云知声发布U2-Flash高密度智能模型 峰值吞吐达300 tokens/s

会懂网AI资讯，9月15日，云知声正式发布新一代高密度智能模型U2-Flash。该模型基于U2通用基座强化后训练，采用稀疏混合专家MoE架构，总参数约266B，但单次推理仅激活约10B参数，激活比例不到4%，在计算效率与模型能力之间取得了出色的平衡。在算力成本持续高企的当下，这种以更低激活换取高能力的思路具有显著的现实意义。

U2-Flash在推理性能方面表现突出。首字响应时间平均控制在3秒以内，峰值吞吐最高可达300 tokens每秒。这一指标对于需要实时交互的企业应用场景尤为重要，如智能客服、在线教育和实时翻译等，能够显著提升用户体验。响应速度与吞吐能力的双重优化，直接关系到企业级应用能否大规模走向实用。

在编程能力评测中，U2-Flash在DeepSWE v1.1榜单得分达到64.6分，较前代翻倍，并超越GLM5.3-Flash与DeepSeek-V4-Pro。这表明通过高质量的后训练和数据增强，中等激活规模的MoE模型也能在代码生成等专业任务上达到顶尖水准。权威榜单的成绩，为这款模型的专业能力提供了可量化的背书。

云知声指出，U2-Flash在Agent任务中表现同样优异。任务迭代步数减少20%至30%，任务执行周期缩短35%，Token消耗减少20%至30%。这意味着企业在部署AI Agent时，不仅可以获得更快的响应速度，还能显著降低运营成本。效率与成本的双重改善，让中小企业在AI落地时拥有了更友好的选择空间。

从产业角度看，U2-Flash代表了国产大模型向高密度、高效率方向演进的重要尝试。在算力资源日益紧张的背景下，如何在有限硬件上跑出更强性能，成为模型厂商竞争的新焦点。MoE架构的精细化调优是实现这一目标的关键路径。高密度模型路线的持续突破，正在改写大模型竞赛的衡量标准。

云知声作为国内语音AI领域的资深企业，此次发布U2-Flash显示出其向通用大模型赛道拓展的野心。依托在医疗、家居等垂直领域积累的行业数据和场景理解，云知声有望在细分市场中找到差异化定位，与互联网大厂和新锐模型公司形成互补格局。垂直领域深厚的行业积累，是这家老牌AI企业最难以被复制的竞争壁垒。