답변게시됨12 소스
유니사운드 U2-Flash: 2660억 파라미터 MoE가 내세운 코딩·에이전트 성능
유니사운드는 2026년 9월 15일, 총 2660억 파라미터 중 추론당 약 100억 개를 활성화하는 희소 MoE 모델 U2 Flash를 공개했다. 회사는 DeepSWE v1.1 64.6점, TerminalBench 3.0 24.3점, SWE Bench Pro 61.6점을 보고했으며, U2 대비 에이전트 작업 주기가 35% 짧아졌다고 주장한다.
게시자GPT-5.6 Terra로 편집GPT Image 2로 이미지 생성
연구 답변
주요 시사점
- 유니사운드는 2026년 9월 15일, 총 2660억 파라미터 중 추론당 약 100억 개를 활성화하는 희소 MoE 모델 U2 Flash를 공개했다.
- 회사는 DeepSWE v1.1 64.6점, TerminalBench 3.0 24.3점, SWE Bench Pro 61.6점을 보고했으며, U2 대비 에이전트 작업 주기가 35% 짧아졌다고 주장한다.
- 수치 대부분은 회사 발표 또는 홍보성 보도에 기반한다. 동일 조건의 독립 재현 결과와 하드웨어 비교 데이터는 제공되지 않았다.
AI 프롬프트
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
유니사운드(Unisound)의 U2-Flash는 코딩, 도구 사용형 AI 에이전트, 수학 추론, 지시 이행을 하나의 모델로 처리하겠다는 목표로 나온 ‘고밀도’ 모델이다. 2026년 9월 15일 공개됐으며, 핵심은 전체 크기와 실제 추론 연산량을 분리한 희소 혼합전문가(MoE) 구조다. 5
핵심 구조: 총 2660억 개, 추론 때는 약 100억 개 활성화
U2-Flash는 총 약 2660억 개(266B) 파라미터를 갖지만, 한 번의 추론에서 실제 활성화되는 파라미터는 약 **100억 개(10B)**라고 유니사운드는 설명한다. 전체의 4% 미만이다. 5
MoE는 모든 입력 토큰에 모델 전체를 가동하는 대신, 라우팅 장치가 입력에 맞는 일부 전문 모듈을 선택해 실행하는 방식이다. 유니사운드의 주장은 큰 모델의 폭넓은 능력을 활용하면서도, 실제 서비스에서 필요한 활성 연산량은 훨씬 낮게 유지할 수 있다는 것이다. 다만 제공된 자료에는 동일 작업 조건에서 밀집형 모델과 비교한 독립적인 비용·전력·품질 검증 결과는 없다. 5
겨냥하는 작업: 코드 작성부터 터미널·업무 에이전트까지
유니사운드는 U2-Flash가 프로그래밍, 에이전트 작업, 수학적 추론, 지시 이행 능력을 하나의 가중치 세트에 통합했다고 밝혔다. 목표 활용처로는 엔지니어링 코드, 터미널 작업, 사무 업무, 지식 추론 등 실제 운영 환경의 생산성 업무가 제시됐다. 5
모델에는 ‘암묵적 사고’와 연속 상태 추론 기능이 있으며, 추론 강도는 4단계로 제어할 수 있다고 한다. 최고 강도에서는 사람이 읽을 수 있는 추론 흔적을 반환해 점검과 추적을 돕는다는 설명이다. 그러나 추론 과정을 볼 수 있다는 사실만으로 답변의 정확성, 안전성 또는 고위험 업무의 자율 수행 적합성이 입증되는 것은 아니다. 5
후학습: 작업을 만들고, 실행 경로를 점검해 다시 학습
U2-Flash는 U2 기반 모델에 강화 후학습을 적용한 결과물로 소개됐다. 유니사운드는 재귀적 자기개선(RSI) 루프를 통해 시스템이 과제를 생성하고, 실행 궤적을 분석하며, 오류를 찾은 뒤 수정된 학습 데이터를 다시 샘플링한다고 설명한다. 이 과정에는 사람이 정한 샌드박스와 검증 제약이 적용된다. 5
소프트웨어 엔지니어링 및 에이전트 학습에는 다음 요소가 포함됐다고 회사는 밝혔다.
- 비동기 에이전트 강화학습
- 다중 교사 온라인 정책 증류
- 적응형 과제 생성
- 약 10만 개에 가까운 소프트웨어 엔지니어링 생성 과제
5
유니사운드는 이 방식으로 유효 학습 궤적이 약 60% 늘었고, 비슷한 역량에 도달하는 데 필요한 학습 단계는 약 55% 줄었다고 보고했다. 다만 실험 설계, 비교 기준선, 원시 실행 기록, 재현 가능한 학습 산출물은 제공되지 않아 외부에서 수치를 검증하기는 어렵다. 5
실무적으로 해석하면, 정적인 학습 데이터만 쓰기보다 여러 단계의 작업을 시도하고, 도구 사용·실행 경로의 오류를 평가한 뒤, 수정 사례를 다음 학습에 반영하는 전략이다. 이는 공개된 설명에 따른 해석일 뿐, 각각의 학습 기법이 개별적으로 성능 향상을 만들었다는 인과 증명은 아니다. 5
유니사운드가 보고한 코딩·에이전트 벤치마크
유니사운드는 이전 U2 세대와 비교해 소프트웨어 엔지니어링 및 터미널 중심 평가에서 성능이 올랐다고 발표했다.
| 벤치마크 | 유니사운드 보고 점수 | 회사의 비교 설명 |
|---|---|---|
| DeepSWE v1.1 | 64.6 | 이전 U2 대비 약 2배이며, 자사 비교에서 GLM5.3-Flash와 DeepSeek-V4-Pro-0813을 앞섰다고 주장 |
| TerminalBench 3.0 | 24.3 | K3 계열의 조 단위 파라미터 모델을 넘었다고 주장 |
| SWE-Bench Pro | 61.6 | 이전 세대보다 10.5점 높다고 보고 |
또한 U2 대비 에이전트 반복 횟수는 2030% 줄고, 작업 실행 주기는 35% 짧아졌으며, 토큰 사용량은 2030% 감소했다고 회사는 밝혔다. 5
이 수치는 에이전트형 코딩 모델을 검토하는 개발자에게 제품의 지향점을 보여주는 신호가 될 수 있다. 그러나 독립 순위로 받아들이기는 어렵다. 제공된 자료에는 사용한 모델 엔드포인트, 프롬프트, 샘플링 설정, 에이전트 프레임워크, 도구, 실행 환경, 평가 하니스 설정, 원시 벤치마크 실행 기록이 명시되지 않았다. 5
응답 속도와 배포 최적화 주장
유니사운드는 평균 첫 토큰 응답 시간을 3초 이내로 제어하고, 최대 출력 처리량은 초당 300토큰에 달한다고 밝혔다. 하지만 하드웨어, 동시 요청 수, 컨텍스트 길이, 정밀도, 지연시간 백분위 등의 정보가 없어 다른 모델의 서빙 성능과 동일 선상에서 비교하기는 어렵다. 5
회사는 모델 아키텍처, 핵심 연산자, 추론 프레임워크, 클러스터 스케줄링 전반에서 중국 내 주요 컴퓨팅 플랫폼에 맞춘 최적화를 진행했다고도 설명한다. 홍보성 보도에서는 일부 배포 환경이 NVIDIA GPU 성능에 근접한다고 했지만, 비교 칩, 소프트웨어 버전, 작업 부하, 배치 처리, 전력·비용·지연시간 측정값이 제시되지 않았다. 이 정보만으로 하드웨어 성능 동등성을 판단할 수는 없다. 17
유니사운드는 대규모 추론, 높은 동시성, 긴 컨텍스트 작업을 중심으로 정부·기업, 금융, 제조, 에너지 분야를 주요 배포 대상으로 제시했다. 17
MaaS 제공과 9월 프로모션
U2-Flash는 유니사운드의 MaaS(Model as a Service) 플랫폼에서 제공된다고 보도됐다. 홍보 자료에 따르면 2026년 9월 15일부터 30일까지 60% 할인 행사가 진행되며, 가격은 입력 100만 토큰당 0.6위안, 출력 100만 토큰당 1.2위안, 캐시 적중 입력 100만 토큰당 0.12위안으로 안내됐다. 신규·기존 이용자 모두 행사 기간 1억 토큰을 받을 수 있다는 내용도 포함됐다. 17
이 조건은 기간 한정 프로모션이므로, 실제 도입 전에는 현재 제공 여부와 가격, 할당량, 이용 조건을 유니사운드 측에서 직접 확인할 필요가 있다. 17
결론: 유망한 제품 발표이지만, 독립 검증은 별개
U2-Flash는 총 2660억 파라미터·추론당 약 100억 활성 파라미터의 MoE 구조와 작업 생성·실행 피드백 중심의 후학습, 제어 가능한 추론 모드를 내세운 코딩·에이전트용 모델이다. 유니사운드가 발표한 결과만 놓고 보면, 선행 U2 모델 대비 선택된 엔지니어링 벤치마크에서 의미 있는 개선을 주장하는 출시다. 5
중요한 단서는 근거의 성격이다. 벤치마크 점수, 학습 효율, 지연시간·처리량, 토큰 절감, 중국산 가속기 비교는 주로 회사 발표나 홍보성 보도에 기반한다. 동일한 모델 버전, 도구, 하드웨어, 평가 조건을 갖춘 독립 재현 결과가 나오기 전까지 U2-Flash는 ‘검증 완료된 선두 모델’이라기보다, 벤더가 제시한 수치가 주목할 만한 유망한 제품 발표로 평가하는 편이 적절하다. 5
17
Studio Global AI
연구를 계속하세요
이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.
사람들은 또한 묻습니다.
"유니사운드 U2-Flash: 2660억 파라미터 MoE가 내세운 코딩·에이전트 성능"에 대한 짧은 대답은 무엇입니까?
유니사운드는 2026년 9월 15일, 총 2660억 파라미터 중 추론당 약 100억 개를 활성화하는 희소 MoE 모델 U2 Flash를 공개했다.
먼저 검증할 핵심 포인트는 무엇인가요?
유니사운드는 2026년 9월 15일, 총 2660억 파라미터 중 추론당 약 100억 개를 활성화하는 희소 MoE 모델 U2 Flash를 공개했다. 회사는 DeepSWE v1.1 64.6점, TerminalBench 3.0 24.3점, SWE Bench Pro 61.6점을 보고했으며, U2 대비 에이전트 작업 주기가 35% 짧아졌다고 주장한다.
실무에서는 다음으로 무엇을 해야 합니까?
수치 대부분은 회사 발표 또는 홍보성 보도에 기반한다. 동일 조건의 독립 재현 결과와 하드웨어 비교 데이터는 제공되지 않았다.
출처
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