AnswersPublished12 sources
Unisound U2-Flash: 266 Milyar Parametre, 10 Milyar Aktif Parametre ve Üretim Ajanları
Unisound, U2 Flash’ı 15 Eylül 2026’da tanıttı. Seyrek MoE mimarisine sahip modelin toplam parametre sayısı yaklaşık 266 milyar; her çıkarımda etkinleşen parametre sayısı ise yaklaşık 10 milyar.
YayımlayanGPT-5.6 Terra ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Unisound, U2 Flash’ı 15 Eylül 2026’da tanıttı. Seyrek MoE mimarisine sahip modelin toplam parametre sayısı yaklaşık 266 milyar; her çıkarımda etkinleşen parametre sayısı ise yaklaşık 10 milyar.
- Şirket; DeepSWE v1.1’de 64,6, TerminalBench 3.0’da 24,3 ve SWE Bench Pro’da 61,6 puan bildirdi.
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’un 15 Eylül 2026’da yayımladığı U2-Flash, şirketin U2 temel modelinin güçlendirilmiş son eğitim aşamalarından geçirilmiş yeni nesil “yüksek yoğunluklu” modeli. Amaç; programlama, araç kullanan yapay zekâ ajanları, matematiksel muhakeme ve talimat takibini tek modelde birleştirirken, çıkarım sırasında tüm modeli çalıştırmamak. 5
Temel yaklaşım: 266 milyar toplam, 10 milyar etkin parametre
U2-Flash, yaklaşık 266 milyar toplam parametreye sahip seyrek bir karışım-uzmanlar (Mixture of Experts / MoE) mimarisi kullanıyor. Unisound’a göre her çıkarımda yaklaşık 10 milyar parametre etkinleşiyor; bu, toplamın %4’ünden azına karşılık geliyor. MoE tasarımında model, her girdi ya da belirteç için bütün parametreleri işletmek yerine göreve uygun uzman alt bileşenleri seçiyor. 5
Şirketin ana iddiası burada: Benzer yetenekte yoğun (dense) bir modele göre daha küçük etkin hesaplama yüküyle güçlü görev tamamlama kalitesi sunmak. Ancak paylaşılan materyallerde, bu savı eşleştirilmiş iş yüklerinde bağımsız biçimde doğrulayacak maliyet, enerji tüketimi veya kalite karşılaştırmaları yer almıyor. 5
Hangi işler için tasarlandı?
Unisound, U2-Flash’ın aynı ağırlık seti içinde programlama, ajan çalıştırma, matematiksel muhakeme ve talimat izleme yeteneklerini bir araya getirdiğini belirtiyor. Hedeflenen kullanım alanları arasında mühendislik kodu, terminal görevleri, ofis işleri, bilgiye dayalı muhakeme ve diğer üretim iş akışları bulunuyor. 5
Modelin ayrıca “örtük düşünme” ve sürekli durumlu muhakeme mekanizmalarına sahip olduğu söyleniyor. Muhakeme gücü dört ayrı kontrol seviyesiyle sunuluyor; şirket, en yüksek seviyede denetim ve izlenebilirlik için okunabilir bir muhakeme izi döndürülebildiğini ifade ediyor. Bununla birlikte, görünür bir açıklama zinciri tek başına yanıtın doğru, güvenli veya yüksek riskli otonom kullanıma uygun olduğunu kanıtlamaz. 5
Son eğitim ve ajan eğitimi yaklaşımı
Unisound, U2-Flash’ın U2 temel modeli üzerinde yürütülen pekiştirilmiş son eğitim sürecinin ürünü olduğunu söylüyor. Açıklanan yaklaşımda, özyinelemeli öz-iyileştirme (RSI) döngüsü; görev üretme, yürütme izlerini analiz etme, hataları saptama ve insan tanımlı sanal ortam ile doğrulama sınırları içinde düzeltilmiş eğitim verisini yeniden örnekleme işlevleri üstleniyor. 5
Yazılım mühendisliği ve ajan çalışmaları için şirketin bildirdiği bileşenler şunlar:
- Eşzamansız ajan pekiştirmeli öğrenmesi
- Çok öğretmenli çevrim içi politika damıtması
- Uyarlanabilir görev üretimi
- Yaklaşık 100.000 üretilmiş göreve yaklaşan bir yazılım mühendisliği görev kümesi
5
Unisound, yaklaşık %60 daha fazla etkili eğitim izi ve benzer yetkinliğe ulaşmak için yaklaşık %55 daha az eğitim adımı elde ettiğini bildiriyor. Ne var ki sağlanan kanıtlar; deney düzeni, eşleştirilmiş temel modeller, ham çalıştırmalar veya yeniden üretilebilir eğitim çıktıları içermiyor. Bu nedenle bu veriler bağımsız olarak değerlendirilemez. 5
Pratikte anlatılan yöntem, çok adımlı işlere odaklanan bir eğitim stratejisine işaret ediyor: Görevi dene, araç kullanımını ya da yürütme yolunu değerlendir, hataları bul ve düzeltilmiş örneklerle sonraki davranışı geliştir. Bu, şirketin tarif ettiği sistemin makul bir yorumudur; tek tek mekanizmaların bildirilmiş benchmark kazanımlarına neden olduğunu kanıtlamaz. 5
Şirketin açıkladığı kodlama ve ajan benchmark’ları
Unisound, U2-Flash’ın önceki U2 sürümüne kıyasla çeşitli yazılım mühendisliği ve terminal odaklı değerlendirmelerde belirgin ilerleme sağladığını bildiriyor:
| Benchmark | Unisound’un bildirdiği U2-Flash skoru | Şirketin karşılaştırması |
|---|---|---|
| DeepSWE v1.1 | 64,6 | Önceki U2 skorunun yaklaşık iki katı; şirketin karşılaştırmasında GLM5.3-Flash ve DeepSeek-V4-Pro-0813’ün üzerinde olduğu belirtiliyor. |
| TerminalBench 3.0 | 24,3 | Unisound, bunun K3 sınıfı trilyon parametreli modelleri geçtiğini söylüyor. |
| SWE-Bench Pro | 61,6 | Önceki nesilden 10,5 puan yüksek olduğu bildiriliyor. |
Şirket ayrıca U2’ye kıyasla %20–%30 daha az ajan iterasyonu, %35 daha kısa görev yürütme döngüsü ve %20–%30 daha düşük token tüketimi iddia ediyor. 5
Bu sayılar, özellikle ajan tabanlı kodlama modellerini değerlendiren geliştiriciler için modelin hedeflenen performans profilini göstermesi bakımından anlamlı. Ancak bağımsız sıralama olarak okunmamalı: Mevcut açıklama; model uç noktası, istemler, örnekleme ayarları, ajan çatısı, araçlar, ortam, değerlendirme düzeneği ve ham benchmark çalıştırmaları hakkında yeterli ayrıntı sunmuyor. 5
Hız ve dağıtım iddiaları
Unisound’un açıklamasına göre ortalama ilk token süresi üç saniyenin altında, azami çıktı üretim hızı ise saniyede 300 token’a kadar çıkıyor. Duyuruda donanım, eşzamanlı kullanıcı sayısı, bağlam uzunluğu, sayısal hassasiyet veya gecikme yüzdelikleri verilmediğinden bu veriler başka servis sonuçlarıyla doğrudan kıyaslanamaz. 5
Şirket, U2-Flash’ı model mimarisi, temel operatörler, çıkarım çerçeveleri ve küme zamanlaması düzeylerinde Çin’deki yaygın yerli hesaplama platformlarına uyarladığını da belirtiyor. Tanıtım amaçlı haberlerde bazı senaryoların NVIDIA GPU performansına yaklaştığı ileri sürülüyor; ancak eşleştirilmiş çipler, yazılım sürümleri, iş yükleri, toplu işlem ayarları, güç tüketimi, maliyet ve gecikme ölçümleri paylaşılmıyor. Bu nedenle söz konusu açıklama donanım eşdeğerliğini göstermeye yeterli değil. 17
Bu optimizasyonların büyük ölçekli çıkarım, yüksek eşzamanlılık ve uzun bağlamlı iş yükleri için; kamu ve kurumsal kullanım, finans, üretim ve enerji sektörlerinde konumlandırıldığı ifade ediliyor. 17
MaaS erişimi ve eylül kampanyası
U2-Flash’ın Unisound’un MaaS (Model as a Service / hizmet olarak model) platformunda kullanıma açıldığı bildirildi. Tanıtım içeriğine göre 15–30 Eylül 2026 arasında %60 indirimli bir kampanya uygulandı: milyon giriş token’ı için 0,6 RMB, milyon çıkış token’ı için 1,2 RMB ve milyon önbelleğe alınmış giriş token’ı için 0,12 RMB fiyat belirtildi. Yeni ve mevcut kullanıcıların kampanya döneminde 100 milyon token kullanım kotası talep edebileceği de aktarıldı. 17
Bunlar süreli promosyon koşulları olduğundan, kullanmayı düşünenlerin güncel erişim, ücret, kota ve kullanım şartlarını doğrudan Unisound’dan doğrulaması gerekir. 17
Sonuç: İlgi çekici, fakat henüz bağımsız olarak doğrulanmış değil
U2-Flash, üretim ortamındaki kodlama ve ajan iş akışlarını hedefleyen bir MoE model sürümü: yaklaşık 266 milyar toplam parametre, çıkarım başına yaklaşık 10 milyar etkin parametre, görev üretimi ve yürütme geri bildirimine dayalı son eğitim yaklaşımı ve ayarlanabilir muhakeme modları sunuyor. Unisound’un açıkladığı sonuçlar, seçilmiş mühendislik benchmark’larında önceki U2 modeline göre kayda değer bir ilerlemeye işaret ediyor. 5
Önemli çekince kanıtın niteliği. Benchmark skorları, eğitim verimliliği, gecikme ve çıktı hızı, token tasarrufu ile yerli hızlandırıcı karşılaştırmalarının büyük bölümü şirket açıklamalarına veya tanıtım içeriklerine dayanıyor. Eşleştirilmiş model sürümleri, araçlar, donanım ve test koşullarıyla bağımsız ve yeniden üretilebilir çalışmalar yayımlanana kadar U2-Flash, doğrulanmış kesin bir lider olarak değil; umut vadeden, üretici tarafından raporlanmış bir sürüm olarak değerlendirilmelidir. 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: 266 Milyar Parametre, 10 Milyar Aktif Parametre ve Üretim Ajanları"?
Unisound, U2 Flash’ı 15 Eylül 2026’da tanıttı. Seyrek MoE mimarisine sahip modelin toplam parametre sayısı yaklaşık 266 milyar; her çıkarımda etkinleşen parametre sayısı ise yaklaşık 10 milyar.
What are the key points to validate first?
Unisound, U2 Flash’ı 15 Eylül 2026’da tanıttı. Seyrek MoE mimarisine sahip modelin toplam parametre sayısı yaklaşık 266 milyar; her çıkarımda etkinleşen parametre sayısı ise yaklaşık 10 milyar. Şirket; DeepSWE v1.1’de 64,6, TerminalBench 3.0’da 24,3 ve SWE Bench Pro’da 61,6 puan bildirdi.
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