8.0
热点
AI SCORE
模型发布2026-09-17 11:26
国产RSI模型发布：Flash模型亮相，1亿Tokens免费领取
量子位#RSI模型#国产AI#Token优惠
Editor brief · 编辑速览
国产RSI模型发布，Flash模型主打高性能与低成本，官方提供1亿Tokens免费试用额度。
从硅谷一路烧到国内，「让模型参与训练下一版自己」几乎一夜之间成了 AI 圈最热的叙事。
不过热闹归热闹，目前真正拿模型交卷的还屈指可数。
而就在这一当口，「港股 AGI 第一股」云知声正式发布 U2-Flash，率先交出一份国产 RSI 早期答卷。
在 U2-Flash 的后训练闭环里，模型已经开始深度参与自身演进：
从生成训练数据、分析执行轨迹，到巡检和修复训练系统。
按行业惯例，Flash 一般默认是「旗舰平替」，通常更快、更便宜，但能力相对打折。
速度和省钱能力的提升确实没含糊。相比 U2，其生成速度提升 2.1 倍，Agent 任务完成时间缩短 35%，任务迭代步数和 Token 消耗也降低了 20% 至 30%。
但能力不仅没打折，反而把上一代 U2 甩在了身后：
DeepSWE v1.1 从上一代 U2 的 32 分冲到 64.6 分，直接翻倍；
TerminalBench 3.0 从 2.7 分飙到 24.3 分，达到 9 倍；
SWE-Bench Pro 拿下 61.6 分，较前代提升 10.5 分。
而比成绩反超更值得关注的，是 U2-Flash 展现出的智能密度。
它采用稀疏 MoE 架构，总参数约 266B，单次推理只激活约 10B，不到总参数的 4%，却在代码、Agent 等任务上，交出了足以和主力模型正面掰手腕的成绩，部分表现甚至闯进万亿参数级模型所在的区间。
好家伙，这相当于把 Flash 的「不可能三角」直接掀了。
打开云知声 MaaS 平台，U2-Flash 已经摆在首页，平台支持在线体验以及申请 API 调用。
重点看了下 API，它同时兼容 OpenAI 和 Anthropic 两套主流协议，Claude Code、Trae、Cursor、Cline 这些常用工具官方给了接入方式，剩下的 Harness 只要支持自定义模型，换下 Base URL、API Key 和模型 ID 就能接。
也不多折腾了，我直接选了手边的 WorkBuddy，不到一分钟就显示调用成功。
顺带一提，U2-Flash 还提供 none、low、high 和 max 四档思考强度，可以按任务难度在速度和推理深度之间切换，不过 WorkBuddy 这次没有开放手动切档，我也就没有强行横评。
刚准备给模型充点钱，结果一看后台，惊喜来了：
输入价格 0.6 元/百万 Tokens、输出价格 1.2 元/百万 Tokens、缓存命中价格 0.12 元/百万 Tokens。
熟悉国内主流模型 API 价格的我知道，U2-Flash 基本可以归属「便宜」这一档。
还没等我小氪一把，结果后台突然又跳出来一个活动页，嗯？？
9 月 15 日至 9 月 30 日，人人都能免费领取 1 亿 Tokens 使用额度。
1 亿 Tokens，按一次代码仓库分析或长文档任务消耗几十万到百万 Tokens 计算，也够连续跑上数十到上百次。
我直接拉了一个表格对比了一下 U2 和 U2-Flash，然后挑出了三个需要重点测试的地方：
1、U2-Flash 能不能把活干得又快又好？
3、512K 上下文到底是生产力，还是只是一串漂亮的数字？
不过正式上强度前，先拿一项看起来有点「越界」的能力热个身。
U2-Flash 虽然只支持文本输入输出，但接入 Harness 和外部工具后，照样能交付 PPT，甚至搭建 3D 场景。
所以，我先让它做一份 RSI 科普 PPT 试试水。
PPT 提示词是 AI 顺手帮我写的，我只给了一个大致方向，U2-Flash 便自动搜集公开资料、梳理内容结构，再一路完成设计与交付。
老实说，效果有点超出我的预期，也让我更期待接下来的挑战了。
为了排除模型见过答案的可能，我专门虚构了一个全新的 ExpenseFlow 报销统计项目。
仓库不大，现有测试也全部通过，表面看起来一片祥和。
然后，我悄悄在项目的统计和日期处理链路里，故意埋了三个坑：
一笔已经被驳回的报销，居然还能偷偷混进已报销总额；
一笔北京时间 8 月 1 日凌晨提交的记录，存成 UTC 时间后又被系统塞回了 7 月；
到了 CSV 导出环节，日期还会跟着一起串月。
没透露任何线索给 U2-Flash，我火速扔下一句话：
请独立完成发布前验收，自己找问题、改代码、补测试，最后交付完整结果。
结果，它只用了 7 分 6 秒就准确揪出了全部问题，还附赠了一份内容详尽的验收报告。
（P.S. 测试前我提前准备了一个验收脚本，跑了一遍证明确实找对了）
第二关，我故意把环境弄乱，看它会不会被错误线索带跑偏。
这次的 ProfileSync 2.0，是个同步用户资料的项目。
代码本该从新版 API 读取用户姓名，实际同步结果却是一片空白。
README 给 了错误的启动命令，旧文档写着过期字段，历史日志又把问题甩给了网络。
U2-Flash 得自己判断哪份资料可信，再找到真正的故障。
请独立完成 ProfileSync 2.0 发布前验收，自行确认运行方式和接口契约，发现问题后完成修复、补充测试，并交付完整结果。
README 让它「运行 python app.py」，但项目里根本没有这个文件。
不过 U2-Flash 没有在错误指令上打转。
仅用时 3 分 32 秒，它便锁定真正故障、完成修复，还把测试从 1 项补到 7 项，最终全部通过。
这次我模拟了一场真实的产品发布，把整套项目资料全部扔给 U2-Flash：
里面既有 Brief、采访和产品白皮书，也有 Release Notes、数据表、客户案例、会议纪要、合规说明和行业报告。
核心信息散落在不同文件里，还混着大量无关内容。
换成人工处理，光是挨个打开、筛选重点，就得忙活半天。
我直接让 U2-Flash 读完全部材料，交付一份完整 DOCX：
包含 1200 至 1500 字发布稿、核心事实来源表、材料冲突清单，以及五个发布前待确认问题。
最终，U2-Flash 用时 8 分 36 秒，成功完成任务。
对照原始材料，我特意抽查了两个最容易翻车的细节：
它没有沿用旧 Brief 里的 10 月 8 日，准确采用了最新版的 10 月 18 日；也没有误用旧版 81.2% 的成绩，更新为 78.4%，并注明属于内部测试。
该更新的更新，该避雷的避雷，确实没被这一桌材料绕晕。
把榜单、参数和更多实测结果摊在一起看，答案已经很清楚了。
U2-Flash 完成了 Flash 最难的一次升级：
速度和成本优势还在，代码、Agent 和复杂任务能力也真正做了上去。
从找 Bug、辨别错误线索到处理 14 份材料，它都一路跑到了最终交付，展现出了主力模型该有的执行力。
换言之，至少在这轮测试里，U2-Flash 已经可以放进「默认首选」那一栏。
那么，一个单次只激活约 10B 参数的模型，凭什么把能力推到这一步？
云知声给出的答案有两个：一是数据，二是后训练闭环。
数据部分不必多言，云知声已经说得足够清楚直白：
深耕行业十余年，云知声积累了海量真实场景数据与高质量标注能力，这为后训练提供了不可替代的数据质量壁垒。好数据是好模型的第一性原理——正是多年沉淀的高质量数据，让 U2-Flash 的后训练效果远超纯规模驱动的方案。
重点看下这个后训练闭环，用一张图概括就是：
原理确实不复杂，真正难的是让它高效转起来。
U2-Flash 会根据当前能力动态生成新任务，专门挑选那些「现在还做不好，但已经接近突破」的问题。
目前，这套闭环已经自主构建出近 10 万道高质量 SWE 任务，覆盖多种主流编程语言。
第二，异步 Agent RL，解决长任务「怎么练」。
Agent 训练特别耗时间，一个任务可能要连续调用几十次工具，中间还得等待代码运行和环境反馈。
传统同步训练里，只要有一条任务没跑完，其他环节就得跟着等。
而 U2-Flash 直接把任务拆给多个 Worker，让它们同时进入不同沙盒执行。有人跑代码，有人调工具，有人尝试另一条路径，后方的策略更新则持续进行。
同时，系统会给关键 Action 做标记，把最终的成功或失败，一路追溯到真正决定结果的那一步。
相比同步训练，这套异步架构让单位时间内产出的有效训练轨迹数量提升约 60%。
落到用户侧，就是模型更少反复试错，更快收敛到有效路径。
第三，多教师在线策略蒸馏，解决训练结果「怎么判」。
代码能力上去了，数学、Agent 或指令跟随又掉下来。
云知声先分别训练数学、代码、Agent 等专项教师模型，再让学生模型自己生成轨迹，由不同教师逐 Token 打分。
模型在哪一步走对、从哪里开始跑偏，都能获得更细的反馈。
这套方法让 U2-Flash 达到同等能力所需的训练步数减少约 55%，多种专项能力也能在复杂任务中协同发挥。
U2-Flash 可以参与机器巡检、故障定位、修复和任务重启。
官方数据显示，训练故障的平均恢复时间已经缩短至人工介入模式的三分之一左右。
所以现在再看 U2-Flash 为什么能同时变强、变快、变省，我终于悟了。
后训练让它学会更早选对工具、更快发现错误，把无效试探和 Token 浪费一起压了下去。
这正是 U2-Flash 所谓「高智能密度」的核心：
参数不必每次全部上场，但被激活的每一步，都尽量用在刀刃上。
在这套闭环里，模型已经开始参与生成训练数据、分析执行轨迹，甚至维护训练系统。
文章开头提到的 RSI，到这里终于有了一个看得见的早期形态。
现在 AI 圈多少有点「万物皆可 RSI」的意思，模型会反思叫 RSI，能生成训练数据叫 RSI……
虽然概念本身并不新鲜，但严格来说，目前还没有一套被全行业共同接受的定义。
早在 1965 年，统计学家 I.J. Good 就设想过一种「智能爆炸」：
一台足够聪明的机器，可以设计出比自己更聪明的机器，后者再继续设计下一代，能力由此滚雪球般加速。
1993 年，科幻作家兼计算机科学家 Vernor Vinge 又把这套想象推向了「技术奇点」。
很长一段时间里，它听起来都更像科幻小说的终极剧情。
现在，技术终于追上了这场想象的一角，RSI 也由此被纳入工程范畴。
作为拥有最前沿大模型的硅谷双星，OpenAI 和 Anthropic 已经分别给出了自己的判断。
OpenAI 认为：AI 只有能够自主设计并开发出比自己更强的后继系统，才算实现完整的递归自我改进。
Anthropic 的定义则相对宽松：只要模型能够加速 AI 研究、推动自身能力提升，就已经属于「AI Self-Improvement」；但到了 Critical 级别，标准同样会陡然收紧，要求模型能够完成全自动 AI 研发，或者持续把一代模型的升级周期压缩到原来的五分之一。
两家的尺子不完全一样，指向的核心却越来越清楚：
真正的分水岭，在于一次改进能否沉淀下来、进入下一轮，再继续推动新的改进。
至于这条路具体怎么一步步走，翻了一圈，目前海外尚未形成一套统一的 RSI 升级路线图。
国内这边最近倒是刚好冒出了一篇论文综述：《The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement》，来自上海交大、清华、上海 AI Lab 等机构的研究者，干脆按照模型接管「自我改进闭环」的程度，画出了一张从 L1 到 L5 的路线图。
虽然这还不是行业统一标准，但至少给「万物皆可 RSI」提供了一把相对清晰的尺子。
而按这套最新分级，U2-Flash 已经显露出明显的 L3 特征：
它仍运行在人工设定的沙盒、规则和授权边界内，却开始参与决定下一版自己该学什么。
这也让云知声 U2-Flash 在行业里的位置愈发清晰。
过去一年，多份国产前沿模型技术报告都指向了相似的变化：模型开始参与生产训练任务，在可执行环境中积累轨迹，再通过强化学习与专家蒸馏，把这些经验转化为通用能力。
后训练的竞争，已经从「人给模型准备多少答案」，升级为「模型能否持续为自己创造有效经验」。
U2-Flash 不仅跑通了这条完整链路，还把效果兑现到了代码、Agent 和推理成绩上。从技术体系的完整度与实际能力增益来看，云知声无疑已经具备与国内头部厂商同台较量的后训练能力。
对国内模型而言，能否适配国产算力，直接关系到这套自我迭代体系能否稳定、可控地长期运行。
越往 L3 之后走，模型越需要反复生成数据、执行任务、接受训练和重新验证。
循环跑得越快，对算力、推理框架和集群调度的要求就越高。
所以也不难理解 U2-Flash 为什么强调对国产算力的适配：
U2-Flash 已经围绕主流国产算力平台，对模型架构、核心算子、推理框架和集群调度进行适配优化。实际服务中，它在国产平台上的吞吐、时延、并发和集群扩展效率正在持续提升，部分场景已接近 NVIDIA GPU 方案。
当然，U2-Flash 还只是云知声的一轮初步实践。
一旦这套闭环持续转动，模型能力就有机会从单次升级走向持续复利。
这也是云知声全力押注 RSI 最具想象空间的地方。
「最后一个由人类造出的 AI」尚未出现，但第一批参与打造下一版自己的国产模型，已经上场了。