云知声发布U2-Flash：单次激活约10B参数，代码与Agent基准反超前代U2
云知声称U2-Flash采用约266B总参数的稀疏MoE架构，单次推理仅激活约10B参数；相比U2生成速度提升2.1倍，Agent任务完成时间缩短35%，DeepSWE v1.1从32分升至64.6分。
AI解读：云知声这份答卷最反常识的地方不是“Flash更快更便宜”，而是它把“便宜”和“更强”同时做了：U2-Flash单次只激活约10B参数，总参数约266B，却在DeepSWE v1.1、TerminalBench 3.0等代码与Agent基准上反超上一代U2。按量子位的报道，这是国产模型里较早拿出RSI（模型参与训练下一版自己）实践交卷的一例。
受影响最直接的是把模型当“干活主力”的开发者：U2-Flash在MaaS平台上线，兼容OpenAI与Anthropic两套协议，Claude Code、Cursor、Cline等工具可按官方方式接入；9月15日至30日可免费领取1亿Tokens额度，当前API限时六折，输入0.6元/百万Tokens、输出1.2元/百万Tokens。对预算敏感、又要跑长链路Agent任务的人，这组价格和基准数字值得自己验一遍。
需要说明的是，这些成绩来自厂商后训练闭环与媒体实测，不是第三方长期复现。云知声把能力增益归因于数据壁垒、异步Agent RL和多教师在线策略蒸馏；实测里U2-Flash完成了找Bug、纠错和14份材料汇总等任务，但这些仍是有限场景。能不能稳定替代旗舰模型，还得看正式生产环境里的失败率。
云知声发布U2-Flash，一款采用稀疏MoE架构的模型：总参数约266B，单次推理只激活约10B，不到总参数的4%。云知声称其在代码、Agent等任务上超过上一代U2，并具备Flash定位下的速度和成本优势。
据量子位报道，相比U2，U2-Flash生成速度提升2.1倍，Agent任务完成时间缩短35%，任务迭代步数和Token消耗降低20%至30%。基准成绩方面，DeepSWE v1.1从U2的32分升至64.6分，TerminalBench 3.0从2.7分升至24.3分，SWE-Bench Pro拿下61.6分，较前代提升10.5分。
API兼容OpenAI与Anthropic，9月30日前可领1亿Tokens
U2-Flash已在云知声MaaS平台上线，支持在线体验与申请API调用。API同时兼容OpenAI和Anthropic两套主流协议，Claude Code、Trae、Cursor、Cline等工具官方给出了接入方式；其他Harness只要支持自定义模型，替换Base URL、API Key和模型ID即可接入。
模型提供none、low、high、max四档思考强度，可按任务难度在速度与推理深度之间切换。价格方面，当前限时六折：输入0.6元/百万Tokens、输出1.2元/百万Tokens、缓存命中0.12元/百万Tokens。9月15日至9月30日，用户可免费领取1亿Tokens使用额度。
量子位在实测中用WorkBuddy接入，称不到一分钟显示调用成功，但WorkBuddy未开放手动切档，因此没有做四档思考强度的横向对比。
- 总参数约266B，单次推理激活约10B（不到4%）
- 相比U2生成速度提升2.1倍，Agent任务完成时间缩短35%
- 任务迭代步数和Token消耗降低20%至30%
- DeepSWE v1.1：32分→64.6分
- TerminalBench 3.0：2.7分→24.3分
- SWE-Bench Pro：61.6分，较前代提升10.5分
三项实测：自己找Bug、绕过错误线索、汇总14份文件
量子位设计了三个测试场景。第一个场景中，测试者虚构了ExpenseFlow报销统计项目，并在统计与日期处理链路里埋了三处问题：被驳回的报销仍计入已报销总额、北京时间8月1日凌晨记录转UTC后被归回7月、CSV导出日期串月。U2-Flash在没有额外线索的情况下，用7分6秒找出全部问题并给出验收报告。
第二个场景是ProfileSync 2.0资料同步项目，README给出的启动命令指向不存在的文件，旧文档含过期字段，历史日志把问题指向网络。U2-Flash用3分32秒定位并修复真实故障，把测试从1项补到7项，全部通过。
第三个场景测试512K上下文：14份文件、四种格式，包含Brief、采访、产品白皮书、Release Notes、数据表、客户案例、会议纪要、合规说明和行业报告，要求交付一份DOCX，含1200至1500字发布稿、核心事实来源表、材料冲突清单和五个发布前待确认问题。U2-Flash用时8分36秒完成，且没有沿用旧Brief的10月8日，而是采用最新版10月18日，也没有误用旧版81.2%的成绩，更新为78.4%并注明属于内部测试。
- 任务一：7分6秒找出并修复三处埋设问题，附验收报告
- 任务二：3分32秒定位真实故障，测试从1项补到7项
- 任务三：8分36秒汇总14份文件，正确采用最新日期与数据
后训练闭环：自主出题、异步Agent RL、多教师蒸馏
云知声把U2-Flash的能力增益归因于两部分：数据与后训练闭环。云知声称其深耕行业十余年，积累了真实场景数据与高质量标注能力，为后训练提供数据质量壁垒。
后训练闭环包含三个关键。第一是自主任务生成，模型根据当前能力动态生成新任务，专门挑选“现在还做不好、但已接近突破”的问题。云知声称该闭环已自主构建近10万道高质量SWE任务，覆盖多种主流编程语言。
第二是异步Agent RL。传统同步训练中，一条任务未跑完其他环节要等待；U2-Flash把任务拆给多个Worker，在不同沙盒并行执行，后方策略更新持续进行，并对关键Action做标记以追溯到决定结果的那一步。云知声称相比同步训练，单位时间内产出的有效训练轨迹数量提升约60%。
第三是多教师在线策略蒸馏。云知声先分别训练数学、代码、Agent等专项教师模型，再由学生模型生成轨迹，由不同教师逐Token打分。云知声称该方法让U2-Flash达到同等能力所需训练步数减少约55%。此外，闭环延伸到训练系统本身：U2-Flash可参与机器巡检、故障定位、修复和任务重启，官方称训练故障平均恢复时间缩短至人工介入模式的三分之一左右。
- 自主构建近10万道高质量SWE任务，覆盖多种主流编程语言
- 异步Agent RL使单位时间有效训练轨迹数量提升约60%
- 多教师蒸馏使达到同等能力的训练步数减少约55%
- 训练故障平均恢复时间缩短至人工模式的三分之一左右
RSI分级下的位置与国产算力适配
报道称，RSI目前尚无全行业统一定义。Anthropic的口径是AI能自主设计并开发出比自己更强的后继系统才算完整递归自我改进；OpenAI的观察范围更宽，只要模型能加速AI研究、推动自身能力提升即属于“AI Self-Improvement”，Critical级别则要求完成全自动AI研发或把一代模型升级周期压缩到原来的五分之一。
国内方面，上海交大、清华、上海AI Lab等机构的研究者发表综述《The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement》，按模型接管自我改进闭环的程度提出L1到L5路线图。按该分级，U2-Flash已显露出明显L3特征：仍运行在人工设定的沙盒、规则和授权边界内，但开始参与决定下一版自己该学什么。
云知声强调U2-Flash对国产算力的适配：围绕主流国产算力平台，对模型架构、核心算子、推理框架和集群调度进行适配优化，报道称其在国产平台上的吞吐、时延、并发和集群扩展效率持续提升，部分场景已接近NVIDIA GPU方案。
报道同时指出，U2-Flash还只是云知声的一轮初步实践，这套闭环能否持续转动、RSI能力能否从单次升级走向持续复利，仍有待后续验证。
- Anthropic：能自主设计并开发更强后继系统才算完整RSI
- OpenAI：Critical级别要求全自动AI研发或升级周期压缩至五分之一
- 综述路线图L1至L5，U2-Flash显露明显L3特征
- 云知声称部分国产算力场景性能已接近NVIDIA GPU方案