U2 Flash 是云知声于 2026 年 9 月 17 日发布的一套面向 Agent 与 Coding 场景的 AI 系统，主打高智能密度与低成本部署。它采用稀疏 MoE 架构，总参数量约 300B 规模，单次推理仅激活约 10B 参数，却在代码生成、Agent 任务等复杂任务上对标主流旗舰模型。作为国产 RSI（Recursive Self-Improvement）模型的公开答卷，U2 Flash 已开始参与生成训练数据与优化训练流程，为后训练竞争提供新范式。
核心要点
- 稀疏 MoE 架构，总参数量约 300B，单次推理仅激活约 10B 参数
- DeepSWE v1.1 得分 64.6，较上一代 U2 翻倍，TerminalBench 3.0 提升至 9 倍
- 生成速度提升 2.1 倍，Agent 任务完成时间缩短 35%，Token 消耗降低 20% 至 30%
- 支持 512K 长上下文，API 同时兼容 OpenAI 与 Anthropic 两套主流协议
- 9 月 15 日至 9 月 30 日免费领取 1 亿 Tokens，API 限时六折
产品详情
云知声把 U2 Flash 定义为 RSI 的早期工程实践，其后训练闭环包含自主任务生成、异步 Agent 强化学习与多教师在线蒸馏三大环节。模型会根据当前能力动态生成训练任务，目前闭环已沉淀近 10 万道高质量 SWE 任务，覆盖多种主流编程语言。
训练层面采用 GRPO 策略优化与稀疏奖励机制，模型在真实沙盒中异步执行并采集轨迹，将成败追溯到关键动作。官方数据显示有效训练轨迹数量提升约 60%，达到同等能力所需的训练步数减少约 55%，训练故障平均恢复时间缩短至人工介入的三分之一。
价格方面，U2 Flash 输入每百万 Tokens 0.6 元，输出 1.2 元，缓存命中 0.12 元，限时六折。模型提供 none、low、high、max 四档思考强度，并已围绕主流国产算力平台完成架构、算子与推理框架适配。
与竞品对比
将 U2 Flash 与 DeepSeek V4 Flash、Kimi K3 等模型对比，它和同价位竞品的核心区别在于 RSI 自进化闭环与高智能密度路线。官方公布的多项评测数据如下表所示，其中 DeepSWE v1.1 与 TerminalBench 3.0 均较上一代 U2 有翻倍提升。
| 评测基准 | U2 Flash | DeepSeek V4 Flash | Kimi K3 |
|---|---|---|---|
| DeepSWE v1.1 | 64.6 | 54.4 | 74.2 |
| SWE-Bench Pro | 61.6 | 56 | 63.3 |
| TerminalBench 3.0 | 24.3 | 7.6 | 17.4 |
| GPQA-Diamond | 81 | 77.5 | 未公开 |
RSI 路线
递归自我改进的概念最早出现在 1965 年统计学家 I.J. Good 的设想中，1993 年科幻作家 Vernor Vinge 将其与”技术奇点”绑定。U2 Flash 的发布让国产模型首次公开了 RSI 落地的完整工程链路，该模型属于商业闭源产品，未采用 MIT 或 Apache 协议，通过官方 MaaS 平台提供 API 服务。
U2 Flash 官方最后更新 2026 年，更新日志会随迭代持续公开在云知声 MaaS 平台。社区贡献者参与实测与反馈，将帮助模型在真实生产场景中持续优化。
常见问题
问. U2 Flash 是什么？
U2 Flash 是云知声发布的新一代 Agent 与 Coding 大模型，采用稀疏 MoE 架构，单次推理仅激活约 10B 参数，面向复杂推理、代码生成与长任务执行场景。
问. U2 Flash 如何使用？
在云知声 MaaS 平台即可在线体验并申请 API 调用，接口兼容 OpenAI 与 Anthropic 两套协议，Claude Code、Cursor、Cline 等工具可直接接入使用。
问. 它与 DeepSeek V4 Flash 有什么区别？
两者均为高性价比稀疏模型。U2 Flash 额外强调 RSI 自进化训练闭环，代码与 Agent 评测与 DeepSeek V4 Flash 互有胜负，输入定价均为每百万 Tokens 0.6 元左右。
问. 价格和免费额度是多少？
输入每百万 Tokens 0.6 元，输出 1.2 元，缓存命中 0.12 元，限时六折，9 月 30 日前可免费领取 1 亿 Tokens 体验额度。
本文来源，云知声官方MaaS平台《U2 Flash Agent 与 Coding 大模型》https://maas.unisound.com/models/u2-flash
