云知声 U2-Flash：2660亿参数 MoE，瞄准生产级编程与智能体

云知声在2026年9月15日发布U2-Flash。这不是一款单纯强调“快”的轻量模型，而是以编程、工具调用型智能体、数学推理和指令遵循为目标的生产工作流模型。它最醒目的卖点是：总参数约2660亿，但每次推理只激活约100亿参数。 5

对开发者和企业而言，真正值得关注的不只是参数规模，而是它是否能在多步任务中少走弯路、以更低的推理开销完成代码与工具操作；同时，也要把宣传数据与可独立复现的结论区分开来。

2660亿总参数，为何只激活100亿？

U2-Flash使用稀疏混合专家（MoE）架构。与每个输入都调用全部参数的稠密模型不同，MoE会通过路由机制，为不同输入选择部分专门的“专家”组件参与计算。云知声称，U2-Flash总参数约2660亿，单次推理激活约100亿，不到总参数的4%。 5

这也是其“高密度”定位的基础：公司希望以相对较小的活跃计算规模，提供接近更大稠密模型的任务完成能力。不过，现有材料没有给出统一任务、统一硬件条件下的独立成本、功耗或质量对照，因此这一价值主张仍应视为厂商定位，而非已经被全面验证的结论。 5

一套权重覆盖代码、智能体与推理

据云知声介绍，U2-Flash将编程、智能体、数学推理和指令遵循整合在同一套权重中，目标场景包括工程代码、终端任务、办公工作、知识推理及其他生产流程。 5

模型还提供“隐式思考”与连续状态推理，并将推理强度设置为四档可控接口。云知声称，在最高强度档位，模型可输出可读的推理过程，以便检查与追溯。 5

需要注意的是，可见推理过程有助于人工审查，但不能单独证明答案正确、系统安全，或适合在高风险场景中完全自主运行。

后训练：让模型从执行轨迹中修正

云知声称，U2-Flash是在U2通用基座模型上经过强化后训练得到。其训练体系包含递归自我改进（RSI）循环：系统协助生成任务、分析执行轨迹、识别错误，并在人为设定的沙箱和验证约束下，对修正后的数据重新采样。 5

面向软件工程和智能体任务，公司列举了几项关键方法：

• 异步智能体强化学习；
• 多教师在线策略蒸馏；
• 自适应任务生成；
• 规模接近10万条的生成式软件工程任务集。 5

云知声进一步称，该体系能带来约60%更多的有效训练轨迹，并让模型达到相近能力所需训练步数减少约55%。这些是公司披露的数据；目前提供的材料中没有实验设置、匹配基线、原始运行记录或可复现训练产物，因而无法独立评估这些数字。 5

从机制上理解，这套方案意在优化多步骤任务：模型尝试执行、检查工具调用或执行路径、定位错误，再用修正样本改进后续行为。但这只能说明其训练设计的意图，不能据此证明每一项机制都分别造成了所报告的提升。 5

云知声报告的编程与智能体成绩

云知声称，U2-Flash相较上一代U2，在多项软件工程和终端任务评测中有明显提升：

基准测试	云知声报告的U2-Flash成绩	公司给出的对比说法
DeepSWE v1.1	64.6	较上一代约翻倍；公司称在其对比中超过GLM5.3-Flash和DeepSeek-V4-Pro-0813。
TerminalBench 3.0	24.3	公司称超过K3等万亿参数级模型。
SWE-Bench Pro	61.6	较上一代高10.5分。

5

公司还称，和U2相比，U2-Flash可使智能体任务迭代步数减少20%至30%，任务执行周期缩短35%，Token消耗降低20%至30%。 5

这些指标可作为评估其产品方向的参考，尤其对关注智能体编程的开发者有一定价值；但它们不应被直接当作独立排行榜结果。现有资料没有完整说明模型端点、提示词、采样参数、智能体脚手架、工具集、运行环境、评测框架配置或原始结果。 5

速度、国产算力适配与落地场景

云知声称，U2-Flash平均首Token响应时间控制在3秒以内，峰值输出吞吐最高可达300 Token/秒。要将这一数字与其他模型作横向比较，仍需要硬件型号、并发量、上下文长度、计算精度和延迟分位数等信息；公告中未提供这些关键条件。 5

公司及相关推广报道还称，U2-Flash已围绕主流国产算力平台，在模型架构、核心算子、推理框架和集群调度等层面进行适配优化；部分部署场景的表现已接近NVIDIA GPU方案。其瞄准的需求包括大规模推理、高并发与长上下文负载，行业则覆盖政企、金融、制造和能源等。 17

不过，“接近”并不等于硬件性能对等。若没有匹配的芯片、软件版本、工作负载、批处理配置、功耗、成本和延迟测量数据，尚不能据此确认与NVIDIA GPU方案的性能等价。 17

MaaS上线与限时价格

据推广报道，U2-Flash已上线云知声MaaS（模型即服务）平台。2026年9月15日至9月30日，平台曾推出六折限时活动：

• 输入：0.6元/百万Token；
• 输出：1.2元/百万Token；
• 缓存命中输入：0.12元/百万Token；
• 新老用户均可领取1亿Token额度。 17

这属于有明确期限的促销信息。计划接入的用户应直接向云知声核实当前模型可用性、实际价格、额度、限流规则及其他使用条件。 17

结论：值得关注，但还不是“独立验证的领先者”

U2-Flash瞄准的是生产级代码与智能体工作流：约2660亿总参数、约100亿活跃参数的MoE架构，配合任务生成、执行反馈导向的后训练，以及可调的推理模式。云知声报告的工程类基准成绩显示，它相较前代U2可能有显著进展。 5

但证据边界同样明确：基准成绩、训练效率、时延吞吐、Token节省和国产算力表现，主要来自公司公告或推广报道。只有在第三方以匹配的模型版本、工具环境、硬件与测试条件发布可复现结果后，才能更可靠地判断它在编程和智能体模型中的真实位置。在此之前，更合适的定位是：一款参数设计和产品目标都颇具吸引力、但核心性能仍以厂商报告为主的模型发布。 517