9月16日消息，港股上市公司云知声（09678.HK）发布自愿性公告，推出基于 U2 通用基座强化后训练的新一代主力模型 U2-Flash。公告给出的规格是：稀疏混合专家（MoE）架构，总参数约 266B，单次推理仅激活约 10B，首字响应平均控制在 3 秒以内，峰值输出吞吐最高 300 tokens/s。公告称模型在 DeepSWE、SWE-Bench Pro、TerminalBench 三份编程与智能体评测上超过 GLM-5.3-Flash、DeepSeek-V4-Pro-0813 等型号，并把递归自我改进（RSI）引入了后训练闭环。 266B 只激活 10B，推理强度分四档
U2 的上一代定位偏效率，这一版按公告说法转向承担复杂生产任务的主力模型，编程、智能体、数学推理与指令遵循统一在同一套权重里。激活比例不到 4%，加上首字 3 秒以内和 300 tokens/s 的峰值吞吐，规格整体压着成本设计。
推理机制上，公告称模型具备隐式思考与连续状态推理能力，推理强度封装为四档可控接口，最高档位可输出完整、可核查的推理链条。部署侧，模型已完成对主流国产算力平台的系统性适配，具体平台名单公告未列。
三份 benchmark 的分数与口径
公告给出的分数：DeepSWE v1.1 拿到 64.6 分，较前代翻倍，公告称超过 GLM-5.3-Flash 和 DeepSeek-V4-Pro-0813；SWE-Bench Pro 拿到 61.6 分，较前代提升 10.5 分；TerminalBench 3.0 拿到 24.3 分，公告称超过 K3 等万亿参数级模型。效率侧，Agent 任务的迭代步数减少 20%–30%，执行周期缩短约 35%，Token 消耗降低 20%–30%。
这些数字的口径需要说清：全部成绩为云知声自行评测，对比的竞品型号与榜单由厂商选定，目前没有第三方实测可对照。选型团队引用时，"公告口径"是必要前缀。
RSI 进了后训练闭环
这轮发布里概念最重的是训练方法。公告称 U2-Flash 把递归自我改进引入后训练，是公司在这个方向的第一步实践：模型参与任务生成、轨迹分析与纠错重采样，自主构建了规模近 10 万的高质量 SWE 任务集；训练管线采用异步 Agent RL、多自训练教师模型的在线策略蒸馏和自适应动态任务生成，有效训练轨迹数提升约 60%，训练步数减少约 55%，模型还能自主巡检与修复训练系统。公告同时给出边界：全部调整在人工设定的沙盒与验证标准内进行，保留完整可回滚记录。
RSI 这个词同一周里出现了两层。前一天（9月14日），Google 团队提交 Dream-RSI 论文，把 agent 的探索历史变成回放模拟器来改进搜索策略，作用在推理时的探索层；云知声的 RSI 则落在训练数据闭环，让模型参与造训练任务。两件事同名不同层，却说明同一个趋势：RSI 正从论文概念进入厂商的训练管线叙事。
对国产算力上的 Agent 采购方，市场上多了一个自述高分的选项；榜单和对比型号由厂商选定，实际成色仍需自建评测。公告把它定性为"从人工主导训练迈向模型参与自身演进"，这句话是公司对自家路线的表述，不是行业已达成的状态。
据香港经济日报报道，公告发布后云知声股价 9月15日一度升逾 9%。
AI 速览
