Token消耗暴增29倍、U2-Flash調用井噴，雲知聲商業化兑現進入加速期

當AI大模型從「跑分」進入「干活」階段，Token調用量成為資本市場觀察AI企業的價值參考。

雲知聲自9月15日發佈U2-Flash模型后，Token消耗量呈現階梯式躍升：10月第一周對比9月最后一周，Token消耗量增長約9倍；10月5日單日消耗量達到模型發佈首日的18.2倍，10月11日單日Token消耗量更是達到9月15日發佈首日的29.1倍，不斷刷新此前的增速記錄。

Token消耗量快速攀升，反映出U2-Flash模型能力獲得市場認可，也説明其正在進入更多真實業務場景。對雲知聲來説，當公司商業模式從單次項目收入向經常性收入遷移，雲知聲增長的速度與確定性，可能會被市場重新計價。

Token暴增的含金量：不只是調用量，更是企業工作流深度嵌入

U2-Flash的調用量增長不僅速度快，更重要的是質量高，從調用結構、用户留存、場景滲透三個層面看，雲知聲正在構建更具持續性的模型生意。

第一，92.58%的API調用率，是更硬核的商業化指標。不同於通用C端聊天模型依賴流量變現的邏輯，每一次有效API調用都更接近可計費、可確認的商業收入。

從行業來看，以Anthropic為代表的企業級API調用模式，在規模效應釋放后，毛利率通常高於以OpenAI為代表的C端訂閲模式；隨着API調用佔比提升，商業化帶來的收入增長彈性也更大。

第二，近60%的周留存，驗證了模型的「生產工具」屬性，而非「體驗嚐鮮」。通用C端模型新品普遍面臨「發佈即巔峰」的流量困境，用户留存隨新鮮感快速下滑；而生產工具屬性的模型一旦嵌入企業業務系統，用户替換成本顯著上升，付費轉化率更高、流失風險更低。U2-Flash發佈后，周留存持續走高至近60%，反映出用户粘性與模型使用強度持續提高。

這一邏輯在Anthropic身上已有相似驗證。一般而言，按Token消耗計費，API調用的單個用户能帶來的收⼊沒有上限，當同一客户採⽤更多智能體⼯作流時，會消耗更多Token併產⽣更多收⼊。Anthropic的淨美元留存率達到500%（衡量與公司合作⾄少⼀年的客⼾⽀出增⻓），這意味着在今年一季度300億美元ARR中，有120億美元來自2025年第⼀季度僅貢獻20億美元ARR的客户。在高留存率下，老客户花更多錢，推動公司ARR實現更⾼增⻓。

第三，62.23%的Coding工具使用佔比，切入了Token消耗高、付費意願強的場景。代碼場景是當前大模型商業化最具潛力的賽道之一，不僅調用密度高，更關鍵的是客户付費意願強——科技企業與開發者願意為效率提升支付明確溢價。

U2-Flash有超六成的用户高頻場景集中在代碼工具，超三成用户將其集成到自有系統中，這意味着雲知聲切入到大模型商業化的高價值賽道，而非停留於泛對話的低價值場景，后續付費轉化與ARPU提升的基礎更紮實。

搭建Anthropic的增長飛輪，U2-Flash的Agent與Coding能力

放眼全球，以Anthropic為代表的頭部To B廠商，其商業化進程揭示了一個發展邏輯：當模型能力切中Agent與代碼場景，API驅動的MaaS業務會帶來收入的非線性增長，並推動估值躍升。

作為全球企業級大模型的標杆，Anthropic約75%-85%的收入來自企業級API調用，訂閲收入佔比不足20%；其中Coding相關收入貢獻了其ARR的65%。尤其在ClaudeCode上線后，今年初ARR超過25億美元，到今年8月，其估算ARR已高達151.2億美元。

Anthropic依靠卓越的Coding性能滲透企業工作流程，獲取高客單價、高粘性、高毛利的穩定現金流，最終形成自我強化的增長飛輪。

調研顯示，雲知聲U2-Flash用户認可度最高的三大優勢是Agent任務執行（60.03%）、代碼能力（48.57%）、響應速度（46.71%），與Anthropic的核心能力高度重合，這也意味着其具備走出Anthropic高增長路徑的能力基礎。

在多項評測中，U2-Flash的得分高於部分參評的更大參數規模模型，其中SWE-Bench Pro得分61.6，較前代提升10.5分；DeepSWE v1.1得分64.6，較前代U2的32翻倍；TerminalBench 3.0得分24.3，較前代的2.7分顯著提升；在WorkBuddy-Bench Office辦公場景評測中得分81，高於DeepSeek V4 Flash、DeepSeek V4 Pro和GLM 5.2。

U2-Flash在工業Coding實操方面已建立領先優勢。近期，依託ArchXBench、BigCodeBench-Hard、Harbor-Index等高難度工業級開源基準，一場覆蓋6大方向的工業級Coding實操綜合評測6款主流模型，U2-Flash綜合平均得分位列參評模型第二，並在構建、編譯與跨平臺遷移，數字邏輯與芯片級RTL，2D矢量代碼渲染，長程工具決策綜合評測這四個高難度賽道中全部拿下第一。

這意味着，U2-Flash模型能力擊中了AI從能力展示走向產業落地的核心痛點，幫助雲知聲切入更高價值的垂直領域，打開更具確定性的商業化空間。

展望后市，基於U2-Flash在Agent與代碼等方面的硬實力，雲知聲有望獲得越來越多企業與開發者認可。短期來看，模型調用量指標通常領先收入確認1-2個季度，調用量持續增長將在后續財報中逐步兑現為收入增長。

長期來看，國內AI價值鏈的利潤結構正在發生系統性遷移，雲知聲具備估值修復的空間。摩根大通的研究顯示，2026年硬件仍佔利潤總額的93%，但到2030年模型與應用層的利潤佔比將升至54%，成為產業鏈最大的利潤來源。當前市場的定價仍更多反映硬件端的業績確定性，但對模型平臺層的長期盈利潛力定價不足。

雲知聲深耕的產業級MaaS賽道，恰好處於利潤結構遷移的核心受益區間，隨着商業化能力逐步驗證，公司的價值有望被重新認識。