RSI，彻底火了。
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。
图源：云知声
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。
然后，反常识的部分来了。
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。
结果 U2-Flash 呢？
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。
2026配资平台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：
更快、更省，能力还跨了一代。
不说了，实测火速走起。
把 Flash 当干活主力，答案这次是：yes！
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：
U2-Flash 当前限时六折。
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。
那还等什么。
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？
2、遇到意外时，它能不能自己救场？
3、512K 上下文到底是生产力，还是只是一串漂亮的数字？
元股证券:ygzq.hk
图片由 AI 生成
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。
Case 1：不给 Issue，自己找 Bug
第一关，考主动发现问题。
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）
Case 2：撞墙之后，能不能自己回来
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。
更麻烦的是，项目里的资料还互相打架：
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。
我给它的提示依然很简单：
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。
开局没多久，第一堵墙来了。
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。
Case 3：14 份文件一股脑塞进去，能不能直接交稿
最后一关，轮到 512K 长上下文。
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：
14 份文件、四种格式，几乎铺满一桌。
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。
U2-Flash 背后的「后训练闭环」
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：
图片由 AI 生成
原理确实不复杂，真正难的是让它高效转起来。
其中有三个关键。
第一，自主任务生成，解决「练什么」。
固定题库迟早会被刷穿。
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。
模型每进步一截，题目就跟着升级。
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」。
多领域训练最怕「按下葫芦浮起瓢」：
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。
进一步，整个闭环还延伸到了训练系统本身。
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。
国产模型向 RSI 迈出第一步
不过估计大家和我一样，还是有点迷糊：
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 ……
谁才是真的？
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。
指路 I.J. Good 论文第 3 页
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。
Anthropic 的口径相当严格：
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。
OpenAI 划定的观察范围更宽。
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。
图片由 AI 生成
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。
不过，还有一个经常被忽略的现实问题是：
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。
传送门：
https://maas.unisound.com/models/u2-flash
一键三连「点赞」「转发」「小心心」
欢迎在评论区留下你的想法！
— 完 —
� � 点亮星标 � �
科技前沿进展每日见实盘配资平台使用建议
炒股资讯网提示：本文来自互联网，不代表本网站观点。
