Token消耗暴增29倍、U2-Flash调用井喷，云知声商业化兑现进入加速期

当AI大模型从“跑分”进入“干活”阶段，Token调用量成为资本市场观察AI企业的价值参考。

云知声自9月15日发布U2-Flash模型后，Token消耗量呈现阶梯式跃升：10月第一周对比9月最后一周，Token消耗量增长约9倍；10月5日单日消耗量达到模型发布首日的18.2倍，10月11日单日Token消耗量更是达到9月15日发布首日的29.1倍，不断刷新此前的增速记录。

Token消耗量快速攀升，反映出U2-Flash模型能力获得市场认可，也说明其正在进入更多真实业务场景。对云知声来说，当公司商业模式从单次项目收入向经常性收入迁移，云知声增长的速度与确定性，可能会被市场重新计价。

Token暴增的含金量：不只是调用量，更是企业工作流深度嵌入

U2-Flash的调用量增长不仅速度快，更重要的是质量高，从调用结构、用户留存、场景渗透三个层面看，云知声正在构建更具持续性的模型生意。

第一，92.58%的API调用率，是更硬核的商业化指标。不同于通用C端聊天模型依赖流量变现的逻辑，每一次有效API调用都更接近可计费、可确认的商业收入。

从行业来看，以Anthropic为代表的企业级API调用模式，在规模效应释放后，毛利率通常高于以OpenAI为代表的C端订阅模式；随着API调用占比提升，商业化带来的收入增长弹性也更大。

第二，近60%的周留存，验证了模型的“生产工具”属性，而非“体验尝鲜”。通用C端模型新品普遍面临“发布即巅峰”的流量困境，用户留存随新鲜感快速下滑；而生产工具属性的模型一旦嵌入企业业务系统，用户替换成本显著上升，付费转化率更高、流失风险更低。U2-Flash发布后，周留存持续走高至近60%，反映出用户粘性与模型使用强度持续提高。

这一逻辑在Anthropic身上已有相似验证。一般而言，按Token消耗计费，API调用的单个用户能带来的收⼊没有上限，当同一客户采⽤更多智能体⼯作流时，会消耗更多Token并产⽣更多收⼊。Anthropic的净美元留存率达到500%（衡量与公司合作⾄少⼀年的客⼾⽀出增⻓），这意味着在今年一季度300亿美元ARR中，有120亿美元来自2025年第⼀季度仅贡献20亿美元ARR的客户。在高留存率下，老客户花更多钱，推动公司ARR实现更⾼增⻓。

第三，62.23%的Coding工具使用占比，切入了Token消耗高、付费意愿强的场景。代码场景是当前大模型商业化最具潜力的赛道之一，不仅调用密度高，更关键的是客户付费意愿强——科技企业与开发者愿意为效率提升支付明确溢价。

U2-Flash有超六成的用户高频场景集中在代码工具，超三成用户将其集成到自有系统中，这意味着云知声切入到大模型商业化的高价值赛道，而非停留于泛对话的低价值场景，后续付费转化与ARPU提升的基础更扎实。

搭建Anthropic的增长飞轮，U2-Flash的Agent与Coding能力

放眼全球，以Anthropic为代表的头部To B厂商，其商业化进程揭示了一个发展逻辑：当模型能力切中Agent与代码场景，API驱动的MaaS业务会带来收入的非线性增长，并推动估值跃升。

作为全球企业级大模型的标杆，Anthropic约75%-85%的收入来自企业级API调用，订阅收入占比不足20%；其中Coding相关收入贡献了其ARR的65%。尤其在ClaudeCode上线后，今年初ARR超过25亿美元，到今年8月，其估算ARR已高达151.2亿美元。

Anthropic依靠卓越的Coding性能渗透企业工作流程，获取高客单价、高粘性、高毛利的稳定现金流，最终形成自我强化的增长飞轮。

调研显示，云知声U2-Flash用户认可度最高的三大优势是Agent任务执行（60.03%）、代码能力（48.57%）、响应速度（46.71%），与Anthropic的核心能力高度重合，这也意味着其具备走出Anthropic高增长路径的能力基础。

在多项评测中，U2-Flash的得分高于部分参评的更大参数规模模型，其中SWE-Bench Pro得分61.6，较前代提升10.5分；DeepSWE v1.1得分64.6，较前代U2的32翻倍；TerminalBench 3.0得分24.3，较前代的2.7分显著提升；在WorkBuddy-Bench Office办公场景评测中得分81，高于DeepSeek V4 Flash、DeepSeek V4 Pro和GLM 5.2。

U2-Flash在工业Coding实操方面已建立领先优势。近期，依托ArchXBench、BigCodeBench-Hard、Harbor-Index等高难度工业级开源基准，一场覆盖6大方向的工业级Coding实操综合评测6款主流模型，U2-Flash综合平均得分位列参评模型第二，并在构建、编译与跨平台迁移，数字逻辑与芯片级RTL，2D矢量代码渲染，长程工具决策综合评测这四个高难度赛道中全部拿下第一。

这意味着，U2-Flash模型能力击中了AI从能力展示走向产业落地的核心痛点，帮助云知声切入更高价值的垂直领域，打开更具确定性的商业化空间。

展望后市，基于U2-Flash在Agent与代码等方面的硬实力，云知声有望获得越来越多企业与开发者认可。短期来看，模型调用量指标通常领先收入确认1-2个季度，调用量持续增长将在后续财报中逐步兑现为收入增长。

长期来看，国内AI价值链的利润结构正在发生系统性迁移，云知声具备估值修复的空间。摩根大通的研究显示，2026年硬件仍占利润总额的93%，但到2030年模型与应用层的利润占比将升至54%，成为产业链最大的利润来源。当前市场的定价仍更多反映硬件端的业绩确定性，但对模型平台层的长期盈利潜力定价不足。

云知声深耕的产业级MaaS赛道，恰好处于利润结构迁移的核心受益区间，随着商业化能力逐步验证，公司的价值有望被重新认识。