AnswersPublished12 sources
Unisound U2-Flash: מה מבטיח מודל ה־MoE הדליל עבור קוד וסוכנים
Unisound השיקה ב־15 בספטמבר 2026 את U2 Flash: מודל MoE דליל עם כ־266 מיליארד פרמטרים, שמפעיל כ־10 מיליארד מהם בכל הרצה. החברה מדווחת על 64.6 ב־DeepSWE v1.1, על 24.3 ב־TerminalBench 3.0 ועל 61.6 ב־SWE Bench Pro, לצד קיצור של 35% במחזור ביצוע משימות סוכן לעומת U2.
פורסם על ידינערך באמצעות GPT-5.6 Terraהתמונות נוצרו באמצעות GPT Image 2
Research answer
Key takeaways
- Unisound השיקה ב־15 בספטמבר 2026 את U2 Flash: מודל MoE דליל עם כ־266 מיליארד פרמטרים, שמפעיל כ־10 מיליארד מהם בכל הרצה.
- החברה מדווחת על 64.6 ב־DeepSWE v1.1, על 24.3 ב־TerminalBench 3.0 ועל 61.6 ב־SWE Bench Pro, לצד קיצור של 35% במחזור ביצוע משימות סוכן לעומת U2.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Unisound’s U2-Flash, launched on September 15, 2026, and how does its roughly 266-billion-parameter sparse MoE architecture with abo. Article summary: Unisound’s U2-Flash is a September 15, 2026 release positioned as a “high-density” production model: a sparse Mixture-of-Experts successor to U2 intended to combine coding, agent execution, mathematical reasoning, and in. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Unisound הציגה ב־15 בספטמבר 2026 את U2-Flash, מודל חדש שהיא מגדירה כ״מודל אינטליגנציה בצפיפות גבוהה״, המבוסס על מודל היסוד U2. היעד: מודל אחד לתכנות, לסוכנים המשתמשים בכלים, להסקה מתמטית ולמילוי הוראות — תוך הפעלת חלק קטן יחסית ממספר הפרמטרים הכולל בזמן ההסקה. 5
266 מיליארד פרמטרים בסך הכול, כ־10 מיליארד פעילים
U2-Flash משתמש בארכיטקטורת Mixture of Experts (MoE) דלילה: יש בו כ־266 מיליארד פרמטרים בסך הכול, אך בכל הרצה מופעלים כ־10 מיליארד פרמטרים בלבד — פחות מ־4% מהמודל. בארכיטקטורה כזו מנגנון ניתוב בוחר עבור כל קלט תת־קבוצה של ״מומחים״, במקום להפעיל את כל משקלי המודל עבור כל טוקן. 5
זהו לב המסר של Unisound: איכות גבוהה במשימות מעשיות, עם טביעת חישוב פעילה קטנה בהרבה מזו של מודל צפוף בעל יכולת דומה. עם זאת, החומרים הזמינים אינם כוללים השוואות בלתי תלויות ועל בסיס עומסי עבודה זהים של עלות, צריכת חשמל או איכות, ולכן אין בהם די כדי לאמת את ההבטחה הזו. 5
לאילו משימות הוא מיועד?
לדברי Unisound, U2-Flash מאחד באותם משקלים יכולות של כתיבת קוד, סוכנים, מתמטיקה ומילוי הוראות. עומסי העבודה שאליהם הוא מכוון כוללים קוד הנדסי, משימות טרמינל, עבודה משרדית, הסקת ידע ותהליכי ייצור אחרים. 5
החברה מתארת גם ״חשיבה סמויה״ והסקה בעלת מצב רציף, עם ארבע דרגות של עוצמת חשיבה. לטענתה, בדרגה הגבוהה ביותר ניתן להציג עקבת הסקה קריאה לצורך בדיקה ומעקב. עקבה גלויה יכולה להקל על ביקורת של תהליך העבודה, אבל היא כשלעצמה אינה מוכיחה שהתשובה נכונה, בטוחה או מתאימה להפעלה אוטונומית במשימות רגישות. 5
אימון אחרי האימון: שיפור עצמי ומשימות מרובות שלבים
Unisound מתארת את U2-Flash כתוצר של אימון מחוזק לאחר האימון הראשוני של U2. התהליך כולל לולאת RSI — שיפור עצמי רקורסיבי: המערכת מסייעת ביצירת משימות, מנתחת מסלולי ביצוע, מזהה שגיאות ודוגמת מחדש נתוני אימון מתוקנים, במסגרת סביבת חול ומגבלות אימות שנקבעו בידי בני אדם. 5
עבור הנדסת תוכנה ועבודת סוכנים, החברה מציינת שילוב של:
- למידת חיזוק א־סינכרונית לסוכנים;
- זיקוק מקוון של מדיניות מכמה מודלי־מורים;
- יצירה אדפטיבית של משימות;
- מאגר משימות הנדסת תוכנה שמתקרב ל־100 אלף משימות שנוצרו.
5
לפי Unisound, השיטה הניבה כ־60% יותר מסלולי אימון יעילים וכ־55% פחות צעדי אימון כדי להגיע ליכולת מקבילה. אלו נתוני חברה: לא פורסמו בחומרים שסופקו מערך הניסוי המלא, קווי הבסיס, הרצות גולמיות או חומרי שחזור שיאפשרו לבחון אותם באופן עצמאי. 5
במונחים מעשיים, זוהי אסטרטגיה שמכוונת לעבודה רב־שלבית: ניסיון לבצע משימה, הערכת מסלול השימוש בכלים או ההרצה, איתור טעויות ושימוש בדוגמאות מתוקנות כדי לשפר התנהגות עתידית. זו פרשנות סבירה לתיאור המערכת, אך לא הוכחה שכל מנגנון בנפרד גרם לשיפור המדווח. 5
תוצאות הקוד והסוכנים שעליהן החברה מדווחת
Unisound מדווחת על שיפור ניכר לעומת דור U2 הקודם בכמה מבחני תוכנה וטרמינל:
| מדד | ציון U2-Flash לפי Unisound | ההשוואה שהחברה מציגה |
|---|---|---|
| DeepSWE v1.1 | 64.6 | בערך פי שניים מציון U2 הקודם; החברה אומרת שעקף את GLM5.3-Flash ואת DeepSeek-V4-Pro-0813 בהשוואתה. |
| TerminalBench 3.0 | 24.3 | לפי החברה, גבוה ממודלי K3 בעלי טריליון פרמטרים. |
| SWE-Bench Pro | 61.6 | עלייה מדווחת של 10.5 נקודות לעומת הדור הקודם. |
החברה מוסיפה כי בהשוואה ל־U2 נרשמו 20%–30% פחות איטרציות סוכן, קיצור של 35% במחזור ביצוע המשימה, וצריכת טוקנים נמוכה ב־20%–30%. 5
אלו נתונים שימושיים למפתחים שבוחנים מודל קוד סוכני, אך אין לראות בהם דירוג בלתי תלוי. החומרים הזמינים לא מפרטים את נקודת הקצה של המודל, הפרומפטים, הגדרות הדגימה, מעטפת הסוכן, הכלים, סביבת הבדיקה, תצורת רתמת המדידה או ההרצות הגולמיות. 5
מהירות, פריסה וחומרה מקומית בסין
Unisound טוענת לזמן ממוצע של פחות משלוש שניות עד הטוקן הראשון, ולקצב שיא של עד 300 טוקנים בשנייה. גם כאן חסרים פרטים הכרחיים להשוואה הוגנת: החומרה, מספר המשתמשים במקביל, אורך ההקשר, דיוק החישוב ונתוני השהיה באחוזונים שונים. 5
החברה מציינת התאמות לפלטפורמות מחשוב מקומיות נפוצות בסין, החל מארכיטקטורת המודל והמפעילים המרכזיים, דרך מסגרות ההסקה ועד לתזמון אשכולות. פרסום שיווקי טוען כי בתרחישים מסוימים הביצועים מתקרבים לאלה של פתרונות NVIDIA GPU. ואולם, אין בו שבבים תואמים, גרסאות תוכנה, עומסים, אצוות, צריכת חשמל, עלויות או מדידות השהיה מקבילות — ולכן אי אפשר לקבוע שוויון ביצועים בחומרה. 17
ההתאמות מיועדות, לפי החברה, להסקה בקנה מידה גדול, לעומס מקבילי גבוה ולהקשרים ארוכים, בתחומי ממשל וארגונים, פיננסים, ייצור ואנרגיה. 17
זמינות ב־MaaS ומבצע ההשקה
לפי הפרסום, U2-Flash זמין בפלטפורמת ה־MaaS של Unisound — מודל כשירות, כלומר גישה למודל דרך שירות ענן. במסגרת מבצע שתואר כתקף מ־15 ועד 30 בספטמבר 2026, הוצעה הנחה של 60%: 0.6 יואן סיני למיליון טוקני קלט, 1.2 יואן למיליון טוקני פלט ו־0.12 יואן למיליון טוקני קלט מהמטמון. עוד נמסר כי משתמשים חדשים וקיימים יכלו לקבל מכסה של 100 מיליון טוקנים. 17
מדובר בתנאי קידום מוגבלים בזמן; מי שמתכוון להשתמש בשירות צריך לבדוק מול Unisound את המחיר, הזמינות, המכסות ותנאי השימוש העדכניים. 17
השורה התחתונה
U2-Flash הוא מהלך שמכוון במפורש לתהליכי קוד וסוכנים בסביבת ייצור: מודל MoE של כ־266 מיליארד פרמטרים, עם כ־10 מיליארד פעילים בכל הרצה, תהליך אימון המתבסס על יצירת משימות ומשוב ממסלולי ביצוע, ומצבי הסקה נשלטים. תוצאות החברה מצביעות על התקדמות משמעותית ביחס ל־U2 במדדי הנדסת התוכנה שבחרה. 5
הסייג המרכזי הוא איכות הראיות. ציוני המדדים, נתוני יעילות האימון, ההשהיה, קצב הפלט, החיסכון בטוקנים וההשוואות למאיצים מקומיים מבוססים בעיקר על דיווחי החברה או על פרסומים שיווקיים. עד שיפורסמו בדיקות בלתי תלויות וניתנות לשחזור — עם גרסאות מודל, כלים, חומרה ותנאי בדיקה תואמים — נכון להתייחס ל־U2-Flash כהשקה מבטיחה עם תוצאות ספק מדווחות, ולא כמובילה שהוכחה באופן סופי. 5
17
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Unisound U2-Flash: מה מבטיח מודל ה־MoE הדליל עבור קוד וסוכנים"?
Unisound השיקה ב־15 בספטמבר 2026 את U2 Flash: מודל MoE דליל עם כ־266 מיליארד פרמטרים, שמפעיל כ־10 מיליארד מהם בכל הרצה.
What are the key points to validate first?
Unisound השיקה ב־15 בספטמבר 2026 את U2 Flash: מודל MoE דליל עם כ־266 מיליארד פרמטרים, שמפעיל כ־10 מיליארד מהם בכל הרצה. החברה מדווחת על 64.6 ב־DeepSWE v1.1, על 24.3 ב־TerminalBench 3.0 ועל 61.6 ב־SWE Bench Pro, לצד קיצור של 35% במחזור ביצוע משימות סוכן לעומת U2.
Sources
sohu.com云知声发布U2-Flash：后训练×RSI 驱动，面向真实任务的新 ...
llmreference.comBest AI Agent Models 2026: SWE-bench Ranked | LLM Reference
news.futunn.comUnleashing Trillion-Scale Capabilities with Hundred-Billion Parameters: How Unisound U2-Flash Is Redefining Value Pricing for Large Language Models