国产大模型第一梯队再迎新势力，云知声新一代基模进入发布倒计时
据悉，港股 AI 大模型公司云知声计划于 6月发布新一代通用大语言模型 U2。多位接近云知声的人士透露，U2 被内部视为公司跻身国产通用大模型第一梯队的关键支撑，其能力建设重点覆盖知识推理、指令遵循、长上下文、长程任务、编码和办公等智能体方向。
这将是云知声上市后最重要的一次基座模型升级，也被视为其全面转向原生智能体大模型公司的关键信号。
这家成立十余年的 AI 公司，曾历经语音交互、芯片、大模型等多个技术周期，并于去年完成港股上市。对于云知声而言，U2 不只是一次模型能力迭代，更是其面向更广泛用户、开发者生态与智能体时代的一次关键落子。
不只拼参数，U2 想重新计算 AI 价值
据了解，U2在知识推理、长文本理解、复杂指令遵循、软件工程和Agent工具调用等关键评测方向上，已经具备对标全球一流大模型的综合表现。
在IFBench等指令遵循评测中，U2表现处于前列；在Claw相关评测中，其Agent与工具调用能力体现出较强优势；在GPQA等硬核知识推理和长上下文任务上，U2也展现出挑战行业顶尖模型的能力。
此外，U2并未在一流性能基础上继续堆砌参数，而是致力于将同等能力压缩进更小的参数规模中。
过去两年，大模型行业的主流竞赛逻辑是“更大参数、更长上下文、更复杂推理链条”。但这同步推高了训练、推理成本和部署门槛。无论企业还是个人，都面临“能不能用”与“用不用得起”的落差。
据透露，U2的底层思路是“AI商业价值 = 智能密度 × Token价值”。其中，智能密度并非单纯追求模型小，而是在性能达到全球第一梯队后，衡量单位参数承载的知识、推理能力与任务解决效率；Token价值则关注每次模型调用能否转化为可衡量的业务结果。
换句话说，U2的核心竞争力是 “强而小、强而省、强而能落地”——这可能比单纯比拼“参数更大”更贴近真实的商业需求。
不止会聊天，U2 更想完成真实任务
值得关注的是，U2 并非只是面向对话生成的通用模型。据悉，云知声在 U2 上重点强化了原生 Agent 能力，试图让模型从“会回答问题”，进一步走向“能完成任务”。
这背后的判断是，大模型下一阶段的竞争焦点正从“回答质量”转向“任务完成率”。能写出漂亮的回答只是起点，真正的价值在于其能否调用工具、处理复杂约束、跨步骤执行，并对结果负责。
据了解，云知声在 U2 的训练过程中强化了模型的长程任务规划、工具使用、过程纠错和结果校验能力，使其更像是面向智能体时代的底座模型，而不只是一个聊天机器人。这也意味着，U2 不仅服务于企业级场景，更可能成为其打开 C 端应用和开发者生态的重要入口。
成本优势，是U2走向更大规模应用的关键筹码
相关人士介绍，在同等性能目标下，U2的单位 Token 成本可降至普通稠密模型的约十分之一。
如果这一数据能在真实业务中被验证，U2 的意义就不只是一次模型能力升级，而是一次效率的重构。
毕竟，大模型下半场，未必只看谁的模型更强，也看谁能把足够强的能力以更低成本、更稳定方式交付出来。
