🐼Pandaily•較早收集於 55m
UniSound 發布具備代幣效率的 U2 基礎模型
💡一款能降低 25% 代幣成本的中國 LLM，對於擴展 AI 應用的開發者至關重要。
⚡ 30-Second TL;DR
有什麼變化
U2 模型相比現有標準提升了 25% 的代幣效率。
為什麼重要
此發布凸顯了中國 AI 市場轉向「效率優先」模型的趨勢，可能降低企業採用 LLM 的門檻。
下一步行動
如果您正在尋找降低推理成本同時保持中文任務高性能的解決方案，請評估 U2 模型。
誰應關注：Developers & AI Engineers
關鍵要點
- •U2 模型相比現有標準提升了 25% 的代幣效率。
- •使 UniSound 躋身中國頂尖 LLM 供應商行列。
- •專注於在保持競爭力的性能與降低營運成本之間取得平衡。
🧠 深度解析
Web-grounded analysis with 9 cited sources.
🔑 增強重點摘要
- •U2模型於2026年6月8日正式發布，採用了2660億參數的專家混合（MoE）架構，旨在最大化每個代幣的智能密度而非單純擴大模型規模。
- •該模型被定位為「原生代理驅動的大型模型」，具備自主分解和執行超過100個步驟的複雜工作流程的能力，強調實際任務執行而非單純問答或短鏈生成。
- •U2在多項權威基準測試中表現出色，包括GPQA（87.9分）、SWE-Bench（75分）和Claw-Eval pass@3（76.9分），與全球領先模型的能力相媲美，並在某些方面超越了GLM-5.1、Hy3 preview、DeepSeek-V4-Flash (High)和MiniMax M2.7等模型。
- •UniSound將「智能密度 x 代幣價值」作為其核心技術主張，透過專有技術如「原生推理路徑蒸餾」和「Harness同步訓練」機制，顯著降低了推理成本和代幣消耗。
🛠️ 技術深入
- 模型架構：採用行業領先的專家混合（Mixture-of-Experts, MoE）架構。
- 參數規模：擁有2660億個參數。
- 思維範式：整合了「快速思維」與「慢速思維」範式，在任務早期優先進行潛在空間的有效探索，在關鍵判斷時切換到顯式推理。
- 核心原則：遵循「智能密度 × 代幣價值」的技術主張，旨在以更少的激活資源承載更強大的能力，並使每次調用更接近可交付的結果。
- 優化技術：
- 專有的「原生推理路徑蒸餾」技術。
- 創新的「混合思維模式」和「同步模型Harness訓練機制」（Agent-Harness協同訓練範式）。
- 應用高知識密度數據篩選和淨化，過濾重複、低質量和幻覺數據，並進行知識點級別的精煉和提取。
- 結合稀疏知識編碼和知識蒸餾架構，壓縮冗餘模型參數，將高價值知識能力固化到更高效的模型結構中。
- 代理能力：原生代理驅動，能夠自主執行任務分解、實施、驗證和優化，形成端到端的閉環系統，並能自主分解和推進超過100個步驟的複雜工作流程。
- 集成性：支持與OpenClaw和Hermes等主流AI腳手架框架的無縫集成。
🔮 前景展望AI analysis grounded in cited sources
U2模型將顯著降低企業級AI代理應用的運營成本。
其25%的代幣效率提升和針對代理工作負載的優化，將直接轉化為更低的推理成本，尤其對於需要複雜鏈式思考的任務。
UniSound有望在中國競爭激烈的LLM市場中鞏固其頂級供應商地位。
U2在效率和代理能力上的獨特側重，使其在通用大模型競賽中脫穎而出，特別是在企業級應用場景中具有競爭優勢。
U2的推出將加速UniSound在多個行業的AI商業化進程。
UniSound計劃將U2作為核心平台，擴展行業特定解決方案和標準化雲端API服務，從而擴大市場覆蓋範圍。
⏳ 時間線
2012-06
UniSound（雲知聲）在北京成立。
2018-05
UniSound完成1億美元C輪融資，成為智能語音技術領域單輪融資額最高的初創公司。
2018
UniSound開發並推出了其首款AIoT晶片「Swift」。
2019
UniSound推出其首個基於BERT的大型語言模型UniCore。
2025-06
UniSound在香港交易所（HKEX）成功進行首次公開募股（IPO），股票代碼為09678，籌集了3.2億港元。
2026-06
UniSound正式發布其新一代通用基礎模型U2。
📎 來源 (9)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： Pandaily ↗