AnswersPublished12 sources
Unisound U2-Flash: Apa yang didakwa oleh model MoE 266B ini untuk ejen dan pengekodan
Unisound melancarkan U2 Flash pada 15 September 2026 sebagai model MoE jarang dengan kira kira 266 bilion parameter keseluruhan, tetapi hanya sekitar 10 bilion parameter aktif bagi setiap inferens. Unisound melaporkan skor 64.6 pada DeepSWE v1.1, 24.3 pada TerminalBench 3.0 dan 61.6 pada SWE Bench Pro, serta kitaran...
Diterbitkan olehDisunting dengan GPT-5.6 TerraImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Unisound melancarkan U2 Flash pada 15 September 2026 sebagai model MoE jarang dengan kira kira 266 bilion parameter keseluruhan, tetapi hanya sekitar 10 bilion parameter aktif bagi setiap inferens.
- Unisound melaporkan skor 64.6 pada DeepSWE v1.1, 24.3 pada TerminalBench 3.0 dan 61.6 pada SWE Bench Pro, serta kitaran tugasan ejen 35% lebih singkat berbanding U2.
- Semua angka prestasi, kecekapan latihan, kelajuan sajian dan perbandingan perkakasan utama masih perlu dinilai sebagai laporan syarikat kerana konfigurasi dan ulangan bebas tidak disediakan.
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 memperkenalkan U2-Flash pada 15 September 2026 sebagai model “berketumpatan tinggi” yang dibina berasaskan model asas U2. Sasaran utamanya ialah tugas pengekodan, ejen AI yang menggunakan alat, penaakulan matematik dan pematuhan arahan — dalam satu set pemberat model. 5
Tarikan utama model ini ialah gabungan saiz besar dengan jejak pengiraan aktif yang jauh lebih kecil. Namun, angka prestasi dan kecekapan yang diketengahkan setakat ini datang terutamanya daripada Unisound sendiri dan liputan promosi, bukannya pengujian bebas yang boleh diulang semula.
266B parameter, tetapi sekitar 10B diaktifkan
U2-Flash menggunakan seni bina mixture-of-experts (MoE) jarang dengan kira-kira 266 bilion parameter keseluruhan. Bagi setiap inferens, hanya sekitar 10 bilion parameter diaktifkan — kurang daripada 4% daripada jumlah parameter. 5
Dalam model MoE, sistem penghalaan memilih beberapa “pakar” atau komponen khusus yang sesuai dengan input tertentu, bukannya menjalankan semua parameter untuk setiap token. Pendekatan ini bertujuan memberikan keupayaan model besar sambil mengehadkan pengiraan aktif ketika ia digunakan.
Unisound mendakwa pendekatan ini membolehkan U2-Flash mencapai mutu penyelesaian tugasan peringkat tinggi dengan skala pengaktifan yang lebih rendah berbanding model padat (dense) yang setanding. Namun, bahan yang tersedia tidak menyediakan perbandingan bebas bagi kos, tenaga atau kualiti pada beban kerja yang dipadankan. 5
Direka untuk pengekodan, ejen dan kerja berbilang langkah
Menurut Unisound, U2-Flash menyatukan keupayaan untuk:
- pengekodan dan tugasan kejuruteraan perisian;
- ejen AI yang melaksanakan langkah serta menggunakan alat;
- penaakulan matematik;
- pematuhan arahan; dan
- tugasan terminal, kerja pejabat serta penaakulan berasaskan pengetahuan.
5
Model ini turut mempunyai apa yang dipanggil Unisound sebagai pemikiran tersirat dan penaakulan keadaan berterusan. Kekuatan penaakulan disediakan dalam empat tahap kawalan. Pada tahap tertinggi, syarikat itu berkata model boleh mengembalikan jejak penaakulan yang boleh dibaca bagi tujuan pemeriksaan dan kebolehkesanan. 5
Jejak yang kelihatan boleh membantu semakan aliran kerja, tetapi ia sendiri tidak membuktikan jawapan itu tepat, selamat atau sesuai untuk penggunaan autonomi yang berisiko tinggi.
Latihan pasca-model: RSI dan maklum balas daripada pelaksanaan
Unisound menerangkan U2-Flash sebagai hasil latihan pasca-model yang diperkukuh pada asas U2. Pendekatannya melibatkan gelung recursive self-improvement (RSI), iaitu sistem membantu menjana tugasan, menganalisis trajektori pelaksanaan, mengenal pasti kesilapan dan mengambil sampel semula data latihan yang telah dibetulkan — dalam kekangan kotak pasir serta pengesahan yang ditetapkan manusia. 5
Bagi kerja kejuruteraan perisian dan ejen, Unisound menyatakan sistem ini menggabungkan:
- pembelajaran pengukuhan ejen secara tak segerak;
- penyulingan dasar dalam talian daripada berbilang guru;
- penjanaan tugasan adaptif; dan
- set tugasan kejuruteraan perisian yang menghampiri 100,000 tugasan terjana.
Syarikat itu melaporkan kira-kira 60% lebih trajektori latihan yang berkesan dan sekitar 55% lebih sedikit langkah latihan untuk mencapai keupayaan yang setara. Walau bagaimanapun, Unisound tidak menyediakan persediaan eksperimen penuh, garis dasar yang dipadankan, rekod larian mentah atau artifak latihan yang membolehkan dakwaan ini diperiksa secara bebas. 5
Secara praktikal, strategi ini bertujuan melatih model untuk kerja berbilang langkah: cuba menyelesaikan tugasan, menilai laluan penggunaan alat atau pelaksanaan, mengenal pasti masalah, kemudian menggunakan contoh yang diperbetulkan bagi memperbaiki tingkah laku seterusnya. Itu ialah tafsiran munasabah terhadap sistem yang dihuraikan, bukan bukti bahawa setiap mekanisme tersebut secara berasingan menyebabkan peningkatan yang dilaporkan.
Skor pengekodan dan ejen yang dilaporkan Unisound
Unisound berkata U2-Flash meningkat dengan ketara berbanding generasi U2 terdahulu dalam beberapa penilaian berkaitan kejuruteraan perisian dan tugasan terminal:
| Penanda aras | Skor U2-Flash yang dilaporkan | Perbandingan oleh syarikat |
|---|---|---|
| DeepSWE v1.1 | 64.6 | Kira-kira dua kali ganda skor U2 terdahulu; Unisound berkata ia mengatasi GLM5.3-Flash dan DeepSeek-V4-Pro-0813 dalam perbandingannya. |
| TerminalBench 3.0 | 24.3 | Unisound berkata skor ini mengatasi model kelas K3 dengan parameter pada skala trilion. |
| SWE-Bench Pro | 61.6 | Dilaporkan 10.5 mata lebih tinggi daripada generasi terdahulu. |
Syarikat itu juga mendakwa, berbanding U2, terdapat:
- 20% hingga 30% kurang lelaran ejen;
- 35% kitaran pelaksanaan tugasan yang lebih pendek; dan
- 20% hingga 30% penggunaan token yang lebih rendah.
Bagi pembangun yang menilai model untuk ejen pengekodan, angka ini memberi petunjuk tentang profil prestasi yang disasarkan oleh Unisound. Namun, ia bukan kedudukan bebas yang muktamad. Bahan tersedia tidak menghuraikan titik akhir model, arahan, tetapan pensampelan, rangka kerja ejen, alat, persekitaran, konfigurasi harness atau larian mentah penanda aras. 5
Dakwaan kelajuan dan penggunaan pada platform pengiraan tempatan China
Unisound berkata purata masa ke token pertama adalah di bawah tiga saat, dengan kadar keluaran puncak sehingga 300 token sesaat. Pengumuman itu tidak menyatakan perkakasan, tahap keserentakan, panjang konteks, ketepatan pengiraan atau butiran latensi persentil yang diperlukan untuk membandingkan sistem sajian secara setara. 5
Syarikat itu juga berkata U2-Flash telah dioptimumkan untuk platform pengiraan domestik China merentas seni bina model, operator teras, rangka kerja inferens dan penjadualan kluster. Liputan promosi menyatakan sesetengah senario menghampiri prestasi GPU NVIDIA. 17
Namun, tiada data cip yang dipadankan, versi perisian, jenis beban kerja, kaedah kelompok, penggunaan kuasa, kos atau ukuran latensi terperinci disediakan. Oleh itu, dakwaan tersebut belum mencukupi untuk membuktikan kesetaraan perkakasan dengan GPU NVIDIA.
Unisound mensasarkan pengoptimuman ini untuk inferens berskala besar, keserentakan tinggi dan beban kerja konteks panjang, khususnya dalam sektor kerajaan dan perusahaan, kewangan, pembuatan serta tenaga. 17
Ketersediaan MaaS dan promosi September 2026
U2-Flash dilaporkan tersedia melalui platform model-as-a-service (MaaS) Unisound. Liputan promosi menyatakan tawaran diskaun 60% berlangsung dari 15 hingga 30 September 2026, dengan harga berikut:
- RMB0.6 bagi setiap juta token input;
- RMB1.2 bagi setiap juta token output; dan
- RMB0.12 bagi setiap juta token input cache.
17
Promosi itu juga menyatakan pengguna baharu dan sedia ada boleh menuntut kuota 100 juta token. 17
Syarat ini ialah promosi terhad masa; bakal pengguna perlu menyemak sendiri harga, kuota, ketersediaan dan terma penggunaan semasa dengan Unisound sebelum membuat keputusan penggunaan.
Kesimpulan: menjanjikan, tetapi belum disahkan secara bebas
U2-Flash ialah keluaran MoE yang jelas menyasarkan aliran kerja pengekodan dan ejen untuk penggunaan sebenar: 266B parameter keseluruhan, kira-kira 10B parameter aktif bagi setiap inferens, latihan pasca-model yang menekankan penjanaan tugasan serta maklum balas pelaksanaan, dan mod penaakulan yang boleh dikawal. Keputusan yang dilaporkan Unisound menunjukkan peningkatan yang ketara berbanding U2 pada penanda aras kejuruteraan pilihannya. 5
Namun, penilaian wajar mesti mengambil kira mutu bukti. Skor penanda aras, angka kecekapan latihan, latensi, daya pemprosesan, penjimatan token dan perbandingan pemecut domestik merupakan dakwaan syarikat atau laporan promosi. Sehingga penilai bebas menerbitkan larian yang boleh dihasilkan semula dengan versi model, alat, perkakasan dan keadaan ujian yang dipadankan, U2-Flash lebih tepat dilihat sebagai keluaran yang berpotensi besar berdasarkan laporan vendor — bukan peneraju yang telah disahkan secara muktamad. 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: Apa yang didakwa oleh model MoE 266B ini untuk ejen dan pengekodan"?
Unisound melancarkan U2 Flash pada 15 September 2026 sebagai model MoE jarang dengan kira kira 266 bilion parameter keseluruhan, tetapi hanya sekitar 10 bilion parameter aktif bagi setiap inferens.
What are the key points to validate first?
Unisound melancarkan U2 Flash pada 15 September 2026 sebagai model MoE jarang dengan kira kira 266 bilion parameter keseluruhan, tetapi hanya sekitar 10 bilion parameter aktif bagi setiap inferens. Unisound melaporkan skor 64.6 pada DeepSWE v1.1, 24.3 pada TerminalBench 3.0 dan 61.6 pada SWE Bench Pro, serta kitaran tugasan ejen 35% lebih singkat berbanding U2.
What should I do next in practice?
Semua angka prestasi, kecekapan latihan, kelajuan sajian dan perbandingan perkakasan utama masih perlu dinilai sebagai laporan syarikat kerana konfigurasi dan ulangan bebas tidak disediakan.
Sources
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