云知声发布U2-Flash：266B总参数只激活10B，模型参与自身训练

9 月 15 日，云知声对外发布新一代主力模型 U2-Flash。公司的定位很明确：这不是旗舰模型砍出来的轻量版，而是要在同等延迟和成本下完成主力级任务的稠密替代品。公告里给了两件事的具体数字——参数结构和训练方式，后者是这次真正值得看的部分。

U2-Flash 采用稀疏混合专家架构，总参数约 2660 亿，单次推理激活约 100 亿，激活比例不到权重的 4%。编程、智能体、数学推理、指令遵循这几类能力统一在同一套权重里，不用为不同任务切换不同的模型版本。推理方式上，模型具备隐式思考与连续状态推理机制，并把推理强度封装成四档可控接口——需要快速回答时用低档位，需要严谨推导时用高档位，高档位会输出完整可读的推理链条，方便核对。

据公开榜单，U2-Flash 在 DeepSWE v1.1 中取得 64.6 分，超过 GLM-5.3-Flash 和 DeepSeek-V4-Pro；在 TerminalBench3.0 中提升到 24.3 分。工程效率方面，官方给出的数字是智能体任务迭代步数减少 20% 到 30%，Token 消耗同等幅度下降。效率类数字比评测分数更值得关注。对做智能体产品的团队来说，同一任务少跑三分之一的步数，直接对应的是响应时间和调用成本，这比多考几分更能影响能不能上线。

模型参与了自己的训练，公告里最有信息量的一段就在训练侧。U2-Flash 建立了一套模型深度参与自身训练的闭环：模型参与任务生成、轨迹分析和纠错重采，自主构建了近 10 万条高质量的任务集；配合异步强化学习、多教师模型在线策略蒸馏、自适应动态任务生成等手段，训练轨迹数提升约 60%，训练步数减少约 55%，训练系统还能做自主巡检与修复。公司把这件事定义为递归自我改进方向上的第一步实践。同时明确了一条边界：所有自主调整都在人工设定的沙盒环境和验证标准内进行，保留完整、可回滚的记录。

真正要区分的是自动化与自主权。让模型参与数据生成、轨迹分析，这类自动化在训练流程里并不新鲜；值得盯的是自主决策的边界——沙盒范围有多大、验证标准谁定、回滚记录是否真实可用。公告把可回滚写进去，说明这条线厂家自己也很在意。读到评测分数时先看口径。榜单分数受题目分布、推理档位、是否允许工具调用影响很大，跟自己业务场景的匹配才是真问题。国产算力适配算是加分项。公告明确该模型已完成对主流国产算力平台的系统性适配，对在意部署成本的团队，这决定了它能不能落在已有硬件上。顺带说一句，同一天还有另一家国产团队上线了开源的新模型，国内大模型这一轮的发布密度，比大多数人预期的要高。