云知声发布 U2-Flash：2660 亿参数国产大模型，Token 消耗省掉两三成

发生了什么

9 月 15 日，港股上市公司云知声（09678.HK）发布新一代高性能主力模型 U2-Flash。根据公司公告与官方介绍，它的核心特点有：

• 架构省、跑得快：采用稀疏混合专家（MoE）架构，总参数约 2660 亿，但单次推理只激活约 100 亿参数（激活比例不到 4%），用更小的算力撬动主力级能力。
• 基准亮眼：在编程榜 DeepSWE v1.1 拿到 64.6 分（超过 GLM5.3-Flash、DeepSeek-V4-Pro 等），TerminalBench 3.0 达 24.3 分，SWE-Bench Pro 达 61.6 分。
• 更省钱：Agent 任务迭代步数减少 20%–30%，任务执行周期缩短 35%，Token 消耗降低 20%–30%，首字响应控制在 3 秒内。
• 国产适配：已完成对主流国产算力平台的系统性适配，并引入“模型参与自身训练”的递归自我改进（RSI）思路。

对我有什么用

大模型竞争正在从“拼参数、拼跑分”转向“拼落地成本”。U2-Flash 这类模型的意义不在于又大了多少，而在于用很少的激活参数干主力级的活——这意味着以后调用 AI 更便宜、响应更快，对做智能体、自动化办公、行业应用的中小团队是实打实的降本。国产模型在推理效率上的持续突破，也在推动 AI 应用真正“用得起、跑得动”。

我可以怎么做

• 关注“便宜好用”的国产模型：如果你或你公司要用 AI 做客服、写文案、跑自动化流程，可以留意这类高性价比国产模型，成本往往比顶级闭源模型低一大截。
• 看“Token 消耗”这项指标：选模型别只看谁聪明，也要看用一次花多少钱（Token 费）。对用量大的场景，省 20%–30% 是很可观的。
• 优先选已适配国产算力的：这样服务更稳定、不易被外部供应链卡脖子，长期用更省心。

温馨提醒

• U2-Flash 目前主要面向企业与开发者开放，普通用户想直接体验需等云知声或其合作平台的接入，别轻信“内部体验链接”类推广。
• 任何模型的具体表现都要以你自己的实际任务为准，基准分数高不等于所有场景都强。
• 用 AI 处理业务数据时，注意确认服务商的隐私与数据合规条款。