剛剛，云知聲正式發(fā)布新一代通用大語言模型——U2。

作為我們面向個人、開發(fā)者與組織打造的原生智能體大模型，U2的技術(shù)主張極為純粹：高智能密度 × 高Token價值。它不再盲目堆疊參數(shù)，而是追求高智能密度，用更少激活資源承載更強能力；不再簡單比拼輸出長度，而是追求高Token 價值，讓每一次調(diào)用都更接近交付結(jié)果。

與傳統(tǒng)大模型更偏向單輪問答或短鏈路生成不同，U2 更強調(diào)面向真實任務(wù)的連續(xù)執(zhí)行能力。在復(fù)雜辦公、軟件工程、深度研究與多工具協(xié)同場景中，U2 能夠自主拆解并推進 100+ 步復(fù)雜工作流，將需求理解、任務(wù)規(guī)劃、環(huán)境交互、工具調(diào)用、過程糾錯與結(jié)果驗收串聯(lián)為完整閉環(huán)，從“給出答案”進一步走向“完成任務(wù)”。

權(quán)威評測進入第一梯隊，U2展現(xiàn)硬核實力

在最新發(fā)布的一系列國內(nèi)外權(quán)威能力評測中， U2已經(jīng)在多個關(guān)鍵能力方向進入主流大模型第一梯隊：

在衡量知識與復(fù)雜推理能力的 GPQA Diamond 上，U2 取得 87.9 分，超過 GLM-5.1、Hy3 preview、DeepSeek-V4-Flash（High）和 MiniMax M2.7，展現(xiàn)出對高難度知識問題的穩(wěn)定理解、推理與求解能力。

在衡量真實軟件工程能力的 SWE-Bench Verified 上，U2 取得 75 分，進入主流模型第一梯隊。

而在面向自主 Agent 端到端執(zhí)行能力的 Claw-Eval（pass@3） 上，U2 取得 76.9 分，超過 Hy3 preview、DeepSeek-V4-Flash（High）和 MiniMax M2.7，進一步驗證了其在工具調(diào)用、流程編排與任務(wù)交付中的穩(wěn)定表現(xiàn)。

在面向真實辦公與知識工作交付能力的 GDPval 上，U2 取得 72.9 分，展現(xiàn)出扎實的專業(yè)辦公能力。相比傳統(tǒng)問答式評測，GDPval 更關(guān)注模型能否完成真實工作場景中的高價值交付，包括資料分析、報告撰寫、表格處理、圖表生成、幻燈片制作等典型辦公任務(wù)。

這組成績背后，傳遞出一個重要信號：U2并不是以單點能力取勝，而是在推理、代碼、Agent和辦公交付等多項關(guān)鍵能力上形成了系統(tǒng)性表現(xiàn)。

混合思考 + Harness 聯(lián)合訓(xùn)練：讓模型原生能力進入真實工作流

對云知聲而言，U2 不只是一個模型代號，更是我們對 AI 2.0 時代大模型價值的重新思考。我們認為，衡量今天的大模型價值，不能再單純比拼參數(shù)規(guī)模和內(nèi)容生成長度。當(dāng) AI 真正進入真實工作流，用戶關(guān)心的不再只是模型能否給出一個漂亮回答，而是它能否真正把任務(wù)完成。

因此，U2 從設(shè)計之初，就不是一個單純面向聊天場景的通用模型，而是一款面向任務(wù)執(zhí)行的原生智能體大模型。

要讓模型真正完成任務(wù)，僅靠更大的參數(shù)并不夠。真實工作流往往復(fù)雜、動態(tài)且長鏈路：模型既要能夠快速理解目標(biāo)、拆解任務(wù)、搜索路徑，也要能在關(guān)鍵節(jié)點進行邏輯校準(zhǔn)、約束檢查和結(jié)果驗證。傳統(tǒng)顯式思維鏈雖然具備較強可解釋性，但往往需要生成大量中間推理文本，帶來更高 Token 消耗與推理延遲；而完全依賴隱空間推理，雖然效率更高，卻可能在復(fù)雜任務(wù)中出現(xiàn)邏輯漂移，缺乏足夠的可控性與驗證能力。

為了解決這一矛盾，U2 創(chuàng)新引入混合思考機制。它并不是在顯式 CoT 與隱式推理之間二選一，而是在同一推理過程中，根據(jù)任務(wù)階段、復(fù)雜度和不確定性動態(tài)切換思考形態(tài)。

在任務(wù)早期，U2 優(yōu)先在隱空間中進行高效探索，完成路徑搜索、任務(wù)拆解、候選方案生成與執(zhí)行規(guī)劃，避免把每一步中間思考都解碼為可見 Token；當(dāng)任務(wù)進入關(guān)鍵判斷、復(fù)雜約束處理或結(jié)果收斂階段，模型則切換到顯式推理，通過可讀、可校驗的推理過程完成邏輯校準(zhǔn)、過程驗證與最終決策。

進一步地，U2引入可控隱空間展開（Bounded Latent Rollout）與熵感知切換（Entropy-aware Switching）機制，使模型能夠根據(jù)推理過程中的不確定性動態(tài)調(diào)整思考方式：當(dāng)隱式探索穩(wěn)定時，模型保持高效推理；當(dāng)不確定性升高、推理路徑可能發(fā)散時，則及時回到顯式思維鏈，通過確定性 Token 完成精準(zhǔn)推導(dǎo)與結(jié)果收斂。

這意味著，U2 并不是簡單縮短思維鏈，而是重構(gòu)了模型的思考分工：把開放探索、路徑規(guī)劃等高消耗環(huán)節(jié)更多內(nèi)化到隱空間，把邏輯驗證、約束校準(zhǔn)和結(jié)果收斂留給顯式推理。由此，U2 能夠在減少無效推理步驟和冗余中間文本的同時，保持復(fù)雜任務(wù)中的可靠性與可控性，實現(xiàn)“少 Token，深思考”。

在知識底座上，U2 進一步通過高知識密度數(shù)據(jù)精篩提純技術(shù)，過濾重復(fù)、低質(zhì)與幻覺數(shù)據(jù)，完成知識點級精煉萃取；并結(jié)合稀疏知識編碼與知識蒸餾架構(gòu)，壓縮模型冗余參數(shù)，將高價值知識能力固化到更高效的模型結(jié)構(gòu)中。

在任務(wù)執(zhí)行層面，U2 引入 Agent-Harness 協(xié)同訓(xùn)練范式。我們認為，Harness 不應(yīng)只是外部套殼，而應(yīng)該與模型能力共同進化。因此，U2 將模型原生 Agent 能力提升與 Harness 迭代優(yōu)化納入同一訓(xùn)練閉環(huán)：一方面，Harness 根據(jù) U2 的模型特點持續(xù)優(yōu)化任務(wù)執(zhí)行鏈路；另一方面，真實任務(wù)中產(chǎn)生的高質(zhì)量執(zhí)行軌跡，又反過來強化模型的任務(wù)規(guī)劃、工具調(diào)用、過程糾錯和結(jié)果驗收能力。

而這一系列完整的閉環(huán)，最終要落到一套務(wù)實的訓(xùn)練體系上。我們沒有讓 U2 只盯著正確答案死記硬背，而是通過課程學(xué)習(xí)、過程監(jiān)督、軌跡對比與多維獎勵，教會它在復(fù)雜任務(wù)中如何規(guī)劃、執(zhí)行、糾錯、驗收。配合 Agent-Harness 協(xié)同演進，U2 能夠在真實任務(wù)軌跡中持續(xù)強化長鏈路執(zhí)行能力，真正從“能聊天”走向“能完成任務(wù)”。

三大核心能力，支撐任務(wù)交付閉環(huán)

圍繞真實任務(wù)交付，U2重點強化了Reasoning、Coding和Agent三大核心能力。

在Reasoning方面，U2強調(diào)低偏差執(zhí)行和長程邏輯穩(wěn)定性。面對復(fù)雜、多步驟任務(wù)時，模型不僅要能回答局部問題，更要能夠持續(xù)保持目標(biāo)一致，動態(tài)權(quán)衡預(yù)算、時間、約束條件和可行路徑，最終輸出更優(yōu)方案。

在Coding方面，U2不再局限于代碼生成，而是面向端到端工程交付。它能夠根據(jù)自然語言需求生成代碼，也能夠理解多文件項目結(jié)構(gòu)，保持接口、依賴和調(diào)用邏輯一致，并在環(huán)境調(diào)試和自主Debug中持續(xù)推進任務(wù)完成。

在Agent方面，U2重點提升了多工具協(xié)同、長流程編排和環(huán)境交互能力。面對開放式目標(biāo)，它能夠拆解任務(wù)優(yōu)先級，理解API能力邊界，組合調(diào)用不同工具，并根據(jù)外部系統(tǒng)反饋調(diào)整執(zhí)行策略。

這三類能力共同構(gòu)成了U2的任務(wù)交付閉環(huán)：先理解和規(guī)劃，再執(zhí)行和協(xié)作，最后校驗和交付。也正因為如此，U2更適合被放到真實工作場景中檢驗，而不是只停留在單輪對話或單點能力展示中。

應(yīng)用場景：從單次回答到任務(wù)完成

U2 具備從需求理解到完整成果交付的自主任務(wù)執(zhí)行能力，可廣泛應(yīng)用于以下四類典型場景：

1. 全形態(tài)界面設(shè)計

響應(yīng)式網(wǎng)頁開發(fā)：根據(jù)設(shè)計需求生成具備生產(chǎn)級布局、真實導(dǎo)航流程和完整交互狀態(tài)的多頁面網(wǎng)站，支持一鍵打包部署。

移動端 Web App：構(gòu)建類原生社交應(yīng)用，包括 Feed 流、Stories、發(fā)帖入口、通知、個人主頁、圖片網(wǎng)格及底部導(dǎo)航，所有資源本地化。

設(shè)計規(guī)范落地：自動約束色彩、字體、間距等樣式體系，同時適配 PC 與移動端，實現(xiàn)從視覺到代碼的端到端輸出。

Prompt:參考 [anotherescape.com](https://anotherescape.com/)，構(gòu)建一個體現(xiàn)水獺和虎鯨智慧與魅力的中文網(wǎng)站。

要求：

- 純原生 HTML/CSS/JS，多頁面（首頁 + 6 個 Story 詳情頁），共享 CSS/JS

- 內(nèi)容/圖片通過網(wǎng)絡(luò)搜索獲取，下載到本地 images/，不依賴圖床

- 編輯式極簡風(fēng)格，深海藍+米白+珊瑚橙配色，響應(yīng)式

- Story 頁參考 anotherescape.com 文章頁結(jié)構(gòu)：面包屑 → 標(biāo)題/作者 → 頭圖 → 正文 → 分享 → 相關(guān)推薦

- 提供 package.sh一鍵打包為 tar.gz / zip / 圖片-base64 內(nèi)嵌的單文件 HTML

2. 深度研究分析

行業(yè)與政策研究：跨平臺檢索并清洗多源數(shù)據(jù)，輸出結(jié)構(gòu)化研究報告，格式涵蓋 Word、PPT 及含動態(tài)交互圖表的 HTML 深度網(wǎng)頁。

數(shù)據(jù)可視化分析：自動生成時間軸、趨勢曲線、熱力圖等可交互圖表，支撐專家級分析與匯報。

多格式合規(guī)交付：支持一鍵導(dǎo)出符合排版規(guī)范的文檔，滿足內(nèi)部分享、對外匯報等不同場景。

Prompt:（上傳文檔）把這份 50 頁 PDF 的要點與數(shù)據(jù)提出來，整理成報告，以html格式輸出。

3. 沉浸式可交互游戲開發(fā)

經(jīng)典休閑游戲：獨立完成算法設(shè)計、代碼編寫與調(diào)試閉環(huán)，交付如俄羅斯方塊等可玩、可交互的 HTML5 游戲。

物理模擬器：基于真實物理公式構(gòu)建多擺混沌系統(tǒng)、粒子運動等模擬器，支持參數(shù)調(diào)節(jié)與實時軌跡繪制。

Prompt:用網(wǎng)頁做一個經(jīng)典的俄羅斯方塊小游戲，游戲規(guī)則和主流的一致就好，要求把所有代碼都寫在一個文件里，我保存后雙擊就能直接在瀏覽器里玩。游戲畫面要好看一點，支持用電腦鍵盤的方向鍵來控制方塊的移動和變形。還要有計分功能。

4. 高效辦公自動化

經(jīng)營報告分析：跨系統(tǒng)抓取銷售、成本、庫存等核心指標(biāo)，自動生成帶趨勢圖表與異常標(biāo)注的可視化看板及 Word 報告。

行業(yè)全景分析：匯集市場格局、技術(shù)路線、政策驅(qū)動等數(shù)據(jù)，輸出交互式競爭矩陣與可演示 PPT。

周期性業(yè)務(wù)復(fù)盤：全自主編排數(shù)據(jù)清洗、交叉校驗與報告生成流程，實現(xiàn)組織核心業(yè)務(wù)復(fù)盤的自動化。

Prompt:請對新能源汽車行業(yè)進行全景式深度分析，包括市場規(guī)模、競爭格局、技術(shù)路線、政策環(huán)境及未來3年發(fā)展趨勢，輸出結(jié)構(gòu)化研究報告。

要求輸出PPT格式的文檔，PPT的整體風(fēng)格要極具高級審美，排版要清晰，信息層級明確。畫面以圖形、結(jié)構(gòu)、色塊為主。配色統(tǒng)一，風(fēng)格一致，有視覺系統(tǒng)感。比例為16:9。

對云知聲而言，U2 的發(fā)布不只是一次常規(guī)的模型升級，更是我們在原生智能體大模型長跑中的一次關(guān)鍵落子。

從榜單上的實測數(shù)據(jù)，到真實場景的交付閉環(huán)，我們希望用更高智能密度、更高Token價值，讓每一次調(diào)用都轉(zhuǎn)化為實實在在的生產(chǎn)力。

目前，U2 已經(jīng)正式上線云知聲Token Hub，全面面向個人、開發(fā)者及組織開放。