国产RSI模型交卷！Flash模型靠它反打旗舰
内容提要
云知声发布U2-Flash，率先交出国产RSI早期答卷。该模型采用稀疏MoE架构，总参数266B、单次仅激活约10B，速度提升2.1倍，能力反超上一代U2。其核心是后训练闭环：自主生成任务、异步Agent RL、多教师在线策略蒸馏，让模型参与生成数据、分析轨迹乃至维护训练系统，已显露L3级自我改进特征。
延伸解读
Flash定位的突破：更快更省，能力反超
通常Flash模型是旗舰的平替，速度更快、成本更低，但能力会有所妥协。U2-Flash却打破了这一惯例：相比上一代U2，生成速度提升2.1倍，Agent任务完成时间缩短35%，任务迭代步数和Token消耗降低20%至30%，同时能力反超U2，部分表现甚至进入万亿参数级模型区间。这得益于稀疏MoE架构，总参数266B但单次仅激活约10B，实现了高智能密度。
后训练闭环：模型如何参与自我改进
U2-Flash的核心是后训练闭环，包含三个关键机制：自主任务生成，动态产生近10万道高质量SWE任务，解决“练什么”；异步Agent RL，通过多Worker并行执行，单位时间有效训练轨迹提升约60%，解决长任务“怎么练”；多教师在线策略蒸馏，由专项教师模型逐Token打分，使达到同等能力所需训练步数减少约55%。闭环还延伸至训练系统维护，故障平均恢复时间缩短至人工介入的三分之一左右。
RSI分级下的位置：显露L3特征
RSI（递归自我改进）尚无行业统一定义，但上海交大、清华等机构提出的L1-L5路线图提供了参考。按此分级，U2-Flash已显露L3特征：它仍在人工设定的沙盒、规则和授权边界内运行，但开始参与决定下一版自己该学什么。这与OpenAI和Anthropic的判断相呼应——真正的分水岭在于一次改进能否沉淀下来、进入下一轮，再推动新的改进。
国产算力适配：长期运行的关键
越往L3之后走，模型越需要反复生成数据、执行任务、接受训练和重新验证，对算力、推理框架和集群调度要求越高。U2-Flash强调对国产算力的适配，已围绕主流国产算力平台对模型架构、核心算子、推理框架和集群调度进行优化，实际服务中吞吐、时延、并发和集群扩展效率持续提升，部分场景已接近NVIDIA GPU方案。这关系到自我迭代体系能否稳定、可控地长期运行。
Q&A
云知声U2-Flash模型的主要特点是什么？
U2-Flash采用稀疏MoE架构，总参数约266B，单次推理仅激活约10B参数。相比上一代U2，生成速度提升2.1倍，Agent任务完成时间缩短35%，任务迭代步数和Token消耗降低20%至30%，同时能力反超U2，在代码、Agent等任务上表现接近万亿参数级模型。
U2-Flash的后训练闭环包含哪些关键机制？
后训练闭环包含三个关键机制：自主任务生成，动态生成适合当前能力的训练任务；异步Agent RL，通过多Worker并行执行加速训练；多教师在线策略蒸馏，由专项教师模型对学生模型轨迹进行细粒度评分。
U2-Flash在实测中表现如何？
在实测中，U2-Flash能自主发现并修复代码问题，7分6秒找出全部三个埋藏问题；在环境混乱时，3分32秒锁定故障并修复，测试从1项补到7项；处理14份文件、四种格式的512K长上下文任务，8分36秒完成交付，准确更新了日期和成绩数据。
U2-Flash的API定价和免费额度是怎样的？
U2-Flash当前限时六折，输入价格0.6元/百万Tokens，输出价格1.2元/百万Tokens，缓存命中价格0.12元/百万Tokens。2025年9月15日至9月30日，用户可免费领取1亿Tokens使用额度。
RSI是什么？U2-Flash在RSI分级中处于什么水平？
RSI（递归自我改进）指模型参与改进下一代自身。根据上海交大等机构提出的L1-L5分级，U2-Flash已显露L3特征：在人工设定的沙盒和规则边界内，开始参与决定下一版自己该学什么。
U2-Flash如何适配国产算力？
U2-Flash围绕主流国产算力平台，对模型架构、核心算子、推理框架和集群调度进行了适配优化。实际服务中，在国产平台上的吞吐、时延、并发和集群扩展效率持续提升，部分场景已接近NVIDIA GPU方案。
