云知声发布 U2-Flash：总参数约 266B、单次推理激活约 10B，自报 DeepSWE v1.1 得分 64.6

9 月 15 日，云知声智能科技股份有限公司（UNISOUND AI TECHNOLOGY，港交所股份代号 9678）发布，正式推出新一代高密度智能模型 U2-Flash。公告称，该模型基于 U2 通用基座模型强化后训练而来，采用稀疏混合专家（MoE）架构，总参数约 266B，单次推理激活约 10B 参数。

公司自报的编程成绩较前代模型翻倍：DeepSWE v1.1 榜单得分 64.6，超过 GLM5.3-Flash 和 DeepSeek-V4-Pro-0813 等模型。

首字 3 秒、峰值 300 Tokens/s，以及国产算力平台适配

公告由执行董事兼首席执行官黄伟签署。云知声在其中称，此次披露旨在知会股东及潜在投资者有关公司的最新技术进展；公告将 U2-Flash 描述为一款「高密度智能模型」，称其把编程、智能体、数学推理、指令遵循等多领域能力统一在同一套权重上，并以远小于同类稠密模型的激活规模实现了主力级任务完成质量。

速度方面，公告称 U2-Flash 首字响应时间平均控制在 3 秒以内，峰值输出吞吐最高 300 Tokens/s。推理方面，模型具备隐式思考与连续状态推理机制，推理强度被封装为四档可控接口，在高强度档位输出完整可读的推理链，公司称其推理过程「可核查、可追溯」。

公告还称，U2-Flash 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」。同一天，云知声官网首页将 U2 Flash 设为主推头图，页面描述其为「面向复杂任务的高性价比通用大模型，具备推理、办公、Coding 与 Agent 等能力」，主视觉标语是「Flash，不再只是效率的代名词，而是主力智能的新形态」（）。

24.3 分、61.6 分，以及 Agent 成本的三项降幅

U2-Flash 的对照对象是前代 U2，后者为云知声今年 6 月发布的原生智能体大模型（）。公告称，U2-Flash 的 TerminalBench 3.0 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。新浪财经当日的报道也转述了 DeepSWE v1.1 与 TerminalBench 3.0 的对比结论（）。

公告给出的三项效率降幅是：Agent 任务迭代步数减少 20%～30%、任务执行周期缩短 35%、Token 消耗减少 20%～30%。

这些成绩与对比均出自云知声的披露；公告能证明公司作出了这些声明，但不能独立证明这些声明为真。

「模型深度参与自身训练」：近 10 万条 SWE 任务的 RSI 闭环

公告同时披露了训练方式：U2-Flash 建立了「模型深度参与自身训练」的自主闭环机制，公司将其称为在递归自我改进（RSI）方向上的第一步实践。

按其描述，模型可参与任务生成、轨迹分析、纠错重采，并自主构建了规模近 10 万的高质量 SWE 任务集；训练侧采用异步 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，使有效训练轨迹数提升约 60%、训练步数减少约 55%，并可实现训练系统的自主巡检与修复。

上线 MaaS：注册即领 1 亿 Token，调用限时 6 折

公告之外，更具体的接入信息在云知声自己的 MaaS 平台上。U2-Flash 已被列为可调用模型，产品页描述为「面向复杂任务的通用大模型，具备推理、Coding、长文档处理与 Agent 任务能力」；平台顶部横幅写着「U2 Flash 全新上线｜面向真实生产任务的新一代高性能模型，注册即领 1 亿 Token」（）。

价格页把成本写得更清楚：U2 Flash 按量计费为输入 0.6 元、缓存命中 0.12 元、输出 1.2 元，计价单位是每百万 tokens，当前标注「限时 6 折」；作为对照，前代 Unisound U2 的标价为输入 1 元、缓存命中 0.2 元、输出 2 元（）。平台的促销信息把这一折扣表述为「API 调用限时 6 折」。

发布当日行情：港股涨超 9%，隔夜费城半导体指数跌 5.86%

21 世纪经济报道记录了当天的港股行情：9 月 15 日早盘，港股硬科技板块震荡走强，云知声涨超 9%，在该板块成分股中涨幅居前（）。

同一篇报道里，隔夜美股是另一番景象：三大指数集体收跌，道指跌 0.29%、标普 500 跌 0.48%、纳指跌 0.56%；费城半导体指数大跌 5.86%，创 7 月以来最大单日跌幅，存储与光通信板块领跌，SK 海力士跌超 7%，美光科技、英特尔跌超 5%，英伟达、台积电跌超 3%。报道提到，有业内人士把 AI 硬件产业链的承压与「多家美国 AI 企业 CEO 呼吁放缓技术发展节奏」的市场消息联系起来。

报道还引述了招商证券的判断：AI 正由模型能力和资本投入逐步向应用及商业化落地延伸，大模型竞争已由参数扩张转向「能力×效率」，模型使用成本下降有利于下游应用扩大商业化规模。

在训练机制上，公司称将在确保安全可控的前提下稳步扩大模型参与自身能力成长的范围；公告同时写明，所有自主调整都在人工设定的沙盒环境与验证标准内进行，并保留完整、可回滚的记录。