云知声U2发布：3000亿参数原生Agent模型，不拼规模拼智能密度

6月8日，云知声发布了新大模型U2。参数约3000亿，MoE架构，激活参数只有总参数的十分之一。不搞虚的，先说结论：这是一条和主流大厂完全不同的路。

原生Agent，不是外挂

现在市面上大多数"Agent"是怎么做的？在通用大模型上套一层Harness框架，让它去调工具、执行任务。能用，但不够稳定——有时候任务拆解不合理，有时候工具调用出错，有时候跑着跑着就忘了自己要干嘛。

云知声U2的思路是反过来的：从模型架构层面就为Agent能力设计。任务拆解、工具调用、自主决策这些能力，不是在模型上面打补丁，而是原生内建在模型里。U2在SWE-Bench Verified上拿了75分，在Claw-Eval上拿了76.9分。3000亿参数做到这个水平，效率很高。

不拼参数拼密度

U2的总参数量约3000亿，但MoE架构下激活参数只有约十分之一。说人话：推理的时候不需要把所有参数都跑一遍，用哪块激活哪块。推理成本锚定在激活参数规模上，高并发场景下成本优势非常明显。

另一个有意思的点：云知声强调"高智能密度"和"高Token价值"。简单说，就是让每个Token承载更多信息量，用更少的Token完成更复杂的任务。这不是堆参数堆出来的，而是靠数据提纯和训练策略优化出来的。

实测案例：让U2分析2026年5月大宗商品走势，结合地缘政治和供需数据，它在一两分钟内生成了一篇超过5000字、带数据表格的专业分析报告。做俄罗斯方块小游戏、生成新产品发布倒数页面、自动写周报文档——这些任务它都能端到端完成。

有场景的公司做AI，路线不一样

云知声和纯大模型创业公司最大的区别：它有落地的行业场景。智慧医疗产品在近450家医院部署，智慧交通覆盖多个城市地铁和机场，AIoT"芯片+模型"方案服务智能家居和汽车。2025年大模型相关收入6.1亿，同比增长1076%。

这意味着U2不是实验室里的论文模型，而是有真实业务验证的。从"做语音的科技公司"到"原生Agent大模型公司"，云知声花了14年完成这个转型。现在发布U2，更像是技术能力积累到一定程度后的自然溢出。

对行业意味着什么

U2代表了一种新范式：不做通用聊天模型的内卷，而是在Agent这个细分方向上做到极致。"小参数、强能力、少Token、低算力"这条路如果走通了，对企业级部署来说是个好消息——不用非得买几千张H100才能跑得动。

当然，75分的SWE-Bench和GPT-5.5还有距离。但考虑到U2的参数规模和成本，这个性价比是有竞争力的。2026年，AI行业的竞争正在从"谁参数大"转向"谁能真正在场景里干活"。云知声U2在这条路上迈出了有意思的一步。