Flash，再也不只是效率的代名词，而是主力智能的新形态。

今天，云知声正式发布 U2-Flash。

它不是 U2 的效率精简版，而是一次面向真实出产力的全新主力智能形态的降生。作为新一代高密度智能模子，U2-Flash 经由过程体系性后练习开释推理及自立履行能力，既有主力模子的硬核能力，又有 Flash 级另外极速相应，为真实出产力场景提供更强、更快、更省的综合解法。

比拟其他年夜模子公司，云知声的怪异上风于在：咱们是一家具备10年以上场景沉淀的年夜模子公司。多年的真实营业打磨，让咱们对于场景的理解深度及数据堆集厚度远超纯技能驱动的团队，也让U2-Flash从设计之初就深度贴合真实出产力的需求。

于能力构建方式上，U2-Flash 有两个光鲜态度：一是让模子深度介入自身练习闭环的演进——从天生练习数据、阐发轨迹到巡检修复练习体系——这是递归自我改良（RSI）标的目的的第一步实践，也是贯串技能设计的主线；二是让模子于隐蔽状况空间中举行深度思索（Latent Reasoning），并将思索能力封装为用户可控的思索强度接口，而非不成不雅测的黑箱。

于架构上，U2-Flash 采用稀少混淆专家（MoE）设计，总参数约 266B，但单次推理仅激活约 10B 参数（激活比例不到总参数的 4%），把编程、Agent、数学推理、指令遵照等多范畴能力同一编码进统一套权重，用远小在同类模子的激活范围，撬动主力级的使命完成质量——其综合能力已经可比肩市道上主力模子。而支撑这套架构能力充实开释的，恰是体系性的后练习机制——它让模子从“能干事”进化到“会干事”。

01 更强：能力跃升，比肩主力模子

于真实营业场景中，模子能力的竞争已经经从“可否回覆问题”走向“可否完成繁杂使命”。相较上一代 U2 模子，U2-Flash 实现了跨代式的周全跃升，于代码、Agent、高阶推理及办公主动化等焦点场景中揭示出压服性的上风，并于多项权势巨子基准测试中刷新纪录：

于代表编程能力的 DeepSWE v1.1 榜单中，U2-Flash 斩获 64.6 分，较上一代实现翻倍式增加，一举跨越 GLM5.3-Flash、DeepSeek-V4-Pro-0813 等模子。于 TerminalBench 3.0 测试中飙升至 24.3 分，直接逾越 K3 等万亿参数级别模子；于 SWE-Bench Pro 测试中更是交出 61.6 分的高分，较前代年夜幅跃升 10.5 分。

这些成就象征着，以不到总参数4%的激活范围，U2-Flash揭示出了与市道上主力模子相抗衡的综合能力。

02  更快：从“天生快”走向“使命完成快”

对于在繁杂事情流而言，纯真的 Token 天生速率只代表吞吐，端到真个总体解算周期才是决议效率的焦点。

于速率维度，U2-Flash 实现了从单字相应到完备使命交付的全链路加快。模子首字相应（TTFT）平均节制于 3 秒 之内，峰值输出吞吐最高可达 300 tokens/s；相较 U2 模子，U2-Flash 于 Agent 使命履行历程中削减 20%-30% 的迭代步数，使命履行周期缩短 35%，真正做到了更快相应、更快天生、更快完成。

03  更省：让每个 Token 都更有价值

面向高频真实使命，U2-Flash 进一步优化 Token 利用效率，削减繁杂使命中的无效摸索与冗余输出，让更多 Token 直接用在解决问题。比拟上一代 U2 模子，U2-Flash 于繁杂使命履行历程中可削减 20%-30% 的 Token 耗损，于晋升使命完成效率的同时，进一步降低单使命利用成本。

这份“省”一样表现于架构层面：约 10B 的激活参数象征着每一一次挪用只需叫醒总参数中很小的一部门，推理成本与激活范围而非总参数范围线性锚定，这也是 U2-Flash 可以或许于连结主力级使命体现的同时，把单元推理成本节制于远低在划一能力模子的要害缘故原由。

同时，U2-Flash 将编程、Agent、推理、东西挪用及办公处置惩罚等多类能力会聚在同一模子中。企业无需针对于差别使命频仍切换及维护多套专用模子，从模子选型、接入及路由，到后续运维与迭代，均可以进一步降低体系繁杂度与综合利用成本。

04  国产算力，也能跑出高机能

前沿智能不该被绑定于单一算力平台上，而应于多元异构算力情况中一样高效、不变地开释。U2-Flash 缭绕主流国产算力平台，从模子架构、焦点算子、推理框架到集群调理连续适配优化，并针对于差别硬件的计较、显存及通讯特征做软硬件协同调优，降低迁徙部署成本，晋升推理效率与资源使用率。

于现实办事中，U2-Flash 于国产平台上的吞吐、时延、并发及集群扩大效率连续晋升，与主流 GPU 差距不停缩小，部门场景已经靠近 NVIDIA GPU 方案。面向年夜范围推理、高并发及长上下文负载，U2-Flash 连续优化履行与调理机制，为政企、金融、制造、能源等行业的范围化部署提供更矫捷的算力选择。

05  后练习×RSI 驱动：自立闭环演进开释高密度智能

后练习（Post-training），是 U2-Flash 开释高密度智能的焦点引擎。面向繁杂使命场景，纯真依赖模子范围扩张已经难以满意能力连续晋升的需求。U2-Flash 将后练习作为开释模子能力的要害抓手，经由过程体系性练习机制进一步强化模子的理解、计划与履行能力。

U2-Flash 成立了一套自立闭环演进机制。 模子可以或许深度介入使命天生、轨迹阐发与纠错重采，经由过程强弱模子对于比定位决议性动作，无需年夜量人工标注便可缭绕单薄环节连续迭代，今朝已经自立构建出笼罩主流编程语言、范围近 10 万的高质量 SWE 使命集。

更主要的是：云知声深耕行业十余年，堆集了海量真实场景数据与高质量标注能力，这为后练习提供了不成替换的数据质量壁垒。好数据是好模子的第一性道理——恰是多年沉淀的高质量数据，让U2-Flash的后练习效果远超纯范围驱动的方案。

于这套闭环下，多项底层技能立异配合开释了高密度智能：

于摸索效率上，异步 Agent RL 采用并行 Worker 沙盒履行与基在 GRPO 的计谋优化，不壅闭计谋更新；联合要害 Action 标志回溯乐成与掉败旌旗灯号，霸占了长程信用分配难题，使单元时间有用练习轨迹数晋升约 60%，并指导模子于推理时更快收敛至高价值路径。

于能力交融上，为解决多范畴强化进修中的“跷跷板效应”，多西席于线计谋蒸馏先练习数学、代码、Agent 等专项范畴专家，再由学生模子及时天生轨迹，由西席逐 Token 动态打分蒸馏。这不仅使到达划一能力程度的练习步数削减约 55%，更让多种专业能力于单次推理中协同阐扬，年夜幅晋升了每一个输出 Token 的能力密度。

于进化连续性上，自顺应动态使命天生引入难度校准机制，动态匹配模子当前“只差一点”的能力界限，避免练习集被“刷穿”；同时，U2-Flash 将其 Agent 能力反哺至练习流程自己，实现自立巡检呆板、修复与重启使命的全流程自我运维，保障练习闭环不间断高质运转。

这套闭环恰是U2-Flash于递归自我改良（RSI）标的目的迈出的第一步：模子已经能介入天生练习数据、阐发改正履行轨迹、巡检修复练习体系——不只是被练习的对于象，而是练习闭环的介入者。但这仍是有界限、可验证、可追溯的自我改良：每一次自立调解都发生于人工设定的沙盒情况与验证尺度以内，验证优先在自证、可追溯优先在黑箱化。任何自我改良都必需先于真实沙盒中经可复现验证，只有于验证机制充足成熟后，才会慢慢扩展模子介入自身能力发展的规模。

开放平台与 API 办事

为了让更多开发者与企业快速接入这一主力智能，U2-Flash 将作为通用主力模子同一提供办事。

当前限时六折优惠：

·  输入：0.6 元 / 百万 Tokens

·  输出：1.2 元  / 百万 Tokens

·  缓存掷中：0.12 元 / 百万 Tokens

U2-Flash 现已经正式上线云知声 MaaS 平台。9 月 15 日至 9 月 30 日，平台推出限时体验勾当：新用户注册和老用户都可领取 1 亿 Tokens 利用额度，助力开发者与企业低成本体验高机能主力智能。

接待体验：https://maas.unisound.com/models/u2-flash