Wenn große KI-Modelle neu preisgesetzt werden: Yunzhisheng veröffentlicht U2 und erlebt den „DeepSeek-Moment“

Die Branche der großen KI-Modelle lebt seit langem in einer nahezu selbstverständlich als richtig geltenden Übereinstimmung.

Nur mit einer großen Parameterzahl ist das Modell leistungsstark; nur mit einem ausreichend langen Kontext sind seine Fähigkeiten umfassend; nur mit einer ausreichend komplexen Schlussfolgerungskette kann sein Intelligenzniveau unter Beweis gestellt werden.

Daher haben Unternehmen für große Modelle in den letzten Jahren die technischen Grenzen ständig neu definiert – von Parametern im Wert von mehreren hundert Milliarden bis hin zu Billionen, von Kontexten mit Hunderttausenden von Tokens bis zu einer Million Tokens, von einzelnen Antworten bis zu immer längeren Schlussfolgerungsprozessen. Der Kapitalmarkt zahlt gerne für diese stärkere Vorstellungskraft. Die Ranglisten der Modelle ändern sich häufig, die Trainingskosten steigen ständig an, und GPUs sind zu einem der teuersten Produktionsmittel geworden.

Wenn aber die Leidenschaft für das blinde Stapeln von Parametern nachlässt, steht die Branche vor einer unumgänglichen peinlichen Realität: Dichte Modelle mit Hunderten von Milliarden oder sogar Billionen von Parametern haben gleichzeitig astronomische Trainings- und Schlussfolgerungskosten verursacht und extrem hohe Einsatzschwellen errichtet.

Sowohl für Unternehmen mit groß angelegten Strategien als auch für einzelne Enthusiasten besteht eine große Kluft zwischen der erwarteten „Intelligenz-Entstehung“ und der realen Situation, dass die Systeme zu teuer und nicht gut zu bedienen sind.

So verrückt die erste Halbzeit auch war, so nüchtern ist die zweite Halbzeit.

In diesem Moment haben einige weitsichtige Akteure erkannt, dass ein Paradigmenwechsel stattfindet: Generative AI entwickelt sich umfassend zu produktiver AI (produktiven KI).

Es gilt, ausreichend leistungsstarke Intelligenzfähigkeiten mit niedrigeren Gesamtkosten und stabileren Bereitstellungsmethoden reibungslos in die wahren industriellen Strukturen einzubinden.

An diesem Punkt, der die Richtung der gesamten Branche bestimmt, hat ein erfahrener KI-Unternehmen mit einem leistungsstarken Upgrade des Basismodells eine Lösung zur Effizienzrekonstruktion vorgelegt.

Heute hat Unisound offiziell sein neues generisches großes Sprachmodell-Basismodell namens U2 vorgestellt.

Dies ist nicht nur die wichtigste technische Iteration des Basismodells von Unisound seit seinem Börsengang, sondern auch ein wichtiger Meilenstein für seine vollständige Umwandlung in ein „natives Agentic-Großmodell-Unternehmen“.

Während die Branche noch nach den Chat-Künsten der generativen KI strebt, hat Unisound vorausschauend das neue Konzept der „produktiven KI“ vorgestellt. Die dahinterstehende Bedeutung ist klar: Der ultimative Wert der KI liegt nicht in der Generierung von Inhalten, sondern in der Lösung komplexer Aufgaben in der realen Welt.

Die Einführung dieses Konzepts macht Unisound zu einem verdienten Pionier: Während Konkurrenten noch über „Entstehung von Intelligenz“ sprechen, hat Unisound bereits begonnen, über „praktische Arbeit“ nachzudenken; während andere die Größe der Parameter messen, hat es das kommerzielle Wesen der Intelligenzdichte und des Token-Werts erkannt. Genau durch diese vorausschauende Positionierung hat Unisound bereits vor Beginn des offiziellen Wettbewerbs um große Modelle das Recht, die Regeln zu definieren.

Dieses Unternehmen, das seit mehr als zehn Jahren in der KI-Branche tätig ist, hat sich nicht an dem blinden Kampf um den Parameterverbrauch beteiligt, sondern nutzt an diesem Punkt die neue zugrundeliegende Logik, die durch U2 repräsentiert wird, um der Branche die Neuberechnung des kommerziellen Werts von großen Modellen zu verkünden. Mit seinem Know-how aus über zehn Jahren in vertikalen Szenarien hat Unisound einen kaum nachahmbaren Wettbewerbsvorteil aufgebaut, der die Grundlage für seine starke Position in der ersten Reihe der inländischen großen Modelle ist.

Es ist Stimme, aber mehr als nur Stimme

Um die zweite Halbzeit der großen Modelle zu verstehen, muss man zuerst die Akteure auf dem Spieltisch erkennen.

In der Gruppe der inländischen großen Modelle, in der viele Unternehmen um die Vorherrschaft kämpfen, ist Unisound, das 2012 gegründet wurde, eine einzigartige Existenz. Es begann ursprünglich mit Spracherkennung und war lange Zeit in Szenarien wie intelligenter Medizin, intelligentem Zuhause und Fahrzeug-Cockpits aktiv. In den letzten mehr als zehn Jahren hat es den vollständigen technischen Zyklus vom statistischen Lernen über das tiefe Lernen bis hin zur Ära der großen Modelle durchlaufen und wird daher oft als etwas „altmodischer“ KI-Akteur angesehen.

Für eine lange Zeit in der Vergangenheit hat die Öffentlichkeit aufgrund des Zeichens „Stimme“ in seinem Namen Unisound gewohnheitsmäßig das Etikett der Spracherkennung verliehen. Als die Aufmerksamkeit der Öffentlichkeit in der heißesten Phase des Booms großer Modelle von Internet-Neulingen und den „sechs kleinen Tigern“ angezogen wurde, die Milliarden von Dollar an Finanzmitteln erhielten und im Rampenlicht standen, wirkte Unisound, das sich in der stillen Phase vor seinem Börsengang an der Hongkonger Börse befand, eher zurückhaltend.

Glücklicherweise endete die Ära der chat-fähigen generativen KI bereits im Jahr 2025. Alle haben erkannt, dass die produktive KI, die praktische Arbeit leisten kann, von entscheidender Bedeutung ist. In diesem Moment stellt die Branche plötzlich fest, dass das alte Geschäft von Unisound, das früher unterschätzt wurde, zu seinem breitesten Wettbewerbsvorteil im Zeitalter der Agenten geworden ist.

„Hinter der Stimme steht die Sprache, hinter der Sprache steht die Absicht. Wir hören nicht die Stimme selbst, sondern das Bewusstsein hinter der Stimme“, erklärt Huang Wei, Gründer von Unisound, die Bedeutung des Zeichens „Stimme“ im Namen von Unisound.

Seiner Auffassung nach gibt es drei Ebenen der Mensch-Maschine-Interaktion: Die erste Ebene ist das „Verstehen“, also die Spracherkennung, die Stimme in Text umwandelt. Die zweite Ebene ist das „Verstehen der Absicht“: Wenn der Nutzer sagt „Mir ist kalt“, erwartet er keine einfache Antwort, sondern dass die Klimaanlage automatisch die Temperatur anpasst und die Vorhänge sich automatisch schließen. Die dritte Ebene ist das Verstehen von tieferem Bewusstsein und Szenarien: Wenn ein allein lebender alter Mensch beiläufig sagt „Heute ist nichts los“, kann die KI die Einsamkeit aus Tonfall und Pausen erkennen und automatisch Begleitung oder Erinnerungen auslösen.

Von der Spracherkennung und dem Verstehen natürlicher Sprache bis hin zu heutigen großen Modellen und Agenten verfolgt Unisound immer ein einziges Ziel: Die Maschine dazu zu bringen, Menschen wirklich zu verstehen und ihnen bei der Erledigung von Aufgaben zu helfen.

In der realen physischen Welt der Mensch-Maschine-Interaktion müssen eine Reihe von technischen Problemen wie Mehrrunden-Interaktionen, lange Aufgabenketten, komplexe Umgebungsgeräusche und Mensch-Maschine-Kooperation gelöst werden, damit die Maschine Menschen wirklich dienen kann.

Dieses Szenario-Know-how und die technische Erfahrung mit Mehrrunden-Interaktionen, das in ernsten, komplexen vertikalen Szenarien erworben wurde, ist genau der natürliche Nährboden für das Überleben nativer Agenten.

Aufgrund dieser tiefen Erkenntnis ist das neue generische große Basismodell U2 von Unisound intern als natives Agentic-Großmodell (Agent-Native Model) positioniert. Seine Größe, Trainingsziele und Optimierungsrichtungen sind alle darauf ausgelegt, „Aufgaben auszuführen“.

Auf dem technischen Weg folgt Unisound nicht dem üblichen Weg der Branche, „das Modell zu trainieren und dann ein Agent-Framework hinzuzufügen“, sondern schlägt einen radikaleren Ansatz vor:

Erstens: Mechanismus der kooperativen Weiterentwicklung von nativem Agent-Modell und Harness. In der Vergangenheit waren die meisten Agentensysteme eher wie eine Hülle, die über ein generisches Chat-Modell gelegt wurde: Das Modell war nur für das Sprechen zuständig, während Planung, Tool-Aufruf und Aufgabenausführung alle an externe Frameworks übergeben wurden, sodass das Modell selbst diese Vorgänge nicht wirklich „verstand“. Bei U2 werden die vollständigen Fähigkeiten zur Planung, Ausführung und Überprüfung von Ergebnissen bereits in der Trainingsphase direkt in die Modellebene integriert. Während des Trainingsprozesses entwickeln sich das Modell und Harness (Gerüst für die Aufgabenausführung) ständig gemeinsam weiter: Die Hauptstruktur des Modells wird immer komplexer, die Stützknoten und die Genauigkeit der Überprüfung des Gerüsts erweitern sich entsprechend und werden immer detaillierter. Das präzisere und strengere Gerüst sorgt wiederum dafür, dass jede Logikebene des Modells stabil ist, und bildet einen sich ständig selbst verstärkenden Kreislauf.

Zweitens: Systematische Anwendung von Prozessüberwachung und Kurzlernen. Damit der Agent so effizient wie eine Person ist, die Aufgaben sauber erledigt, führt U2 im Trainingsprozess die Methode des „Kurlernens“ ein, sodass das Modell schrittweise von einfach zu komplex, von kurzem zu langem Kontext und von einfachem zu komplexem Tool-Aufruf voranschreitet. In der Spur von Langzeitaufgaben führt U2 fortschrittliche Prozessüberwachungsmethoden ein, um jeden wichtigen Knotenpunkt der Aufgabenausführung mit einem besseren Modell zu bewerten und Fehler zu korrigieren. U2 kann nicht nur das Endergebnis sehen, sondern auch jeden Ausführungspfad dazwischen optimieren, um eine schnelle Konvergenz des Lernens zu erreichen.

Drittens: Branchenweite Datenverteilung, die auf die reale Wirtschaft und leistungsstarke Industrien ausgerichtet ist. Während viele große Modelle noch stark auf allgemeine Internet-Korpora für das Generalisierungstraining angewiesen sind, hat Unisound beschlossen, den Anteil von Korpora in niedrigwertigen Szenarien wie Unterhaltung aktiv zu senken und mehr Datenressourcen auf hochwertige Branchenszenarien wie Medizin, Krankenversicherung, Versicherung, Verwaltung und Industrie zu lenken. Es kombiniert dies mit desensibilisierten Daten aus realen Szenarien, die über Jahre der Geschäftsumsetzung gesammelt wurden, für das Training. Es ist erwähnenswert, dass Unisound mit desensibilisierten Daten aus realen Szenarien, die über Jahre des Geschäfts aufgebaut wurden und kaum nachahmbar sind, synthetisiert und trainiert wird, um direkt der realen Wirtschaft und leistungsstarken Industrien zu dienen.

Nach der Rekonstruktion der zugrundeliegenden Fähigkeiten zeigt U2 von Unisound eine starke Leistungswettbewerbsfähigkeit, ohne blind Parameter zu stapeln. In Bewertungen zur Einhaltung von Anweisungen wie IFBench liegt die Leistung von U2 in der Spitzengruppe der Branche; in Claw-bezogenen Bewertungen zeigen seine Agent- und Tool-Aufruffähigkeiten starke Vorteile; in anspruchsvollen Wissensschlussfolgerungen und Langkontextaufgaben wie GPQA zeigt U2 ebenfalls die Fähigkeit, mit den weltweit führenden großen Modellen zu konkurrieren. Bei GDPval, das die Fähigkeit zur Bereitstellung von Ergebnissen für echte Büro- und Wissensarbeit misst, erzielte U2 72,5 Punkte und zeigte solide professionelle Bürokapazitäten.

Am wichtigsten ist, dass U2 den Fluch vollständig durchbricht, dass „erstklassige Leistung an extrem große Parameter gebunden sein muss“. Es lehnt überflüssige Parameter ab und strebt durch die optimale MoE-Architektur (Mischung von Experten) und algorithmische Optimierung danach, Fähigkeiten, die mit weltweit erstklassigen Modellen vergleichbar sind, in eine kleinere Parametergröße zu komprimieren, um stark, kompakt und kostengünstig zu sein.

Der zurückhaltende, erfahrene KI-Akteur ist als Spitzenreiter in die erste Reihe der inländischen großen Modelle eingetreten.

Wie schließt sich der kommerzielle Kreislauf?

Als Technologieunternehmen mit mehr als zehn Jahren Branchenerfahrung versteht Unisound besser als die „Neulinge“, die erst seit wenigen Jahren in der Branche sind, dass man zwar um die technische Generationenentwicklung kämpfen muss, aber die kommerzielle Logik nicht vernachlässigen darf.

In der Vergangenheit war die Branche der großen Modelle gewohnt, Token nur unter dem Gesichtspunkt von Hardware und Rechenleistung zu diskutieren. Während die gesamte Branche darum wetteifert, wer mehr Token generiert und wer eine höhere Recheneffizienz hat, hat Huang Wei, Gründer von Unisound, eine tiefgreifende kommerzielle Rechnung aufgemacht: „Wenn dieselben 1 Million generierter Token nur aus Smalltalk und nutzlosen Inhalten bestehen, hat selbst die höchste Recheneffizienz keinen kommerziellen Wert.“

Aufgrund dieser Erkenntnis hat Unisound erstmals in der Branche eine bahnbrechende kommerzielle Formel vorgestellt:

Kommerzieller Wert der KI = Intelligenzdichte × Token-Wert.

Zerlegt bedeutet Intelligenzdichte, mit weniger Parametern und niedrigeren Gesamtressourceneinsatz ein ausreichend hohes Intelligenzniveau zu erreichen. Token-Wert betont, dass jeder Aufruf des Modells direkt in ein messbares Geschäftsergebnis umgewandelt werden muss – entweder um Risiken zu senken oder um die Produktivität zu steigern.

Das heute vorgestellte U2-Modell ist genau die endgültige Umsetzung dieser Erkenntnisse und Überlegungen. Damit jeder Cent der Kunden sinnvoll eingesetzt wird, hat U2 die zugrundeliegende Technologie bis an die Grenzen optimiert.

Der oben genannte Mechanismus der kooperativen Weiterentwicklung von nativem Agent und Harness löst genau dieses Problem. Durch die gemeinsame Weiterentwicklung von Modell und Steuerungstoolkette kann U2 Aufgabenplanung, Tool-Aufruf, Ausführung und Überprüfung mit weniger Interaktionsrunden abschließen, verschwendet viele Token durch wiederholte Fehlversuche und erhöht die Abschlussrate von Aufgaben weiter.

Gleichzeitig verwendet U2 zugrundeliegend eine sparse Mischung-von-Experten-Architektur (MoE). Im Gegensatz zu herkömmlichen dichten Modellen, die alle Parameter aktivieren müssen, aktiviert MoE für verschiedene Aufgaben nur den relevantesten Teil der Expertenmodelle. Nach den von Unisound veröffentlichten Informationen aktiviert U2 bei jeder Aufgabenverarbeitung nur etwa ein Zehntel der Parameter für die Berechnung, während die restlichen Parameter „bei Bedarf in den Ruhezustand wechseln“. Das bedeutet, dass der tatsächliche Rechenaufwand des Modells während des Betriebs weit unter seiner vollen Größe liegt, und bei gleichbleibend hoher Leistung die für die Schlussfolgerung erforderlichen Rechenkosten erheblich gesenkt werden