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。

格隆汇声明：文中观点均来自原作者，不代表格隆汇观点及立场。特别提醒，投资决策需建立在独立思考之上，本文内容仅供参考，不作为实际操作建议，交易风险自担。