标签: 云知声 U2 大语言模型 智能体
云梦级6月8日云梦级消息,刚刚,云知声正式发布新一代通用大语言模型——U2。 作为面向个人、开发者与组织打造的原生智能体大模型,U2的技术主张极为纯粹:高智能密度 × 高Token价值。它不再盲目堆叠参数,而是追求高智能密度,用更少激活资源承载更强能力;不再简单比拼输出长度,而是追求高Token 价值,让每一次调用都更接近交付结果。 与传统大模型更偏向单轮问答或短链路生标签成不同,U2 更强调面向真实任务的连续执行能力。在复杂办公、软件工程、深度研究与多工具协同场景中,U2 能够自主拆解并推进 100+ 步复杂工作流,将需求理解、任务规划、环境交互、工具调用、过程纠错与结果验收串联为完整闭环,从“给出答案”进一步走向“完成任务”。 权威评测进入第一梯队 在最新发布的一系列国内外权威能力评测中, U2已经在多个关键能力方向进入主流大模型第一梯队: 在: 衡量知识与复杂推理能力的 GPQA Diamond 上,U2 取得 87.9 分,超过 GLM-5.1、Hy3 preview、DeepSeek-V4-Flash(High)和 MiniMax M2.7,展现出对高难度知识问题的稳定理解、推理与求解能力。 在衡量真实软件工程能力的 SWE-Bench Verified 上,U2 取得 75 分,进入主流模型第一梯队。 而在面向自主 Agent 端到端执行能云知力的 Claw-Eval(pass@3) 上,U2 取得 76.9 分,超过 Hy3 preview、DeepSeek-V4-Flash(High)和 MiniMax M2.7,进一步验证了其在工具调用、流程编排与任务交付中的稳定表现。 在面向真实办公与知识工作交付能力的 GDPval 上,U2 取得 72.9 分,展现出扎实的专业办公能力。相比传统问答式评测,GDPval 更关注模型能否完成真声 实工作场景中的高价值交付,包括资料分析、报告撰写、表格处理、图表生成、幻灯片制作等典型办公任务。 这组成绩背后,传递出一个重要信号:U2并不是以单点能力取胜,而是在推理、代码、Agent和办公交付等多项关键能力上形成了系统性表现。 让模型原生能力进入真实工作流 对云知声而言,U2 不只是一个模型代号,更是我们对 AI 2.0 时代大模型价值的重新思考。我们认为,衡量今天的大模U2型价值,不能再单纯比拼参数规模和内容生成长度。当 AI 真正进入真实工作流,用户关心的不再只是模型能否给出一个漂亮回答,而是它能否真正把任务完成。 因此,U2 从设计之初,就不是一个单纯面向聊天场景的通用模型,而是一款面向任务执行的原生智能体大模型。 要让模型真正完成任务,仅靠更大的参数并不够。真实工作流往往复杂、动态且长链路:模型既要能够快速理解目标、拆解任务、搜索路径,也要 大能在关键节点进行逻辑校准、约束检查和结果验证。传统显式思维链虽然具备较强可解释性,但往往需要生成大量中间推理文本,带来更高 Token 消耗与推理延迟;而完全依赖隐空间推理,虽然效率更高,却可能在复杂任务中出现逻辑漂移,缺乏足够的可控性与验证能力。 为了解决这一矛盾,U2 创新引入混合思考机制。它并不是在显式 CoT 与隐式推理之间二选一,而是在同一推理过程中,根据任务阶段、语言复杂度和不确定性动态切换思考形态。 在任务早期,U2 优先在隐空间中进行高效探索,完成路径搜索、任务拆解、候选方案生成与执行规划,避免把每一步中间思考都解码为可见 Token;当任务进入关键判断、复杂约束处理或结果收敛阶段,模型则切换到显式推理,通过可读、可校验的推理过程完成逻辑校准、过程验证与最终决策。 进一步地,U2引入可控隐空间展开(Bounded Latent Roll模型out)与熵感知切换(Entropy-aware Switching)机制,使模型能够根据推理过程中的不确定性动态调整思考方式:当隐式探索稳定时,模型保持高效推理;当不确定性升高、推理路径可能发散时,则及时回到显式思维链,通过确定性 Token 完成精准推导与结果收敛。 这意味着,U2 并不是简单缩短思维链,而是重构了模型的思考分工:把开放探索、路径规划等高消耗环节更多内化到隐空 智间,把逻辑验证、约束校准和结果收敛留给显式推理。由此,U2 能够在减少无效推理步骤和冗余中间文本的同时,保持复杂任务中的可靠性与可控性,实现“少 Token,深思考”。 在知识底座上,U2 进一步通过高知识密度数据精筛提纯技术,过滤重复、低质与幻觉数据,完成知识点级精炼萃取;并结合稀疏知识编码与知识蒸馏架构,压缩模型冗余参数,将高价值知识能力固化到更高效的模型结构中。 在任务能体执行层面,U2 引入 Agent-Harness 协同训练范式。我们认为,Harness 不应只是外部套壳,而应该与模型能力共同进化。因此,U2 将模型原生 Agent 能力提升与 Harness 迭代优化纳入同一训练闭环:一方面,Harness 根据 U2 的模型特点持续优化任务执行链路;另一方面,真实任务中产生的高质量执行轨迹,又反过来强化模型的任务规划、工具调用、过程纠错和结果验标签收能力。 而这一系列完整的闭环,最终要落到一套务实的训练体系上。我们没有让 U2 只盯着正确答案死记硬背,而是通过课程学习、过程监督、轨迹对比与多维奖励,教会它在复杂任务中如何规划、执行、纠错、验收。配合 Agent-Harness 协同演进,U2 能够在真实任务轨迹中持续强化长链路执行能力,真正从“能聊天”走向“能完成任务”。 三大核心能力 围绕真实任务交付,U2重点强化了Re: asoning、Coding和Agent三大核心能力。 在Reasoning方面,U2强调低偏差执行和长程逻辑稳定性。面对复杂、多步骤任务时,模型不仅要能回答局部问题,更要能够持续保持目标一致,动态权衡预算、时间、约束条件和可行路径,最终输出更优方案。 在Coding方面,U2不再局限于代码生成,而是面向端到端工程交付。它能够根据自然语言需求生成代码,也能够理解多文件项目云知结构,保持接口、依赖和调用逻辑一致,并在环境调试和自主Debug中持续推进任务完成。 在Agent方面,U2重点提升了多工具协同、长流程编排和环境交互能力。面对开放式目标,它能够拆解任务优先级,理解API能力边界,组合调用不同工具,并根据外部系统反馈调整执行策略。 这三类能力共同构成了U2的任务交付闭环:先理解和规划,再执行和协作,最后校验和交付。也正因为如此,U2更适合声 被放到真实工作场景中检验,而不是只停留在单轮对话或单点能力展示中。 目前,U2 已经正式上线云知声Token Hub,全面面向个人、开发者及组织开放。

- 最近发表
- 随机阅读
-
- 标签: 法拉利 Luce 乔纳森·伊夫 纯电动跑车
- 标签: 北京市场监管 6·18平台监管 平台经济治理 网络市场监管联席会议
- 标签: 网信中国 清朗行动 直播打赏 团播乱象
- 标签: 发货宝 腾讯 微信生态 本地商家
- 标签: 比亚迪 虎狼说车 正仁说车 固态电池来了
- Salesforce公司是如何发现人工智能人才以及如何提升人才技能的
- YouTube 删除一频道 其内容涉及 AI 生成女性被杀害视频
- 标签: 文远知行 小马智行 Robotaxi 路演争议
- 马斯克旗下 X 平台推出 AI 定制信息流功能,用户可自由选择话题
- 阿里云正式发布“汽车云”:已服务国内超70%汽车企业
- 标签: 新世纪医疗
- 云计算开发实例:Python3冒泡排序
- 标签: 鸿蒙智行 问界M9 置购税补贴 新能源汽车
- 云安全日报210225:IBM消息传递网关发现执行任意代码漏洞,需要尽快升级
- OpenAI 推出针对临床医生的免费 ChatGPT,助力医疗服务效率提升
- 爱奇艺 CEO 龚宇: AI 技术将颠覆长短视频行业
- DeepMind提出基于视觉的强化学习模型,十八般兵器对机器人不在话下
- OpenAI 与 AMD 达成重磅合作,开启 AI 新纪元
- 数据分析终极一问:多影响因素下,到底咋归因?!
- 中国企业大模型调用量突破10万亿Tokens,开源趋势引领未来
- 搜索
-
- 友情链接