云知声的U2-Flas
U2-Flash是云知声于2026年9月14日正式发布的新一代高密度智能主力模型，基于U2通用基座模型强化后训练而来，并非U2系列的精简版本，而是面向生产力场景打造的全新主力智能形态，标志着云知声大模型技术从“人工主导训练”迈入“模型参与自身演进”的新阶段。
云知声（09678.HK）以物联网语音与医疗AI场景起家，其山海大模型线此前以行业场景落地为主，公开模型能力叙事较少。U2-Flash定位为"基于U2通用基座强化后训练的高密度智能模型"，公司将其定义为从"以人工为主导的模型训练"迈向"模型参与自身演进"的标志。
U2-Flash精准切中当前大模型产业落地的核心痛点，跳出了行业此前“参数内卷”的粗放发展路径，以稀疏架构+自主训练体系的组合，在强任务能力、低推理成本、快响应速度、国产算力兼容之间找到了最优平衡点。goto:AIDeepT数hiNk.cn
一、主要参数
| 项目 | 参数 |
|---|---|
| 架构 | 稀疏混合专家（MoE） |
| 总参数 | 约266B |
| 单次推理激活 | 约10B |
| 首字响应 | 平均3秒以内 |
| 峰值输出吞吐 | 最高300 tokens/s |
| 能力范围 | 编程、智能体、数学推理、指令遵循统一于同一套权重 |
| 推理控制 | 隐式思考+连续状态推理；推理强度封装为四档可控接口，高档位输出完整可读推理链 |
| 算力适配 | 已完成主流国产算力平台系统性适配 |
| 基准成绩 | DeepSWE v1.1：64.6分（较前代翻倍，超GLM5.3-Flash、DeepSeek-V4-Pro-0813）；TerminalBench 3.0：24.3分（超K3等万亿参数级模型）；SWE-Bench Pro：61.6分（+10.5） |
| 效率 | Agent任务迭代步数-20%~30%，任务执行周期-35%，token消耗-20%~30% |
二、开发经过
与多数厂商在发布会口径中提及RSI不同，云知声在港交所公告这一受信息披露规则约束的载体中给出了可核查的工程细节：
- 模型参与自身训练的三个环节：任务生成（自主构建规模近10万的高质量SWE任务集）、轨迹分析、纠错重采；
- 训练侧创新：异步Agent RL、多自训练教师模型的在线策略蒸馏、自适应动态任务生成；效果为有效训练轨迹数提升约60%、训练步数减少约55%；
- 系统自治边界：可实现训练系统的自主巡检与修复，但"所有自主调整均在人工设定的沙盒环境与验证标准内进行，保留完整、可回滚的记录"；
- 公司承诺的技术路线为"验证优先、全程可追溯、边界清晰"，并明确表示"在确保安全可控的前提下稳步扩大模型参与自身能力成长的范围"。
三、技术原理
模型侧以MoE稀疏激活实现"小激活、大总参"的高密度智能（激活10B即达主力级任务质量）；推理侧将思考强度做成四档接口，隐式思考模式下对外暴露的是可控粒度的推理链，兼顾效率与可审计。训练侧的RSI闭环本质是把"数据构造—质量判断—采样纠错"三件原本由人类工程师完成的事交给模型自身，用沙盒+回滚机制控制失控风险。
技术创新亮点
- 递归自我改进（RSI）机制： 这是云知声在该方向的首次落地实践，模型可自主参与任务生成、轨迹分析与纠错重采，自主构建了规模近10万的高质量SWE任务集；通过异步Agent RL、多自训练教师模型在线策略蒸馏等创新，有效训练轨迹数提升约60%，训练步数减少约55%，还可实现训练系统的自主巡检与修复，所有自主调整均在人工设定的沙盒环境内进行，全程可追溯、可回滚。
- 隐式思考可控接口： 内置隐式思考与连续状态推理机制，将推理强度封装为四档可控接口，在高强度档位可输出完整可读的推理链条，彻底解决大模型推理黑箱问题，确保推理过程可核查、可追溯。
- 全栈国产算力适配： 已完成对主流国产算力平台的系统性适配，摆脱对单一海外算力生态的依赖，为国内企业提供更灵活、安全的算力部署选择，完全满足自主可控的产业落地要求。
四、解决的问题
对客户而言，解决的问题是用远小于稠密旗舰模型的激活规模拿到主力级编程与Agent能力，同时把部署绑定在国产算力上；对行业而言，它示范了一种"上市公司如何合规地讲RSI故事"的披露模板——用可核查数字（64.6分、+60%轨迹、-55%步数）代替方向性口号。goto:AIDeepT数hiNk.cn
效率与成本优化
针对产业落地痛点，U2-Flash在端到端执行效率和推理成本上实现全面优化：
- Agent任务迭代步数减少20%–30%，任务执行周期直接缩短35%，复杂自动化任务完成速度显著提升。
- Token整体消耗降低20%–30%，在同等任务完成质量下大幅压低推理使用成本，降低企业规模化部署门槛。
五、相较上一代的提升
- DeepSWE v1.1得分翻倍；SWE-Bench Pro提升10.5分；
- Agent执行效率三项指标（步数/周期/token）均改善20%~35%。
- 公告未披露U2基座本身的参数与成绩，代际对比维度有限。
六、横向对比
| 模型 | 总参数/激活 | 公开强项 | RSI相关披露 | 开源情况 |
|---|---|---|---|---|
| 云知声 U2-Flash | 266B/10B | DeepSWE 64.6、TerminalBench 3.0 24.3 | 港交所公告披露任务生成/轨迹纠错/自巡检闭环 | 未开源（公告未提及） |
| DeepSeek V4.1 Flash | 552B/8B输入激活 | Terminal-Bench 2.1 90.6分（上期报道）、1M上下文 | 未见RSI专项披露 | MIT开源 |
| 智谱 GLM（下一代） | 未披露 | 融资公告披露完全自训练体系规划 | 60%融资投向RSI，业界首次以财务公告剧透技术路线 | 部分开源历史 |
| 蚂蚁 Ling-3.0-flash | 1240亿/激活51亿 | 上万个交互式环境训练、工具调用与推理成本 | 未提及RSI | 开源（Apache 2.0，上期报道VL版） |
口径提醒：各家基准来自各自公告与官方博客，评测环境与版本不完全可比，上表仅罗列各自公开的自报成绩，不构成同一卷面的排名。
七、应用场景
- 云知声的落地基本盘在物联网语音与医疗（此前披露的智慧医院、车载后装等场景）。
- U2-Flash统一权重+四档推理强度的设计，指向的是同一套底座在边缘设备（低强度档）与企业Agent任务（高强度档+完整推理链）之间复用的部署方式。
- 对医疗等强审计场景，"高强度档位输出完整可读推理链+国产算力适配"组合与其合规诉求直接对应。 可实操的验证路径：以其自报的"任务周期-35%、token消耗-20~30%"为POC验收指标，在自有SWE类任务集上与现用模型做同卷对比，再决定是否迁移。 goto:AIDeepT数hiNk.cn
附录：术语
1. 后训练（Post-training）
预训练 = 读万卷书，学的是"世界是什么样的"；后训练 = 上岗实习，学的是"这件事该怎么做"。U2-Flash 全部改动都在后训练阶段，这是判断它真实含金量的关键——后训练能提升的任务完成质量上限，受制于基座本身的知识与推理天花板。
2. Latent Reasoning（隐状态空间思考）
普通推理模型会把思考过程一字一句写出来（Chain-of-Thought），像学生把草稿纸摊开；Latent Reasoning 是在模型的隐藏状态里"打腹稿"，不落到文字。好处是省 Token、快；代价是不可观测。云知声的解法是把它封装成四档可调接口，最高档输出完整可读推理链——等于给用户一个"要省还是要查"的旋钮。
3. RSI（递归自我改进）
让模型参与自己的训练闭环——生成训练数据、分析失败轨迹、甚至巡检修复训练机器。这是本次发布话术里最响亮也最需要警惕的一个词，下面单独拆解。
- 云知声港交所公告
- 网易