软件先容

App曰批使用指南

第一步：导入文件

翻开软件，
，点击"?添加 App曰批"按钮，
，从电脑中选择《App曰批》文件，
，或直接将其拖拽至软件界面中。。。

第二步：设置剖析

软件会自动识别并剖析导入的文件，
，您可凭证界面提醒选择所需的生涯路径或下载名堂。。。

第三步：最先下载

确认无误后，
，点击"最先下载/处理"按钮。。。期待进度条读取完毕，
，即可在设定的文件夹中审查下载好的正版文件。。。

国产通用大模子第一梯队，
，来新人了
？
？？？！，
，App曰批

一张新面目，
，就这样突入了国产通用大模子第一梯队。。。

走的还不是行业主流的“堆参数”路径。。。

这事放今天，
，谁听了不想迅速围观一下
？
？？？
？
？？？

我也不破例，
，并且我还顺便挖了一下这家公司这样做的原因（好奇.jpg）。。。

效果你猜怎么着
？
？？？谜底居然云云“直击灵魂”——再走古板老路，
，你我的Token钱包是真扛不住了。。。

△图片由AI天生

这事还得从已往几年行业默认的“堆参数、堆算力”玩法提及，
，得益于“大力出事业”这条规则，
，大模子确实变得越来越智慧，
，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越发突出了：

为了让模子“想得更深”，
，行业主流做法是让它把思索链条逐Token睁开，
，效果Token消耗越来越夸张。。。

传导到行业加入者，
，企业最先天天愁赚不到钱，
，我们通俗人也日常陷入“Token不敷用、用不起”的焦虑。。。

以是，
，该怎么给各人精准止痛呢
？
？？？

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子U2，
，来了。。。

U2不卷参数，
，卷“智能密度×Token价值”。。。并且说是通用大模子，
，但骨子里着实是个原生智能体模子。。。

说白了，
，U2的一切都是为了“让单位Token施展出最大智能”而设计的。。。

你问效果怎样
？
？？？数据很能说明问题：U2在多项要害评测上，
，以极低的激活参数规模比肩甚至逾越体量大得多的敌手，
，思索Token消耗量可镌汰约25%，
，在压缩思索Token消耗的同时，
，推理本钱显著低于同尺寸规模巨细模子。。。

能力不减、Token更少、本钱还打下来了，
，U2究竟是怎么做到的
？
？？？

U2有多能打
？
？？？实测一下

怎么做到的先不谈，
，咱先回覆一个问题：这瓜保真不
？
？？？（潜台词≈U2真实有多能打）

谜底是，
，确实有点工具。。。和同类模子比，
，U2最显着的差别有两个：

一是特殊醒目活，
，IFBench指令遵照、Claw系列Agent评测、GDPval办公能力评测都打到了前排，
，并且完成重大使命的交互轮次更少，
，不会动不动卡壳往返折腾；
；；；

二是“以小胜大”，
，GPQA硬核推理和长文本明确上，
，仅凭极低激活参数，
，打出了靠近甚至凌驾部分超大模子的效果。。。

即是说，
，又醒目活、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。。。

现在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，
，适配本钱较低。。。

既然U2善于开发，
，一上来我就妄想给它“挖坑”，
，出一道开放性问题（doge）。。。

提醒词大致为：做一个值得上Awwwards的前端demo，
，可自由选择创意主题，
，单文件HTML、不必外部库。。。

这道题没有标准谜底，
，考的是模子在没有约束时能自动展示多高的上限。。。

凭证老例，
，弱模子一般会选择做通俗官网、卡片结构或按钮动画，
，而强模子会自动往粒子宇宙、流体模拟、物理引擎这个偏向走。。。

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

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

翻开HTML，
，鼠标移动会扰动周围粒子的运动轨迹，
，点击会触发吸引、倾轧、围绕三种模式的切换，
，左上角面板还能实时显示目今粒子数目及运动状态。。。

日常感伤一下，
，以前考大模子，
，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，
，最近恰恰有个想法想实践一下：做一个12星座版的《TA究竟在想什么》应用。。。

网上冲浪时经常刷到那种，
，求网友资助剖析“crush究竟什么意思”的帖子，
，脑瓜子一转，
，商机这不就来了。。。

于是我立马扔给U2一些模糊形貌，
，焦点需求是能不可连系对方星座，
，判断对方某些话或行动背后的真实意图。。。

效果U2一口吻搞定了五大功效
？
？？？，
，挨个测试每项功效都能正常使用（谈天纪录为AI天生），
，尤其较量惊喜的是它还想到了AI回复这一点，
，好吧，
，我认可AI你照旧在我之上。。。

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

若是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磨练它的推理和研究深度——

我让U2对OPC（一人公司）赛道做一次全景式深度研究，
，要求输出结构完整、有数据支持的可交互HTML报告。。。

全程没给任何资料，
，没有指定命据泉源，
，就一句指令。。。

没想到U2却交出了一份让人眼前一亮的报告：

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

左侧牢靠导航，
，右侧内容区从工业概述、焦点数据、行业漫衍一起笼罩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视治理总局、中国OPC生长调研报告2026等果真数据。。。

数据有来由，
，判断有逻辑，
，不是凑字数，
，是真在做研究。。。

三个案例跑完，
，转头看会发明它们划分在验证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、
？
？？？榉痹，
，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。。。

更要害的是，
，三个使命U2还都没靠堆Token换效果。。。

嗯
？
？？？这是咋回事
？
？？？U2究竟是怎么做到又好又省的
？
？？？

U2为什么能做到

转了一圈，
，我找到的谜底是：

从理念到工程设计，
，U2和已往盛行的那套全都纷歧样。。。

U2的设计理念，
，着实就是开头提到的“智能密度×Token价值”。。。

听起来有点笼统，
，无妨连系云知声首创人黄伟的话来明确：

用更高效的资源投入，
，用模子架构工程能力方面的优化，
，打造出能知足绝大大都场景的智能水平，
，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、降低运营本钱、规避重大风险或提升决议质量的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则针对两大行业焦点痛点精准挥刀。。。

怎么不卷参数，
，以小胜大
？
？？？把模子性能提起来。。。怎么镌汰Token消耗
？
？？？把模子使用本钱降下去。。。

先说性能，
，U2主要从数据和架构层面举行了优化。。。

古板模子里保存大宗“光占参数不着力”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宗过滤掉，
，只留真正有知识含量的部分。。。

这样一来，
，模子单位参数的有用知识密度显着提升。。。

控制好输入端之后，
，怎么继续包管模子不说空话呢
？
？？？

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只管承载更多有用信息，
，相当于同样一句话，
，用更少Token说清晰。。。

双方都控制好，
，最后再给“幻觉”加一道包管——设置一套知识点级校验与自反馈机制，
，一连纠偏、自动抑制幻觉。。。

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天生

架构上，
，U2焦点是希罕MoE（混淆专家）结构，
，叠加希罕知识编码和知识蒸馏。。。

MoE我知道，
，实质就是“按需激活”，
，为啥这里又多了“希罕”二字
？
？？？

一查才知道，
，通俗MoE虽然也是按需挪用，
，但若是专家自己依然很臃肿，
，激活数目一多，
，算力照样压不下来。。。

而希罕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“希罕知识编码+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悍。。。

而数据和架构的威力一叠加，
，U2便依附2660亿参数，
，抵达了1.2万亿参数模子的性能，
，参数效率靠近后者的5倍。。。

至于Token该怎么省，
，U2选择从推理环节动刀。。。

为了让模子想得更深，
，主流做法是把完整头脑链逐Token睁开输出——效果确实好，
，但Token也烧得飞快，
，重大使命里真正贵的往往不是谜底，
，而是那一大堆思索历程。。。

而U2在实践中发明，
，不说出思索历程，
，谜底一样靠得住。。。详细他们干了两件事：

一是精简推理路径，
，直接砍掉无效方法和兜圈子的冗余推导；
；；；二是类比人脑解题方式引入隐式思索机制，
，在隐藏层先把解题偏向想清晰，
，再进入显式推理的细化验证，
，大宗中心历程基础不需要睁开成Token输出。。。

以是说，
，古板模子是边想边说，
，而U2更像先想明确、再挑重点说。。。

△图片由AI天生

靠着这一设计，
，U2在保存多路径探索与后续可验证性的同时，
，可将思索Token消耗量镌汰约25%。。。

25%什么看法
？
？？？放在企业级长链路使命里，
，这个数字带来的本钱差别，
，只能说懂的都懂了。。。

而这还没完，
，U2还把原生Agent能力和Harness Engineering放进了统一个训练闭环。。。

Harness会凭证模子特点一连优化，
，模子再使用Harness返回的真实使命数据，
，继续强化多步妄想、工具挪用和历程纠错能力。。。双方相互喂数据、相互进化。。。

效果就是，
，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，
，模子完成重大使命时需要的交互轮次更少、上下文更短，
，单次营业Token本钱也会进一步下降。。。

到这里你发明没，
，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每一层都在往统一个偏向使劲：

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这样一个模子了，
，但问题是：

为什么在各人普遍以为大模子竞争名堂已经收敛之时，
，云知声还要往里闯
？
？？？并且还真让它闯进去了
？
？？？

一切可以追溯到上个月，
，晚点LatePost对云知声首创人黄伟的采访。。。

黄伟的判断很直接：2023到2025年是大模子的热身赛，
，2026年正赛才刚最先。。。

乍一听有点像时势话，
，但仔细想想还真不是。。。

热身赛比的是参数、算力和资源投入，
，实质上是一场资源消耗战。。。而现在，
，AI正从“天生式”迈入“生产力”时代——模子要真正下场干活了，
，每一个Token都得换回真实的营业价值。。。

以是，
，虽然走的照旧通用大模子这条路，
，但已经不是统一场角逐了。。。已往比谁投入更多资源，
，现在比谁能创立更多价值，
，评分标准已经悄悄改变。。。

说白了，
，以前那套竞争名堂或许已经收敛，
，但新的竞争名堂，
，才刚刚睁开。。。

这也诠释了为啥云知声第一代基；
；；；菇小吧胶！，
，现在却酿成了“U2”，
，它代表的正是这种AI范式的转变。。。

△图片由AI天生

而在这套新的竞争系统下，
，云知声已往十几年攒下的“家底”最先施展作用了。。。

那些一经看起来不敷性感、甚至有些“慢”的积累，
，现在反而成了它攻击第一梯队的主要筹码。。。

云知声2012年依附语音识别起身，
，去年刚完成港股上市，
，被外界普遍视为“港股AGI第一股”。。。

许多人一看它名字里有“声”，
，就下意识以为这是一家语音公司，
，但这着实是一种误解。。。

准确翻开方式是，
，三个字看全——“云”是智能的载体，
，“知”是认知的焦点，
，“声”只是进入这个天下的第一扇门。。。

在黄伟看来，
，他们听的历来不是声音，
，而是声音背后的意识。。。

何谓“声音背后的意识”
？
？？？焦点有三层，
，换成示意图明确如下：

△图片由AI天生

看到没，
，为了搞懂“声音背后的意识”，
，云知声着实一起都在升级自己的能力界线。。。

最早做语音识别，
，解决“听懂”的问题；
；；；厥后做智能交互，
，解决“明确意图”的问题；
；；；再厥后，
，当目的酿成明确情绪、场景和恒久需求时，
，单点手艺已经不敷用了，
，背后需要一个能够推理、妄想和行动的智能大脑。。。

以是从某种意义上说，
，云知声并不是突然转型做大模子，
，而是在追逐“让机械真正明确人”这件事的历程中，
，一步步走到了大模子这里。。。

这也诠释了它今天为什么把自己定位为：原生智能体基座大模子公司。。。

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，
，现在各人熟知的大模子玩家，
，险些都是2023年前后麋集冒出来的新面目，
，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”的蹊径：一边自主研发底层模子能力，
，一边扎根工业场景做深度落地。。。

围绕智慧医疗和智慧生涯两条营业主线，
，它积累了大宗真实数据、真实需求，
，以及真实反馈。。。

而这些，
，正是大模子时代最稀缺、也最值钱的工具。。。

更要害的是，
，这种来自真实场景的压力，
，还倒逼出了云知声自己奇异的一套要领论：不追求参数规模，
，追求更高的智能密度、更低的推理本钱、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”，
，但这只是生产端的看法。。。

而云知声一步到位，
，想的是“这100万token生产出来之后，
，它究竟值几多钱”。。。效率再高，
，若是全是空话，
，商业价值也是零。。。

围绕这个逻辑，
，云知声搭了一套完整的系统：底层是U2这样的基座大模子，
，中心是兽牙智能体平台，
，上层一端毗连医疗、医保、交通、客服等工业场景，
，另一端通过MaaS和生态平台触达开发者与个人用户。。。

模子创立价值，
，价值爆发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，
，已经最先验证这套逻辑。。。

已往几年云知声发声未几，
，一部分原因是港股上市静默期的客观限制。。。

但现在静默期竣事了，
，财报也摆在那里：不到500人的团队，
，年营收凌驾10亿元，
，大模子相关收入突破6.1亿元，
，同比增添凌驾10倍。。。

更直接的信号来自Token营业，
，量子位探询到，
，云知声今年5月Token挪用收入ARR环比增添了600%，
，预计6月仍将坚持高速增添。。。

这意味着，
，云知声的收入已经和客户创立的AI价值直接挂钩了，
，客户用得越多、价值越大，
，收入的天花板也随着翻开。。。

“智能密度×Token价值”这套逻辑，
，不再只是理念，
，而是已经最先在财报上展现。。。

以是回过头看U2，
，外貌上，
，它以1/10的Token本钱重构了重大使命的本钱结构，
，让许多已往算不过账的AI场景，
，第一次具备了大规模安排的可能。。。

实质上，
，它验证的是“智能密度”这条蹊径自己的可行性：性能不是堆出来的，
，本钱不是靠降质量省下来的，
，两件事可以同时爆发。。。

当每一个Token都能创立更多价值时，
，显而易见，
，“更大”便不再是唯一谜底——

行业的评价坐标，
，将从“谁的模子更大”，
，逐渐转向“谁的模子更值”。。。

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