雲知聲 U2-Flash：266B 稀疏 MoE 模型，主打程式開發與生產級 Agent

雲知聲在 2026 年 9 月 15 日發布的 U2-Flash，是一款以程式開發、可使用工具的 AI Agent、數學推理與指令遵循為目標的「高密度」模型。它建基於 U2 通用基座模型，核心訴求是：在不必每次推理都動用全部參數的前提下，同時處理多步驟、偏生產環境的任務。 5

266B 總參數，推理時只啟用約 10B：差別在哪裡？

U2-Flash 使用稀疏混合專家模型（Mixture of Experts，MoE）架構，總參數約 2,660 億，但每次推理約啟用 100 億參數，不到總量的 4%。MoE 的做法，是由路由機制依輸入內容選擇部分專門模組運算，而非讓所有參數處理每一個 token。 5

雲知聲藉此主張，U2-Flash 能以相對小的實際啟用運算規模，提供接近大型稠密模型的任務完成能力。不過，現有資料沒有提供在相同工作負載下的獨立成本、耗電或品質對照，因此這項定位目前仍應視為廠商主張。 5

鎖定的不是單一能力，而是「把工作做完」

依雲知聲說法，U2-Flash 將程式設計、Agent、數學推理與指令遵循整合在同一套權重中，目標情境包括工程程式碼、終端機任務、辦公工作、知識推理及其他生產流程。 5

模型也具備雲知聲所稱的「隱式思考」與「連續狀態推理」，並提供四個推理強度等級。該公司表示，在最高強度下可輸出可讀的推理軌跡，方便檢視與追溯。這可提升流程可觀察性，但可讀的推理內容本身，不能直接證明答案正確、安全，或適合高風險的自主運作。 5

後訓練：讓模型從執行過程中修正

雲知聲表示，U2-Flash 是在 U2 基座模型上進行強化後訓練的成果。其中的遞迴自我改進（RSI）流程，會協助產生任務、分析執行軌跡、找出錯誤，並在人工設定的沙箱與驗證限制內重新抽樣、修正訓練資料。 5

針對軟體工程與 Agent 任務，該公司稱其系統結合：

• 非同步 Agent 強化學習
• 多教師線上策略蒸餾
• 自適應任務生成
• 接近 10 萬個生成式軟體工程任務組成的任務集 5

雲知聲宣稱，此方法可帶來約 60% 更多有效訓練軌跡，並以約少 55% 的訓練步數達到可比較的能力水準。不過，現有材料未公開實驗設計、對照基線、原始執行結果或可重現訓練產物，外界無法獨立判斷這些數字。 5

從實務角度看，這套方法意在訓練模型完成多步驟工作：嘗試任務、檢查工具調用或執行路徑、找出失誤，再以修正後的範例改善後續行為。但這是對訓練流程的合理理解，並不等於已證實每一項機制各自造成了所公布的效能提升。 5

雲知聲公布的程式與 Agent 基準結果

雲知聲表示，U2-Flash 相較上一代 U2，在數個軟體工程及終端機導向評測上有明顯提升：

基準測試	雲知聲公布的 U2-Flash 分數	雲知聲的比較說法
DeepSWE v1.1	64.6	約為前代 U2 的兩倍；雲知聲稱其在比較中高於 GLM5.3-Flash 與 DeepSeek-V4-Pro-0813。
TerminalBench 3.0	24.3	雲知聲稱高於 K3 等兆參數級模型。
SWE-Bench Pro	61.6	比前代高 10.5 分。

5

此外，雲知聲稱，相比 U2，U2-Flash 的 Agent 任務迭代次數減少 20% 至 30%、任務執行週期縮短 35%，token 消耗減少 20% 至 30%。 5

這些結果可作為開發者理解其產品目標的參考，但不應直接視作獨立排名。提供的材料未交代模型端點、提示詞、採樣設定、Agent 框架、工具、執行環境、測試 harness 設定或原始測試紀錄；因此，目前無法進行嚴謹的橫向比較。 5

速度與部署：數字有了，測試條件仍缺

雲知聲稱，U2-Flash 的平均首 token 回應時間低於 3 秒，峰值輸出吞吐量最高可達每秒 300 tokens。公告未交代所用硬體、併發量、上下文長度、精度設定或延遲分位數，因此不足以直接與其他模型的服務效能作等值比較。 5

在部署方面，雲知聲表示已就模型架構、核心算子、推理框架與叢集調度，適配主流中國國產算力平台。宣傳報導則稱，部分情境下可接近 NVIDIA GPU 方案的效能；但未提供對照晶片、軟體版本、工作負載、批次處理、功耗、成本或延遲量測，不能據此認定已實現硬體效能對等。 17

其定位的應用場景包括大規模推理、高併發與長上下文負載，以及政府與企業、金融、製造、能源等領域。 17

MaaS 上線與 9 月限時優惠

U2-Flash 據報已透過雲知聲的 MaaS（Model as a Service，模型即服務）平台提供服務。宣傳內容指出，2026 年 9 月 15 日至 9 月 30 日期間推出六折優惠：每百萬輸入 tokens 為人民幣 0.6 元、每百萬輸出 tokens 為人民幣 1.2 元、每百萬快取命中輸入 tokens 為人民幣 0.12 元；新舊用戶均可在活動期間領取 1 億 tokens 額度。 17

這些屬於限時條款，有意採用者仍應直接向雲知聲確認目前的供應情況、價格、額度與使用條件。 17

結論：值得留意，但仍屬廠商報告階段

U2-Flash 是一款明確瞄準生產級程式開發與 Agent 工作流的 MoE 模型：總參數約 2,660 億、單次啟用約 100 億參數，搭配任務生成與執行回饋導向的後訓練流程，以及可控推理模式。雲知聲公布的資料顯示，它在所選工程基準上較前代 U2 有顯著進步。 5

但重點在於證據品質。基準成績、訓練效率、延遲與吞吐量、token 節省，以及國產加速器比較，大多來自公司公告或宣傳報導。在有獨立評測者以相同模型版本、工具、硬體與測試條件公布可重現結果前，較合適的判斷是：U2-Flash 是一項值得關注的廠商發布，而非已被獨立驗證的市場領先者。 517