鲸云网9月15日消息，据媒体报道，云知声（09678.HK）今日正式发布新一代高密度智能模型 U2-Flash。它并非此前 U2 系列的”效率精简版”，而是基于 U2 通用基座模型做强化后训练、面向真实生产力场景的主力智能形态。技术规格上，U2-Flash 采用稀疏混合专家（MoE）架构，总参数约 2660 亿，但单次推理仅激活约 100 亿参数，激活比例不到 4%；首字响应平均控制在 3 秒以内，峰值输出吞吐最高 300 Token/秒，Agent 任务迭代步数减少 20% 至 30%，端到端执行周期缩短约 35%，Token 消耗同步下降两到三成。
在编程与智能体类权威基准上，U2-Flash 相较前代实现跨代跃升。DeepSWE v1.1 拿到 64.6 分，较上一代翻倍，并超过 GLM5.3-Flash、DeepSeek-V4-Pro-0813 等模型；TerminalBench 3.0 升至 24.3 分，压过 K3 等万亿参数级别模型；SWE-Bench Pro 取得 61.6 分，较前代提升 10.5 分。把”Flash”放进名字，是这两年大模型圈的常见做法——Google 有 Gemini Flash，DeepSeek 也有 V4.1 Flash 这条快速模型线，核心都是用更低延迟和更低 Token 成本去扛真实工作负载，而不是只比谁的对话更顺。云知声走 MoE 稀疏激活，和 DeepSeek、通义千问、GLM 的思路同源：用远小于稠密模型的激活规模，去撬动主力级的任务完成质量。
更值得留意的是训练方式。U2-Flash 把模型自身拉进了训练闭环，被视为递归自我改进（RSI）方向的第一步实践：模型参与任务生成、轨迹分析与纠错重采，自主构建了规模近 10 万的高质量 SWE 任务集，训练轨迹数提升约 60%，训练步数减少约 55%，且所有自主调整都限定在人工设定的沙盒环境与可回滚、可追溯的验证标准内。模型还完成了对主流国产算力平台的系统性适配——在先进制程受限的背景下，国产大模型适配昇腾等本地加速卡，已经成了发布时的”标准动作”。作为同属快速模型线的国产代表，DeepSeek V4.1 Flash 也在开源与低价策略上把这类模型的门槛进一步压低，两条线共同把”小参数、快响应”推成了行业共识。
把镜头拉远，云知声的打法和纯技术驱动的大模型公司并不一样。它是一家在智慧医疗、医保、座舱等垂直场景沉淀了十年以上的公司，2026 年中期营收增长 38.7%、Token 业务收入激增 760%，模型发布当日盘中股价一度涨超 9%，说明市场愿意为”能落进业务流程”的模型买单。横向看，微软把 Grok 接进 Office 三件套，也是把前沿模型从聊天框嵌进文档、表格、幻灯片的真实生产力链路，大模型竞争的主轴正从”能不能答对问题”转向”能不能跑完复杂任务”。对开发者而言，U2-Flash 把推理强度封装成四档可控接口，高强度档位输出完整可读的推理链条，隐式思考与连续状态推理让过程可核查、可追溯，这对需要审计轨迹的金融、医保类场景格外关键。当然也要留一分清醒：官方材料尚未给出独立第三方对完整基准的复现与硬件对等验证，企业在选型前仍应以自身工作负载做实测，小激活撬动主力级能力是否可持续、递归自我改进的边界能否始终守住人工护栏，也要等更长周期的真实部署数据来回答。
编辑：华磊
免责声明：本站转载的文章，版权归原作者所有；旨在传递信息，不代表本站的观点和立场。
