云知声发布新一代AI大模型U2，称性能对标国内顶尖模型

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”。

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。

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、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 Rollout）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。

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。