未分类

云知声U2-Flash-1118升级,Token消耗降约37%且支持图片输入

要点

云知声发布 U2-Flash-1118 大模型,总 Token 消耗降低约 37.0%,支持多模态理解与复杂 Agent 任务。

在多模态理解方面,U2-Flash-1118 是 U2-Flash 系列首个多模态模型,原生支持图片输入。云知声官网给出的参数为总参数规模超过 266B,原生多模态支持图片理解,上下文窗口 1M,最大输出 256K;该模型可胜任复杂工程开发、跨文件代码修改、超长文本理解及多步骤 Agent 工作流,图表与界面截图可直接理解,图表、报表与界面截图可与文本指令联合推理。

在复杂任务执行方面,U2-Flash-1118 相比前代 U2-Flash 重点强化 Coding、CoWork 等复杂 Agent 任务能力,训练方式包括可验证的软件工程任务训练、Agent 强化学习以及递归自我改进(RSI),用于提升任务规划、持续执行、结果验证与失败恢复能力,支持跨文件代码修改、大型项目重构与多步骤 Agent 工作流,并支持多档思考强度、按任务复杂度动态分配推理投入。

在评测表现上,云知声公布的对比数据覆盖 Agent 与工程能力、知识推理与视觉理解三个维度。U2-SWE-Bench v1.1 得分 57.1,位列同榜第一,前代 U2-Flash 为 46.7;DeepSWE v1.1 得分 75.2,前代为 64.6;SWE-Bench Pro 得分 62.5,前代为 61.6;TerminalBench 4.0 得分 35.5,前代为 22.6。知识推理方面,GPQA-Diamond 得分 93.9,为同批参评模型最高分,前代为 92.4;HMMT Feb.2026 得分 97.0,前代为 97.0。视觉理解方面,BabyVision 得分 92.5,OCRBench-V2 英文与中文分别达到 66.0 与 59.2,前代分别为 61.7 与 56.8。

在 Token 效率方面,U2-Flash-1118 通过执行轨迹优化、关键动作提炼与动态预算分配提升 Token 智能密度。云知声公布的对比数据显示,在相同任务下,相较于原版本 U2-Flash,总 Token 消耗降低约 37.0%,模型调用次数减少约 44.8%,为开发者与企业提供更高效、更经济的 Agent 智能底座。

从公司整体布局看,云知声官网将 U2-Flash-1118 置于模型矩阵文本侧的首位,官网标语为”更强的智能,更快地发生”,并已通过 MaaS 平台开放 API 接入。其 U-Model 模型矩阵覆盖文本、语音与视觉三条线,文本侧为 U2-Flash-1118 与原生 Agent 大模型 Unisound U2,语音侧包括 U2-ASR、U2-TTS、U2-TTS-Clone 与 U2-TTS-Design,视觉侧为 U1-OCR;官网同时列出已上线并开源的 U2-Decision。云知声此前推出的山海多模态大模型以文本、音频、图像等多种形式作为输入,可实时生成文本、音频和图像的任意组合输出,具备实时响应并支持对话随时打断、通过语音文本判断用户情绪并捕捉语气节奏音调等细微变化、音色自由切换与用户音色学习复刻、视觉场景理解、按指令生成图像等设计特征。

商业化层面,云知声官网披露的 2026 年中期业绩信息显示,公司营收增长 38.7%,Token 业务收入激增 760%;2025 全年业绩信息表述为逼近盈利。行业 Agent 板块覆盖智慧医疗、智慧医保、智慧保险、智慧座舱、数字员工与数字助理,公司披露合作客户数超过 500 家、覆盖医疗、交通、家居等十余行业头部企业,技术专利超过 900 项,研发团队规模超过 320 人。

常见问题

U2-Flash-1118 在 Token 效率上有什么具体提升?

云知声 U2-Flash-1118 通过执行轨迹优化,总 Token 消耗降低约 37.0%,模型调用次数减少约 44.8%。

U2-Flash-1118 的核心参数指标是多少?

云知声 U2-Flash-1118 总参数规模超过 266B,上下文窗口为 1M,最大输出为 256K。

U2-Flash-1118 在多模态理解方面有何创新?

云知声 U2-Flash-1118 是 U2-Flash 系列首个多模态模型,原生支持图片输入,可将图表、报表与界面截图和文本指令联合推理。

云知声 U2-Flash-1118 在 SWE-Bench Pro 评测中得分多少?

云知声 U2-Flash-1118 在 SWE-Bench Pro 评测中得分 62.5,前代 U2-Flash 得分为 61.6。

免责声明本页信息整理自互联网公开渠道,仅供资讯参考,不构成任何投资或商业决策依据;相关产品参数、企业信息可能存在滞后或误差,请以厂商官方发布为准。如内容涉及版权、准确性或侵权问题,请联系 981209856@qq.com,我们将第一时间核实处理。

柳砚舟

柳砚舟,关注大模型、算力与产业应用。

公安联网备案冀公网安备13068102000496号