云知声发布U2-Flash：国产RSI模型实现“快省强”反打旗舰

事件概述

港股AGI第一股云知声正式发布U2-Flash大模型。该模型被视为国产RSI（Recursive Self-Improvement，递归自我改进）的早期答卷，通过让模型深度参与自身演进（包括生成训练数据、分析执行轨迹、巡检修复系统），实现了性能与效率的双重突破。U2-Flash已上线云知声MaaS平台，兼容OpenAI和Anthropic协议，并提供限时优惠及免费额度活动。

核心信息与技术突破

1. 性能表现：打破Flash模型“能力打折”惯例

传统Flash模型通常以牺牲能力换取速度和成本优势，但U2-Flash实现了反向超越：

• 效率提升：相比上一代U2模型，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%-30%。
• 能力反超：
  • DeepSWE v1.1评分从32分升至64.6分（翻倍）；
  • TerminalBench 3.0评分从2.7分飙升至24.3分（9倍增长）；
  • SWE-Bench Pro拿下61.6分，较前代提升10.5分。
• 智能密度：采用稀疏MoE架构，总参数约266B，单次推理仅激活约10B（不足4%），却在代码和Agent任务上展现出足以与主力模型掰手腕的能力，部分表现闯入万亿参数级模型区间。

2. 后训练闭环：RSI落地的三大关键技术

U2-Flash的高效能能源于云知声构建的“后训练闭环”，模型开始参与决定下一版自己的学习内容：

• 自主任务生成：根据当前能力动态生成新任务，专门挑选“接近突破但未掌握”的问题，目前已构建近10万道高质量SWE任务。
• 异步Agent RL：将长任务拆分给多个Worker并行执行，避免同步等待，并通过回溯关键Action标记成功/失败路径，使单位时间内有效训练轨迹数量提升约60%。
• 多教师在线策略蒸馏：针对代码、数学、Agent等不同领域训练专项教师模型，对学生模型生成的轨迹进行逐Token打分，提供细粒度反馈，使达到同等能力所需的训练步数减少约55%。

此外，该闭环还延伸至训练系统本身，模型可参与机器巡检和故障修复，使训练故障平均恢复时间缩短至人工介入模式的三分之一。

3. RSI分级定位

参考上海交大、清华等机构提出的L1-L5 RSI路线图，U2-Flash显露出明显的L3特征：虽运行在人工设定的沙盒和规则内，但已开始参与决定下一版模型的学习方向。这标志着后训练竞争已从“人给模型准备答案”升级为“模型持续为自己创造有效经验”。

值得关注

• 国产算力适配：U2-Flash已针对主流国产算力平台进行架构、算子及调度优化，在吞吐、时延和集群扩展效率上持续提升，部分场景接近NVIDIA GPU方案，为RSI体系的长期稳定运行提供基础。
• API接入与成本：U2-Flash支持OpenAI和Anthropic双协议，便于接入Cursor、Trae等主流开发工具。当前定价极具竞争力（输入0.6元/百万Tokens，输出1.2元/百万Tokens），且活动期间提供1亿Tokens免费额度。
• 实测验证：在虚构Bug查找、混乱环境调试及14份文件长上下文处理等测试中，U2-Flash均展现了快速定位问题、辨别错误线索及整合复杂信息的能力，验证了其作为“干活主力”的可行性。