开云(中国)KAIYUN·官方网站也够量度跑上数十到上百次-kaiyun体育在线官网

RSI开云(中国)KAIYUN·官方网站,透顶火了。 从硅谷一齐烧到国内,「让模子参与稽查下一版我方」简直今夜之间成了 AI 圈最热的叙事。 不外吵杂归吵杂,面前确切拿模子交卷的还历历。 而就在...


开云(中国)KAIYUN·官方网站也够量度跑上数十到上百次-kaiyun体育在线官网

RSI开云(中国)KAIYUN·官方网站,透顶火了。

从硅谷一齐烧到国内,「让模子参与稽查下一版我方」简直今夜之间成了 AI 圈最热的叙事。

不外吵杂归吵杂,面前确切拿模子交卷的还历历。

而就在这一当口,「港股 AGI 第一股」云知声郑重发布 U2-Flash,当先交出一份国产 RSI 早期答卷。

图源:云知声

在 U2-Flash 的后稽查闭环里,模子一经初始深度参与自身演进:

从生成稽查数据、分析实行轨迹,到巡检和建造稽查系统。

然后,反学问的部分来了。

按行业成例,Flash 一般默许是「旗舰平替」,等闲更快、更低廉,但才气相对打折。

收尾 U2-Flash 呢?

速率和省钱才气的进步如实没璷黫。比拟 U2,其生成速率进步 2.1 倍,Agent 任务完成时候裁汰 35%,任务迭代步数和 Token 破费也诽谤了 20% 至 30%。

但才气不仅没打折,反而把上一代 U2 甩在了死后:

DeepSWE v1.1 从上一代 U2 的 32 分冲到 64.6 分,径直翻倍;

TerminalBench 3.0 从 2.7 分飙到 24.3 分,达到 9 倍;

SWE-Bench Pro 拿下 61.6 分,较前代进步 10.5 分。

而比收获反超更值多礼贴的,是 U2-Flash 展现出的智能密度。

它接收稀少 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子正面掰手腕的收获,部分弘扬甚而闯进万亿参数级模子所在的区间。

好家伙,这格外于把 Flash 的「不可能三角」径直掀了:

更快、更省,才气还跨了一代。

不说了,实测火速走起。

把 Flash 当干活主力,谜底此次是:yes!

绽开云知声 MaaS 平台,U2-Flash 一经摆在首页,平台因循在线体验以及请求 API 调用。

重心看了下 API,它同期兼容 OpenAI 和 Anthropic 两套主流合同,Claude Code、Trae、Cursor、Cline 这些常用器具官方给了接入方式,剩下的 Harness 只须因循自界说模子,换下 Base URL、API Key 和模子 ID 就能接。

也未几折腾了,我径直选了手边的 WorkBuddy,不到一分钟就自满调用奏凯。

顺带一提,U2-Flash 还提供 none、low、high 和 max 四档念念考强度,不错按任务难度在速率和推理深度之间切换,不外 WorkBuddy 此次莫得开搁置动切档,我也就莫得强行横评。

刚准备给模子充点钱,收尾一看后台,惊喜来了:

U2-Flash 刻下限时六折。

输入价钱 0.6 元 / 百万 Tokens、输出价钱 1.2 元 / 百万 Tokens、缓存掷中价钱 0.12 元 / 百万 Tokens。

老成国内主流模子 API 价钱的我知说念,U2-Flash 基本不错包摄「低廉」这一档。

还没等我小氪一把,收尾后台须臾又跳出来一个活动页,嗯??

9 月 15 日至 9 月 30 日,东说念主东说念主都能免费领取 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破费几十万到百万 Tokens 磋磨,也够量度跑上数十到上百次。

那还等什么。

我径直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心测试的场所。

1、U2-Flash 能不行把活干得又快又好?

2、碰到不测时,它能不行我方救场?

3、512K 高下文到底是分娩力,如故仅仅一串漂亮的数字?

图片由 AI 生成

不外郑重上强度前,先拿一项看起来有点「越界」的才气热个身。

U2-Flash 诚然只因循文本输入输出,但接入 Harness 和外部器具后,照样能委用 PPT,甚而搭建 3D 场景。

是以,我先让它作念一份 RSI 科普 PPT 试试水。

PPT 指示词是 AI 顺遂帮我写的,我只给了一个约莫方针,U2-Flash 便自动征集公开良友、梳理内容结构,再一齐完成贪图与委用。

针织说,服从有点超出我的预期,也让我更期待接下来的挑战了。

Case 1:不给 Issue,我方找 Bug

第一关,考主动发现问题。

为了摒除模子见过谜底的可能,我专门造谣了一个全新的 ExpenseFlow 报销统计情景。

仓库不大,现存测试也全部通过,名义看起来一派善良。

然后,我悄悄在项指标统计和日历处理链路里,成心埋了三个坑:

一笔一经被驳回的报销,果然还能暗暗混进已报销总数;

一笔北京时候 8 月 1 日凌晨提交的纪录,存成 UTC 时候后又被系统塞回了 7 月;

到了 CSV 导出要领,日历还会随着一齐串月。

没表露任何萍踪给 U2-Flash,我火速扔下一句话:

请零丁完成发布前验收,我方找问题、改代码、补测试,临了委用完好收尾。

收尾,它只用了 7 分 6 秒就准确揪出了全部问题,还附赠了一份内容细心的验收论说。

(P.S. 测试前我提前准备了一个验收剧本,跑了一遍讲明如实找对了)

Case 2:撞墙之后,能不行我方回首

第二关,我成心把环境弄乱,看它会不会被诞妄萍踪带跑偏。

此次的 ProfileSync 2.0,是个同步用户良友的情景。

代码本该再行版 API 读取用户姓名,推行同步收尾却是一派空缺。

更贫穷的是,情景里的良友还相互打架:

README 给了诞妄的启动敕令,旧文档写着落后字段,历史日记又把问题甩给了网罗。

U2-Flash 得我方判断哪份良友确切,再找到确切的故障。

我给它的指示依然很浅易:

请零丁完成 ProfileSync 2.0 发布前验收,自行阐述运行方式和接口契约,发现问题后完成建造、补充测试,并委用完好收尾。

开局没多久,第一堵墙来了。

README 让它「运行 python app.py」,但情景里根底莫得这个文献。

不外 U2-Flash 莫得在诞妄指示上打转。

仅用时 3 分 32 秒,它便锁定确切故障、完成建造,还把测试从 1 项补到 7 项,最终全部通过。

Case 3:14 份文献一股脑塞进去,能不行径直交稿

临了一关,轮到 512K 长高下文。

此次我模拟了一场真实的产物发布,把整套情景良友全部扔给 U2-Flash:

14 份文献、四种边幅,简直铺满一桌。

里面既有 Brief、采访和产物白皮书,也有 Release Notes、数据表、客户案例、会议纪要、合规说明和行业论说。

中枢信息洒落在不同文献里,还混着无数无关内容。

换成东说念主工处理,光是挨个绽开、筛选重心,就得奋勉半天。

我径直让 U2-Flash 读绝对部材料,委用一份完好 DOCX:

包含 1200 至 1500 字发布稿、中枢事实起原表、材料冲突清单,以及五个发布前待阐述问题。

最终,U2-Flash 用时 8 分 36 秒,奏凯完成任务。

对照原始材料,我成心抽查了两个最容易翻车的细节:

它莫得沿用旧 Brief 里的 10 月 8 日,准确接收了最新版的 10 月 18 日;也莫得误用旧版 81.2% 的收获,更新为 78.4%,并注明属于里面测试。

该更新的更新,该避雷的避雷,如实没被这一桌材料绕晕。

把榜单、参数和更多实测收尾摊在一齐看,谜底一经很清澈了。

U2-Flash 完成了 Flash 最难的一次升级:

速率和老本上风还在,代码、Agent 和复杂任务才气也确切作念了上去。

从找 Bug、鉴别诞妄萍踪到处理 14 份材料,它都一齐跑到了最终委用,展现出了主力模子该有的实行力。

换言之,至少在这轮测试里,U2-Flash 一经不错放进「默许首选」那一栏。

U2-Flash 背后的「后稽查闭环」

那么,一个单次只激活约 10B 参数的模子,凭什么把才气推到这一步?

云知声给出的谜底有两个:一是数据,二是后稽查闭环。

数据部分无谓多言,云知声一经说得迷漫清澈直白:

深耕行业十余年,云知声蚁集了海量真实场景数据与高质地标注才气,这为后稽查提供了不可替代的数据质地壁垒。好数据是好模子的第一性旨趣——恰是多年千里淀的高质地数据,让 U2-Flash 的后稽查服从远超纯规模驱动的决议。

重心看下这个后稽查闭环,用一张图抽象即是:

图片由 AI 生成

旨趣如实不复杂,确切难的是让它高效转起来。

其中有三个关节。

第一,自主任务生成,处罚「练什么」。

固定题库晨夕会被刷穿。

U2-Flash 会凭据刻下才气动态生成新任务,专门挑选那些「当今还作念不好,但一经接近打破」的问题。

模子每跳跃一截,题目就随着升级。

面前,这套闭环一经自主构建出近 10 万说念高质地 SWE 任务,散失多种主流编程说话。

第二,异步 Agent RL,处罚长任务「怎么练」。

Agent 稽查绝顶耗时候,一个任务可能要量度调用几十次器具,中间还得恭候代码运行和环境反映。

传统同步稽查里,只须有一条任务没跑完,其他要领就得随着等。

而 U2-Flash 径直把任务拆给多个 Worker,让它们同期干预不同沙盒实行。有东说念主跑代码,有东说念主调器具,有东说念主尝试另一条旅途,后方的战略更新则捏续进行。

同期,系统会给关节 Action 作念记号,把最终的奏凯或失败,一齐追思到确切决定收尾的那一步。

比拟同步稽查,这套异步架构让单元时候内产出的有用稽查轨迹数目进步约 60%。

落到用户侧,即是模子更少反复试错,更快管理到有用旅途。

第三,多磨真金不怕火在线战略蒸馏,处罚稽查收尾「怎么判」。

多领域稽查最怕「按下葫芦浮起瓢」:

代码才气上去了,数学、Agent 或指示奴才又掉下来。

云知声先分歧稽查数学、代码、Agent 等专项磨真金不怕火模子,再让学生模子我方生成轨迹,由不同磨真金不怕火逐 Token 打分。

模子在哪一步走对、从那处初始跑偏,都能得到更细的反映。

这套方法让 U2-Flash 达到同等才气所需的稽查步数减少约 55%,多种专项才气也能在复杂任务中协同施展。

进一步,所有这个词这个词闭环还蔓延到了稽查系统自身。

U2-Flash 不错参与机器巡检、故障定位、建造和任务重启。

官方数据自满,稽查故障的平均还原时候一经裁汰至东说念主工介入模式的三分之一阁下。

是以当今再看 U2-Flash 为什么能同期变强、变快、变省,我终于悟了。

后稽查让它学会更早选对器具、更快发现诞妄,把无效试探和 Token 浪掷一齐压了下去。

这恰是 U2-Flash 所谓「高智能密度」的中枢:

参数无谓每次全部上场,但被激活的每一步,都尽量用在刀刃上。

在这套闭环里,模子一经初始参与生成稽查数据、分析实行轨迹,甚而疏导稽查系统。

著述发轫提到的 RSI,到这里终于有了一个看得见的早期形态。

国产模子向 RSI 迈出第一步

不外臆想群众和我一样,如故有点朦拢:

当今 AI 圈些许有点「万物齐可 RSI」的旨趣,模子会反念念叫 RSI,能生成稽查数据叫 RSI ……

谁才是确切?

诚然倡导自身并不崭新,但严格来说,面前还莫得一套被全行业共同接受的界说。

早在 1965 年,统计学家 I.J. Good 就遐想过一种「智能爆炸」:

一台迷漫智慧的机器,不错贪图出比我方更智慧的机器,后者再不时贪图下一代,才气由此滚雪球般加快。

1993 年,科幻作者兼磋磨机科学家 Vernor Vinge 又把这套假想推向了「本领奇点」。

很长一段时候里,它听起来都更像科幻演义的终极剧情。

指路 I.J. Good 论文第 3 页

当今,本领终于追上了这场假想的一角,RSI 也由此被纳入工程领域。

行为领有最前沿大模子的硅谷双星,OpenAI 和 Anthropic 一经分歧给出了我方的判断。

Anthropic 的口径格外严格:

AI 只须好像自主贪图并迷惑出比我方更强的后继系统,才算实现完好的递归自我矫正。

OpenAI 规定的不雅察范围更宽。

只须模子好像加快 AI 盘考、鼓吹自身才气进步,就一经属于「AI Self-Improvement」;但到了 Critical 级别,要领雷同会骤然收紧,条目模子好像完周全自动 AI 研发,或者捏续把一代模子的升级周期压缩到原本的五分之一。

两家的尺子接续对一样,指向的中枢却越来越清澈:

确切的分水岭,在于一次矫正能否千里淀下来、干预下一轮,再不时鼓吹新的矫正。

至于这条路具体怎么一步步走,翻了一圈,面前外洋尚未造成一套息争的 RSI 升级阶梯图。

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 等机构的盘考者,干脆按照模子接受「自我矫正闭环」的经过,画出了一张从 L1 到 L5 的阶梯图。

诚然这还不是行业息争要领,但至少给「万物齐可 RSI」提供了一把相对清澈的尺子。

图片由 AI 生成

而按这套最新分级,U2-Flash 一经显流露显明的 L3 特征:

它仍运行在东说念主工设定的沙盒、轮番和授权鸿沟内,却初始参与决定下一版我方该学什么。

这也让云知声 U2-Flash 在行业里的位置愈发清澈。

夙昔一年,多份国产前沿模子本领论说都指向了相似的变化:模子初始参与分娩稽查任务,在可实行环境中蚁集轨迹,再通过强化学习与各人蒸馏,把这些教化转换为通用才气。

后稽查的竞争,一经从「东说念主给模子准备些许谜底」,升级为「模子能否捏续为我方创造有用教化」。

U2-Flash 不仅跑通了这条完好链路,还把服从达成到了代码、Agent 和推理收获上。从本领体系的完好度与推行才气增益来看,云知声无疑一经具备与国内头部厂商同台较量的后稽查才气。

不外,还有一个等闲被忽略的现实问题是:

对国内模子而言,能否适配国产算力,径直联系到这套自我迭代体系能否踏实、可控地恒久运行。

越往 L3 之后走,模子越需要反复生成数据、实行任务、接受稽查和从头考证。

轮回跑得越快,对算力、推理框架和集群调度的条目就越高。

是以也不难深远 U2-Flash 为什么强调对国产算力的适配:

U2-Flash 一经围绕主流国产算力平台,对模子架构、核默算子、推理框架和集群调度进行适配优化。推行工作中,它在国产平台上的吞吐、时延、并发和集群推广服从正在捏续进步,部分场景已接近 NVIDIA GPU 决议。

天然,U2-Flash 还仅仅云知声的一轮初步实践。

一朝这套闭环捏续动弹,模子才气就有契机从单次升级走向捏续复利。

这亦然云知声全力押注 RSI 最具假想空间的场所。

「临了一个由东说念主类造出的 AI」尚未出现,但第一批参与打造下一版我方的国产模子,一经上场了。

传送门:

https://maas.unisound.com/models/u2-flash

一键三连「点赞」「转发」「谨防心」

接待在驳倒区留住你的想法!

—  完  —

� � 点亮星标 � �

科技前沿进展逐日见开云(中国)KAIYUN·官方网站



相关资讯