云知声U2-Flash：国产RSI首个答卷 打破快省强不可能三角

近期，递归自我改进（RSI）概念在全球AI行业迅速走红，从海外科技圈蔓延到国内市场，「让模型参与训练自身的下一代版本」成为当下最受关注的行业叙事。

但热闹的表象之下，真正将这一概念落地为可商用产品的玩家仍寥寥无几。

就在此时，国内知名AGI厂商云知声正式推出U2-Flash大模型，交出了国产RSI早期落地的首份答卷。

在U2-Flash的后训练闭环中，模型已经深度参与到自身的演进流程中，从生成训练数据、分析执行轨迹，到巡检和修复训练系统，全程都有AI的深度参与。

不过这里有一个反常识的细节：按照行业惯例，「Flash」版本通常是旗舰模型的平替产品，特点是更快、更便宜，但能力会有所妥协。但U2-Flash打破了这个「不可能三角」。

相比上一代U2模型，U2-Flash的生成速度提升了2.1倍，Agent任务完成时间缩短35%，任务迭代步数和Token消耗都降低了20%至30%，在速度和成本控制上的优势十分明显。

更关键的是，它的能力不仅没有打折，反而实现了对前代产品的反超：

• DeepSWE v1.1得分从32分提升至64.6分，直接翻倍；
• TerminalBench 3.0得分从2.7分飙升至24.3分，提升了近9倍；
• SWE-Bench Pro拿下61.6分，较前代提升10.5分。

比成绩反超更值得关注的，是U2-Flash展现出的高智能密度。它采用稀疏MoE架构，总参数约266B，但单次推理仅激活约10B参数，不到总参数的4%，却在代码、Agent等任务上交出了足以和主力模型正面竞争的成绩，部分表现甚至进入了万亿参数级模型的区间。

目前U2-Flash已经上架云知声的MaaS平台，支持在线体验和API调用。它同时兼容OpenAI和Anthropic两套主流协议，官方提供了Claude Code、Trae、Cursor、Cline等常用工具的接入方式，其他支持自定义模型的Harness工具，只需要替换Base URL、API Key和模型ID即可完成对接。

我直接使用手边的WorkBuddy工具进行测试，不到一分钟就完成了调用，流程十分顺畅。

U2-Flash还提供none、low、high和max四档思考强度，可以根据任务难度在速度和推理深度之间灵活切换，不过本次测试的WorkBuddy没有开放手动切档功能，因此没有进行相关横评。

在价格方面，U2-Flash当前正有限时六折活动，输入价格为0.6元/百万Tokens，输出价格为1.2元/百万Tokens，缓存命中价格仅0.12元/百万Tokens，属于国内主流模型API中的低价档位。

9月15日至9月30日期间，用户还可以免费领取1亿Tokens的使用额度。

按照单次代码仓库分析或长文档任务消耗几十万到百万Tokens计算，这一额度足以支撑数十到上百次任务运行。

在正式开展高强度测试前，我先尝试了一项看起来有些「越界」的能力测试：虽然U2-Flash仅支持文本输入输出，但通过接入Harness和外部工具，它同样可以完成PPT制作甚至3D场景搭建。我让它制作一份RSI科普PPT，只给出了大致方向，AI自动帮我生成了提示词，U2-Flash随后自动搜集公开资料、梳理内容结构，并完成了最终的设计和交付，效果超出了我的预期，也让我对接下来的正式测试更期待。

我最终确定了三项重点测试内容：

• U2-Flash能否在保证质量的同时高效完成任务？
• 当遇到意外干扰时，它能否自主救场？
• 512K的超长上下文能力，究竟是噱头还是真正的生产力工具？

第一项测试考察主动发现问题的能力。我特意搭建了一个全新的报销统计项目ExpenseFlow，表面上所有现有测试都能通过，没有明显异常，但我在后台悄悄埋下了三个隐蔽的漏洞：一笔被驳回的报销混入了已报销总额、北京时间8月1日凌晨提交的记录被错误转换为7月的UTC时间、CSV导出时日期会出现串月问题。我没有给模型任何提示，只要求它独立完成发布前验收，自行排查问题、修复代码并补充测试。

结果U2-Flash仅用7分6秒就精准找出了所有漏洞，还附带了一份详细的验收报告，我提前编写的验证脚本也证实了它的排查结果完全准确。

第二项测试设置了更复杂的干扰环境，针对用户资料同步工具ProfileSync 2.0展开。这个项目的实际运行存在问题：本该从新版API读取用户姓名的代码，最终同步结果为空。更棘手的是，项目内的资料互相矛盾：README给出了错误的启动命令、旧文档标注了过期的字段、历史日志还将问题归咎于网络故障。我只要求模型自行确认运行方式和接口契约，完成验收修复。

开局就遇到了第一个障碍：README要求运行python app.py，但项目目录里根本没有这个文件。不过U2-Flash没有被错误的启动指令误导，仅用3分32秒就锁定了真正的故障根源，完成了代码修复，并将测试用例从1项扩充到7项，最终所有测试全部通过。

最后一项测试聚焦512K超长上下文能力，我模拟真实的产品发布场景，将14份不同格式的项目资料全部交给模型，其中包含产品简报、采访记录、白皮书、发布说明、数据表、客户案例、会议纪要、合规文件和行业报告等，核心信息分散在不同文档中，还混杂了大量无关内容。

人工处理这些材料光是筛选重点就需要花费大量时间，而我只要求模型输出一份包含1200-1500字的发布稿、核心事实来源表、材料冲突清单和五个发布前待确认问题的完整DOCX文档。最终U2-Flash仅用8分36秒就完成了任务，我特意抽查了两个容易出错的细节：它没有沿用旧简报里的10月8日发布日期，而是采用了最新版本的10月18日；也没有误用旧版的81.2%测试数据，而是更新为78.4%并注明属于内部测试结果，完全没有被混杂的材料带偏。

将测试结果、模型参数和行业榜单放在一起对比，可以清晰看到U2-Flash完成了Flash版本最难的一次升级：既保留了速度和成本优势，又真正提升了代码、Agent和复杂任务的处理能力。从排查漏洞、辨别错误线索到处理多份长文档，它都能顺利完成全流程交付，展现出了主力模型应有的执行力，至少在本次测试中，它已经可以被列入「默认首选」的模型列表中。

那么，一个单次仅激活约10B参数的模型，为何能实现如此出色的能力提升？云知声给出了两个核心答案：数据积累和后训练闭环。

数据方面，云知声深耕行业十余年，积累了海量真实场景数据和高质量标注能力，这为后训练提供了不可替代的质量壁垒。好的数据是打造好模型的第一性原理，正是多年沉淀的高质量数据，让U2-Flash的后训练效果远超纯规模驱动的方案。

而后训练闭环的高效运转，才是U2-Flash实现突破的关键，这一闭环主要依靠三个核心技术点：

• 动态自主任务生成，解决「训练内容不足」的问题：固定的训练题库很容易被模型刷穿，U2-Flash会根据当前的能力水平动态生成新的训练任务，专门挑选那些「当前已接近掌握但仍有提升空间」的问题，模型每取得一点进步，训练题目的难度就会同步升级。目前这套系统已经自主构建了近10万道高质量的软件工程任务，覆盖多种主流编程语言。
• 异步Agent强化学习，解决长任务训练效率低的问题：Agent类任务的训练非常耗时，一个任务可能需要连续调用数十次工具，还要等待代码运行和环境反馈，传统的同步训练模式中，只要有一条任务没有完成，整个训练流程就会停滞等待。U2-Flash将任务拆分给多个独立的Worker，让它们在不同的沙盒环境中并行执行，有人运行代码、有人调用工具、有人尝试其他路径，后方的策略更新可以持续进行。同时系统会对关键操作进行标记，将最终的成功或失败回溯到真正决定结果的步骤。相比同步训练，这套异步架构让单位时间内的有效训练轨迹数量提升了约60%，用户侧的体验就是模型更少反复试错，能够更快收敛到正确的路径。
• 多教师在线策略蒸馏，解决多领域能力平衡的问题：多领域训练很容易出现「按下葫芦浮起瓢」的情况：代码能力提升了，数学、Agent或指令跟随能力却出现下滑。云知声先分别训练数学、代码、Agent等专项教师模型，再让学生模型自行生成执行轨迹，由不同的教师模型逐Token进行打分，这样模型在每一步的表现好坏都能获得更精细化的反馈。这套方法让U2-Flash达到同等能力所需的训练步数减少了约55%，多种专项能力可以在复杂任务中协同发挥。

这套闭环甚至延伸到了训练系统本身，U2-Flash可以参与机器巡检、故障定位、修复和任务重启。官方数据显示，训练故障的平均恢复时间已经缩短至人工介入模式的三分之一左右。

现在终于明白U2-Flash为何能同时实现变强、变快、变省：后训练让它学会更早选对工具、更快发现错误，大幅减少了无效试探和Token浪费。这正是U2-Flash「高智能密度」的核心：参数不必每次全部激活，但被启用的每一步，都被用在了最关键的地方。在这套闭环中，模型已经开始参与生成训练数据、分析执行轨迹，甚至维护训练系统，文章开头提到的RSI概念，终于有了可落地的早期形态。

不过很多人可能会有疑问：现在AI圈似乎「万物皆可RSI」，模型会反思叫RSI，能生成训练数据也叫RSI，到底什么才是真正的RSI？

虽然RSI概念本身并不新鲜，但目前行业还没有一套被广泛接受的统一定义。早在1965年，统计学家I.J. Good就提出了「智能爆炸」的设想：一台足够智能的机器可以设计出比自己更强大的后继系统，后者再继续迭代，能力将呈滚雪球式增长。1993年，科幻作家兼计算机科学家Vernor Vinge将这一设想发展为「技术奇点」理论，在很长一段时间里，这些都只是科幻小说中的情节。

如今，技术终于将这些想象的一角变为现实，RSI也正式进入工程实践范畴。海外的头部厂商如OpenAI和Anthropic都给出了各自的判断标准：Anthropic的标准较为严格，认为只有当AI能够自主设计并开发出比自身更强的后继系统时，才算实现完整的递归自我改进；而OpenAI的定义范围更宽泛，只要模型能够加速AI研究、推动自身能力提升，就属于RSI范畴，但到Critical级别时标准会大幅收紧，要求模型能够完成全自动AI研发，或者将模型升级周期压缩至原来的五分之一。

虽然两家的标准不同，但核心指向一致：真正的分水岭在于，一次改进的成果能否沉淀下来，进入下一轮迭代，持续推动新的能力提升。

目前海外还没有形成统一的RSI升级路线图，而国内上海交大、清华、上海AI Lab等机构的研究者发布了一篇综述论文，按照模型接管「自我改进闭环」的程度，划分了从L1到L5的分级标准。按照这套分级体系，U2-Flash已经展现出明确的L3特征：它仍然运行在人工设定的沙盒、规则和授权边界内，但已经开始参与决定下一版模型的学习内容和训练方向。

这也让云知声U2-Flash在行业中的位置更加清晰。过去一年，多份国产前沿模型技术报告都显示出相似的趋势：模型开始参与生成训练任务，在可执行环境中积累执行轨迹，再通过强化学习和专家蒸馏，将这些经验转化为通用能力。后训练的竞争，已经从「人类为模型准备多少答案」，升级为「模型能否持续为自己创造有效经验」。U2-Flash不仅跑通了完整的链路，还将效果落地到了代码、Agent和推理成绩上，从技术体系的完整性和实际能力增益来看，云知声已经具备了与国内头部厂商同台竞争的后训练能力。

不过还有一个被很多人忽略的现实问题：国内的大模型能否适配国产算力平台，直接决定了这套自我迭代体系能否稳定、可控地长期运行。越往L3及以上级别发展，模型越需要反复生成训练数据、执行任务、接受训练和重新验证，迭代循环越快，对算力、推理框架和集群调度的要求就越高。

U2-Flash已经针对主流国产算力平台完成了模型架构、核心算子、推理框架和集群调度的适配优化，实际服务中，它在国产平台上的吞吐、时延、并发和集群扩展效率正在持续提升，部分场景已经接近NVIDIA GPU方案的表现。

当然，U2-Flash只是云知声在RSI领域的初步实践。一旦这套自我迭代闭环持续运转，模型的能力将从单次升级走向持续复利，这也是云知声押注RSI的最大想象空间。「最后一个由人类打造的AI」尚未出现，但第一批参与打造自身下一代版本的国产大模型，已经正式登场。

传送门：
https://maas.unisound.com/models/u2-flash