國產 RSIS 模型交卷！Flash 模型靠它反打旗艦
為何重要
U2-Flash 展示了 RSI（遞迴自我改進）從科幻概念走向工程實踐的關鍵一步，將後訓練競爭點從「人餵食資料」轉向「模型自我生成有效經驗」。對國內廠商而言，算力適配與全鏈路後訓練效率將是核心護城河；對投資人而言，此類具備「自我迭代」體系的生態閉環穩定性與商業化潛力是估值評估重點。
「港股AGI第一股」雲知聲正式釋出 U2-Flash，旨在驗證遞迴自我改進（RSI）的工程化落地，讓模型深度參與自身的訓練資料生成與系統維護。這是一款稀疏 MoE（混合專家）架構的開源/商用模型，在保持低價快速優勢的同時，顯著提升程式碼與 Agent 能力。
- 生成速度相比 U2 提升 2.1 倍，Agent 任務完成時間縮短 35%，Token 消耗降低 20% 至 30%。
- 採用稀疏 MoE 架構，總引數約 266B，單次推理僅啟用約 10B 引數（不到總引數的 4%）。
- DeepSWE v1.1 得分從 32 分升至 64.6 分，SWE-Bench Pro 達 61.6 分（較前代提升 10.5 分）。
- 提供輸入 0.6 元、輸出 1.2 元、快取命中 0.12 元每百萬 Tokens 的行情價，並開放 1 億 Tokens 免費試用。