云知声发布U2-Flash模型
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载后训练里自己修自己
U2-Flash 是云知声在国产 RSI 方向上较早交出的成果。它的特别之处落在后训练环节：模型不只被动接收数据，而是参与生成训练数据、分析自己的执行轨迹，并对系统中出现的问题做修复。这种把生成、诊断、修补串成闭环的做法，使模型在迭代中积累可复用的经验，而不是单纯依赖一次性的语料投喂。由此带来的效率变化体现在两个层面：生成速度达到 U2 的 2.1 倍；执行 Agent 任务时，完成时间缩短 35%，任务迭代步数与 Token 消耗同时下降 20% 至 30%。对使用者而言，这意味着同样一个任务链条，等待更短、调用成本更低，长流程任务的可行性随之提高。
稀疏架构撑起分数
U2-Flash 采用稀疏 MoE 架构，总参数约 266B，推理时激活约 10B，激活部分不到总量的 4%。这一比例让它在部分表现上接近万亿参数级模型的水平，同时把实际计算量压在较小规模上。能力提升在几项评测上有具体落点：DeepSWE v1.1 从 U2 的 32 分提高到 64.6 分；TerminalBench 3.0 由 2.7 分升至 24.3 分，约为原来的九倍；SWE-Bench Pro 拿到 61.6 分，比前代多出 10.5 分。三项分数指向的是代码与终端操作类任务，说明这一代把提升重点放在了需要多步执行、反复调试的场景，而非泛化的对话表现。
接入方式与思考档位
在获取方式上，MaaS 平台首页提供在线体验入口，也可以申请 API 调用。接口层面同时兼容 OpenAI 与 Anthropic 两套协议，已有的调用代码迁移时改动较小。Claude Code、Trae、Cursor、Cline 均给出了官方接入方式，习惯在这些工具里工作的开发者可以直接把模型接进现有流程。模型还提供 none、low、high、max 四档思考强度，使用者可以按任务难度在速度与推理深度之间做取舍：简单请求走低档位减少开销，复杂任务再调高。这种分档设计配合稀疏架构的低激活量，让成本控制落在调用方手里。
限时价格与免费额度
定价方面目前执行限时六折：输入每百万 Tokens 0.6 元，输出每百万 Tokens 1.2 元，缓存命中每百万 Tokens 0.12 元。缓存命中价明显低于输入价，对反复携带相同上下文的任务更友好。此外，9 月 15 日至 30 日期间可以免费领取 1 亿 Tokens 额度，适合在正式采购前把自身业务跑一遍，观察任务完成时间与 Token 消耗的实际变化。结合前文提到的迭代步数下降，读者在评估成本时，除了看单价，还应把单位任务所需的调用次数一并计入。
为什么值得看
国产RSI模型落地，低成本高性能，适合开发者尝鲜。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。