原因是港股上市静默期的客观限制。

但现在静默期结束了，财报也摆在那里：不到500人的团队，年营收超过10亿元，大模型相关收入突破6.1亿元，同比增长超过10倍。

更直接的信号来自Token业务，量子位打听到，云知声今年5月Token调用收入ARR环比增长了600%，预计6月仍将保持高速增长。

这意味着，云知声的收入已经和客户创造的AI价值直接挂钩了，客户用得越多、价值越大，收入的天花板也跟着打开。

“智能密度×Token价值”这套逻辑，不再只是理念，而是已经开始在财报上显现。

所以回过头看U2，表面上，它以1/10的Token成本重构了复杂任务的成本结构，让许多过去算不过账的AI场景，第一次具备了大规模部署的可能。

实质上，它验证的是“智能密度”这条路线本身的可行性：性能不是堆出来的，成本不是靠降质量省下来的，两件事可以同时发生。

当每一个Token都能创造更多价值时，显而易见，“更大”便不再是唯一答案——

行业的评价坐标，将从“谁的模型更大”，逐渐转向“谁的模型更值”。

而U2，正是这一转变的第一块试金石。

在线体验：https://maas.unisound.com/models/u2

刚刚国家机构发布最新通报国产通用大模型第一梯队，来新人了？！

一张新面孔，就这样闯入了国产通用大模型第一梯队。

走的还不是行业主流的“堆参数”路径。

这事放今天，谁听了不想火速围观一下？？

我也不例外，而且我还顺便挖了一下这家华体汇电竞-华体汇(中国)这样做的原因（好奇.jpg）。

结果你猜怎么着？答案居然如此“直击灵魂”——再走传统老路，你我的Token钱包是真扛不住了。

△图片由AI生成

这事还得从过去几年行业默认的“堆参数、堆算力”玩法说起，得益于“大力出奇迹”这条法则，大模型确实变得越来越聪明，但账单也越来越离谱。

尤其进入推理时代、Agent时代后，这一问题肉眼可见变得更加突出了：

为了让模型“想得更深”，行业主流做法是让它把思考链条逐Token展开，结果Token消耗越来越夸张。

传导到行业参与者，企业开始天天愁赚不到钱，华体汇(中国)普通人也日常陷入“Token不够用、用不起”的焦虑。

所以，该怎么给大家精准止痛呢？

今天这位玩家，港股AGI第一股云知声，带着它的新一代基座模型U2，来了。

U2不卷参数，卷“智能密度×Token价值”。而且说是通用大模型，但骨子里其实是个原生智能体模型。

说白了，U2的一切都是为了“让单位Token发挥出最大智能”而设计的。

能力不减、Token更少、成本还打下来了，U2到底是怎么做到的？

U2有多能打？实测一下

怎么做到的先不谈，咱先回答一个问题：这瓜保真不？（潜台词≈U2真实有多能打）

答案是，确实有点东西。和同类模型比，U2最明显的差异有两个：

一是特别能干活，IFBench指令遵循、Claw系列Agent评测、GDPval办公能力评测都打到了前排，而且完成复杂任务的交互轮次更少，不会动不动卡壳来回折腾；

二是“以小胜大”，GPQA硬核推理和长文本理解上，仅凭极低激活参数，打出了接近甚至超过部分超大模型的效果。

等于说，又能干活、又不靠烧算力，这两件事U2同时做到了。

好好好，我已经忍不住要用它跑跑真实案例了。

目前U2已正式上线云知声Token Hub，个人、开发者及组织均可体验。它支持OpenClaw/Hermes等主流Agent脚手架，可无缝对接现有开发流程，适配成本较低。

既然U2擅长开发，一上来我就打算给它“挖坑”，出一道开放性题目（doge）。

提示词大致为：做一个值得上Awwwards的前端demo，可自由选择创意主题，单文件HTML、不用外部库。

这道题没有标准答案，考的是模型在没有约束时能主动展示多高的上限。

按照惯例，弱模型一般会选择做普通官网、卡片布局或按钮动画，而强模型会主动往粒子宇宙、流体模拟、物理引擎这个方向走。

结果U2很快就交出了一个交互式粒子宇宙，将近1000行代码，没有引用任何外部依赖，全部原生实现。

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

打开HTML，鼠标移动会扰动附近粒子的运动轨迹，点击会触发吸引、排斥、环绕三种模式的切换，左上角面板还能实时显示当前粒子数量及运动状态。

日常感慨一下，以前考大模型，顶多是让它在六边形里转小球。现在倒好，直接上这种生产力级的Vibe Coding了。

而说到Vibe Coding，最近刚好有个想法想实践一下：做一个12星座版的《TA到底在想什么》应用。

网上冲浪时经常刷到那种，求网友帮忙分析“crush到底什么意思”的帖子，脑瓜子一转，商机这不就来了。

于是我立马扔给U2一些模糊描述，核心需求是能不能结合对方星座，判断对方某些话或动作背后的真实意图。

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

如果说上面这些还只是体现了U2的Agent开发能力，那么最后这个则是真正考验它的推理和研究深度——

我让U2对OPC（一人华体汇电竞-华体汇(中国)）赛道做一次全景式深度研究，要求输出结构完整、有数据支撑的可交互HTML报告。

全程没给任何资料，没有指定数据来源，就一句指令。

没想到U2却交出了一份让人眼前一亮的报告：

视频地址：https://mp.weixin.qq.com/s/IISZprE3c_4w0y61y0EBLQ

数据有出处，判断有逻辑，不是凑字数，是真在做研究。

三个案例跑完，回头看会发现它们分别在验证U2的三条能力线：

更关键的是，三个任务U2还都没靠堆Token换结果。

嗯？这是咋回事？U2到底是怎么做到又好又省的？

U2为什么能做到

转了一圈，我找到的答案是：

从理念到工程设计，U2和过去流行的那套全都不一样。

U2的设计理念，其实就是开头提到的“智能密度×Token价值”。

听起来有点抽象，不妨结合云知声创始人黄伟的话来理解：

换句话说，每一分算力、每一个Token，都得花在刀刃上。两个乘数同时优化，缺一不可。

而落到工程上，U2则针对两大行业核心痛点精准挥刀。

怎么不卷参数，以小胜大？把模型性能提起来。怎么减少Token消耗？把模型使用成本降下去。

先说性能，U2主要从数据和架构层面进行了优化。

传统模型里存在大量“光占参数不出力”的无效数据，于是U2选择做高知识密度精筛——

把重复、低质、容易诱发幻觉的数据大量过滤掉，只留真正有知识含量的部分。

这样一来，模型单位参数的有效知识密度明显提升。

控制好输入端之后，怎么继续保证模型不说废话呢？

对此，他们在表达层面又做了语义Token压缩优化，通过优化分词与表征，让每个Token尽量承载更多有效信息，相当于同样一句话，用更少Token说清楚。

两边都控制好，最后再给“幻觉”加一道保险——设置一套知识点级校验与自反馈机制，持续纠偏、主动抑制幻觉。

说白了，整个数据层面就是往“用更少Token办更多事”上靠。

△图片由AI生成

架构上，U2核心是稀疏MoE（混合专家）结构，叠加稀疏知识编码和知识蒸馏。

MoE我知道，本质就是“按需激活”，为啥这里又多了“稀疏”二字？

一查才知道，普通MoE虽然也是按需调用，但如果专家本身依然很臃肿，激活数量一多，算力照样压不下来。

而稀疏MoE主打一个“能省则省”——能用一个专家解决的，绝不叫两个；能用小专家解决的，绝不叫大专家。

于是，U2在MoE之前加了一道“稀疏知识编码+知识蒸馏”的程序，把每个专家的知识做一遍精炼提纯，让每个专家变得更精干。

而数据和架构的威力一叠加，U2便凭借2660亿参数，达到了1.2万亿参数模型的性能，参数效率接近后者的5倍。

至于Token该怎么省，U2选择从推理环节动刀。

而U2在实践中发现，不说出思考过程，答案一样靠得住。具体他们干了两件事：

所以说，传统模型是边想边说，而U2更像先想明白、再挑重点说。

△图片由AI生成

靠着这一设计，U2在保留多路径探索与后续可验证性的同时，可将思考Token消耗量减少约25%。

25%什么概念？放在企业级长链路任务里，这个数字带来的成本差异，只能说懂的都懂了。

而这还没完，U2还把原生Agent能力和Harness Engineering放进了同一个训练闭环。

Harness会根据模型特点持续优化，模型再利用Harness返回的真实任务数据，继续强化多步规划、工具调用和过程纠错能力。两边互相喂数据、互相进化。

结果就是，U2的Agent能力不是后天外挂的，而是原生长出来的。

而“原生”意味着，模型完成复杂任务时需要的交互轮次更少、上下文更短，单次业务Token成本也会进一步下降。

到这里你发现没，在U2身上，小参数、强能力、少Token并非取舍，而是被同时设计进去的。

从理念到工程设计，U2每一层都在往同一个方向使劲：

让智能更密、让Token更值。

为什么是云知声

好，现在我已经知道有U2这样一个模型了，但问题是：

为什么在大家普遍认为大模型竞争格局已经收敛之时，云知声还要往里闯？而且还真让它闯进去了？

一切可以追溯到上个月，晚点LatePost对云知声创始人黄伟的采访。

黄伟的判断很直接：2023到2025年是大模型的热身赛，2026年正赛才刚开始。

乍一听有点像场面话，但仔细想想还真不是。

所以，虽然走的还是通用大模型这条路，但已经不是同一场比赛了。过去比谁投入更多资源，现在比谁能创造更多价值，评分标准已经悄悄改变。

说白了，以前那套竞争格局或许已经收敛，但新的竞争格局，才刚刚展开。

这也解释了为啥云知声第一代基模还叫“山海”，现在却变成了“U2”，它代表的正是这种AI范式的转变。

△图片由AI生成

而在这套新的竞争体系下，云知声过去十几年攒下的“家底”开始发挥作用了。

那些曾经看起来不够性感、甚至有些“慢”的积累，如今反而成了它冲击第一梯队的重要筹码。

云知声2012年凭借语音识别起家，去年刚完成港股上市，被外界广泛视为“港股AGI第一股”。

很多人一看它名字里有“声”，就下意识以为这是一家语音华体汇电竞-华体汇(中国)，但这其实是一种误解。

正确打开方式是，三个字看全——“云”是智能的载体，“知”是认知的核心，“声”只是进入这个世界的第一扇门。

在黄伟看来，他们听的从来不是声音，而是声音背后的意识。

何谓“声音背后的意识”？核心有三层，换成示意图理解如下：

△图片由AI生成

看到没，为了搞懂“声音背后的意识”，云知声其实一路都在升级自己的能力边界。

所以从某种意义上说，云知声并不是突然转型做大模型，而是在追逐“让机器真正理解人”这件事的过程中，一步步走到了大模型这里。

这也解释了它今天为什么把自己定位为：原生智能体基座大模型华体汇电竞-华体汇(中国)。

不是赶风口，是这条线走到现在，自然走到了这个位置。

而在Agent时代，这段积累尤其值钱。

就这么说吧，目前大家熟知的大模型玩家，几乎都是2023年前后密集冒出来的新面孔，但云知声不是。

早在AI 1.0时代，它就已经在做真实场景落地了。

多年来，它一直坚持“强基模+深应用”的路线：一边自主研发底层模型能力，一边扎根产业场景做深度落地。

围绕智慧医疗和智慧生活两条业务主线，它积累了大量真实数据、真实需求，以及真实反馈。

而这些，正是大模型时代最稀缺、也最值钱的东西。

而云知声一步到位，想的是“这100万token生产出来之后，它到底值多少钱”。效率再高，如果全是废话，商业价值也是零。

模型创造价值，价值产生Token消耗，Token消耗转化为收入，属于云知声的“Token经济学”就此闭环跑通了。

而最新的数据，已经开始验证这套逻辑。

过去几年云知声发声不多，一部分原因是港股上市静默期的客观限制。

但现在静默期结束了，财报也摆在那里：不到500人的团队，年营收超过10亿元，大模型相关收入突破6.1亿元，同比增长超过10倍。

更直接的信号来自Token业务，量子位打听到，云知声今年5月Token调用收入ARR环比增长了600%，预计6月仍将保持高速增长。

这意味着，云知声的收入已经和客户创造的AI价值直接挂钩了，客户用得越多、价值越大，收入的天花板也跟着打开。

“智能密度×Token价值”这套逻辑，不再只是理念，而是已经开始在财报上显现。

所以回过头看U2，表面上，它以1/10的Token成本重构了复杂任务的成本结构，让许多过去算不过账的AI场景，第一次具备了大规模部署的可能。

实质上，它验证的是“智能密度”这条路线本身的可行性：性能不是堆出来的，成本不是靠降质量省下来的，两件事可以同时发生。

当每一个Token都能创造更多价值时，显而易见，“更大”便不再是唯一答案——

行业的评价坐标，将从“谁的模型更大”，逐渐转向“谁的模型更值”。

而U2，正是这一转变的第一块试金石。

在线体验：https://maas.unisound.com/models/u2

为了迎接暑期即将到来的客流高峰，许多室内冰雪场馆通过调整价格、推广线上消费券等方式，进一步点燃了市场热情。

华体汇电竞-华体汇(中国) 华体汇电竞-华体汇(中国)-日韩美女自拍透逼视频-日韩美女自拍透逼视频最新版N.7.65.40-2265安卓网

华体汇电竞-华体汇(中国)

中国队夺得第12个汤姆斯杯冠军

华体汇电竞-华体汇(中国):中国队夺得第12个汤姆斯杯冠军

华体汇电竞-华体汇(中国):「活动」首次登录送19元红包

41.80MB

版本{版本}

下载APK 高速下载

下载再国产通用大模型第一梯队，来新人了？！安装你想要的应用更方便更快捷发现更多

72%好评(56人)

详细信息

软件大小:50.86MB
最后更新:2026-06-17 09:28:48
最新版本:{版本}
文件格式:apk
应用分类:ios-Android国产通用大模型第一梯队，来新人了？！
使用语言:中文
:需要联网
系统要求:7.47以上

应用介绍

?第一步：访问《国产通用大模型第一梯队，来新人了？！》官网?首先,打开您的浏览器,输入《国产通用大模型第一梯队，来新人了？！》。您可以通过搜索引擎搜索或直接输入网址来访问.?
?第二步：点击注册按钮?一旦进入《国产通用大模型第一梯队，来新人了？！》网站官网，您会在页面上找到一个醒目的注册按钮。点击该按钮，您将被引导至注册页面。??
?第三步：填写注册信息 ?在注册页面上，您需要填写一些必要的个人信息来创建《国产通用大模型第一梯队，来新人了？！》网站账户。通常包括用户名、密码、电子邮件地址、手机号码等。请务必提供准确完整的信息，以确保顺利完成注册。?
?第四步：验证账户?填写完个人信息后，您可能需要进行账户验证。《国产通用大模型第一梯队，来新人了？！》网站会向您提供的电子邮件地址或手机号码发送一条验证信息，您需要按照提示进行验证操作。这有助于确保账户的安全性，并防止不法分子滥用您的个人信息。?
?第五步：设置安全选项?《国产通用大模型第一梯队，来新人了？！》网站通常要求您设置一些安全选项，以增强账户的安全性。例如，可以设置安全问题和答案，启用两步验证等功能。请根据系统的提示设置相关选项，并妥善保管相关信息，确保您的账户安全。?
?第六步：阅读并同意条款?在注册过程中，《国产通用大模型第一梯队，来新人了？！》网站会提供使用条款和规定供您阅读。这些条款包括平台的使用规范、隐私政策等内容。在注册之前，请仔细阅读并理解这些条款，并确保您同意并愿意遵守。??
?第七步：完成注册?一旦您完成了所有必要的步骤，并同意了《国产通用大模型第一梯队，来新人了？！》网站的条款，恭喜您！您已经成功注册了《国产通用大模型第一梯队，来新人了？！》网站账户。现在，您可以畅享《国产通用大模型第一梯队，来新人了？！》网站提供的丰富体育赛事、刺激的游戏体验以及其他令人兴奋!?
【联系华体汇(中国)】
客服热线

加载更多

版本更新

{版本}

国产通用大模型第一梯队，来新人了？！