实测云知声U2-Flash：18分钟速搓Agent、打造超写实大型滑梯

近日，云知声正式发布基于U2通用基座模型强化后训练的新一代高密度智能模型U2-Flash，在编程、智能体、推理等多领域能力实现显著突破。多家媒体对该模型展开专项实测，其在Agent生成、3D内容渲染、自主训练等场景的表现引发行业关注。

18分钟速搓Agent，执行效率成本双优化

本次实测中，U2-Flash仅用18分钟即可完成完整Agent的生成与调试，效率表现突出。该模型采用稀疏混合专家（MoE）架构，总参数规模约266B，单次推理激活参数仅约10B，首字响应时间平均控制在3秒以内，峰值输出吞吐最高达300 Tokens/s，以远小于同类型稠密模型的激活规模，实现了主力级任务完成质量。
在Agent专项任务表现上，U2-Flash较前代U2模型实现大幅提升：Agent任务迭代步数减少20%-30%，任务执行周期缩短35%，Token消耗降低20%-30%。在权威评测榜单中，U2-Flash代表编程能力的DeepSWE v1.1得分达64.6分，较前代翻倍，超过GLM5.3-Flash、DeepSeek-V4-Pro-0813等模型；TerminalBench3.0评分提升至24.3分，超过K3等万亿参数级别模型；SWE-Bench Pro评分达61.6分，较前代提升10.5分。此外，该模型已完成对主流国产算力平台的系统性适配，为规模化部署提供更灵活的算力选择。

40分钟渲染超写实滑梯，3D生成质感媲美专业产出

在3D内容生成实测场景中，U2-Flash展现了超写实的内容生成能力。测试人员要求其生成大型滑梯的3D模型，模型在完成初步建模后，经过几轮细节调整，总共用时40分钟就完成了全流程渲染。最终生成结果没有常见的塑料感，支撑柱的金属质感渲染效果突出，整体观感接近专业3D团队的产出，展现了其在具象3D内容生成领域的实用性。

自主闭环训练机制落地，模型迭代效率提升六成

U2-Flash在训练方式上实现了关键创新，建立了模型深度参与自身训练的自主闭环机制，是云知声在递归自我改进（RSI）方向上的第一步实践。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与自适应动态任务生成等技术，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与验证标准内进行，保留完整、可回滚的记录，保障了训练过程的安全可控。
此外，U2-Flash将编程、智能体、数学推理、指令遵循等多领域能力统一于同一套权重，具备隐式思考与连续状态推理机制，并将推理强度封装为四档可控接口，高强度档位可输出完整可读的推理链条，确保推理过程可核查、可追溯。

技术利好提振市场信心，云知声股价盘中涨近一成

U2-Flash的发布也直接反映在了资本市场的表现上。发布后，云知声（09678.HK）股价一度上升超10%，高见77.25港元；截至上午11时07分，报72.25港元，涨3.1%，成交额逾2.6亿元，显示投资者对公司技术突破与商业化落地前景的积极看好。