人工智能、大模型与智能体深度观察 | 大观视界
人工智能、大模型与智能体深度观察 | 大观视界
U2 Decision是云知声正式上线并开源的企业级决策大模型（4B），定位于多模型、多 Agent、多工具协作中的决策层，围绕「任务交给谁、任务能否执行、任务沿什么路径完成」三个问题，提供智能模型路由、安全决策与工作流路由三项核心能力。它不生成自然语言，直接输出带概率与置信度的结构化判定（choice / probabilities / confidence），毫秒级返回、token 开销极小，
U2-TTS 把拟人化细节、风格/情绪控制与多语种多方言能力结合起来，让同一段文字既能用于严肃的业务播报，也能切换成更有感染力的角色口吻，适配不同内容与品牌表达。同时支持长文本异步合成与丰富音频输出配置，便于接入生产流程做规模化生成，在"好听"和"好用"之间取得平衡。
TTS-Clone 支持极少语音样本快速复刻目标音色，并生成高度还原、具备情感表达能力的自然语音。复刻音色可长期留存、反复调用，助力打造可沉淀、可复用的专属声音资产。
基于 DeepSeekMath 提出 GRPO (Group Relative Policy Optimization)在同一组轨迹内做相对优势估计，无需独立价值模型(Critic)，显著降低显存与训练成本;组内多样化的多条轨迹相互比较，天然鼓励模型探索不同解法路径，摆脱单一重试模式。
AI素养教育不是兴趣班的锦上添花，而是面向未来的必修课。云知学院紧扣国家人工智能教育政策与新课标要求，为中小学提供「课程+平台+研学+评测」一体化服务，帮助学校把AI素养教育从"文件要求"变成"办学亮点"，让学生不仅"听过AI"，更能"理解AI、使用AI、思辨AI"。
本次评测覆盖了从底层感知（病灶检测、定位）到高层推理（临床决策、高级医学推理）的完整能力栈，18 个子任务横跨 CXR / CT / MRI 等多模态影像，能够较全面地反映模型在真实医学影像场景中的综合水平。U2-RadiMed 以 55.47% 的综合准确率位列第 1，是唯一突破准确率50%的模型。
U1-OCR 是一款智能文档解析与抽取模型，突破传统 OCR 仅字符识别的局限，实现从“认字”到“懂文档、会提取”的升级。可一站式完成证照识别、版式还原、关键信息抽取，将非结构化文档自动转为规整可用的数据，覆盖日常办公、证照票据、复杂报表等全场景，大幅节省人工录入与核对时间。
U1-OCR-MED 在医疗文书分类、多场景信息抽取任务上表现全面领先，医疗文书分类准确率达 98.2%，综合识别能力显著优于 Gemini、Qwen 等同级别主流大模型；票据类抽取准确率 95.31%、病历类抽取准确率 95.65%，面对专业医学术语、差异化行文表述仍保持高精准度，达到行业领先水准；卡证类抽取准确率高达 98.87%，具备极强的场景适配性与识别稳定性，能够满足医疗业务高精度、高可