实测云知声U2-Flash：18分钟速搓Agent、打造超写实大型滑梯

智东西 作者 | 毕伟豪 编辑｜漠影 一款模型“好不好”，究竟该如何定义？ 显然， Agent正在改变人们评价大模型的方式 。过去，判断模型强不强，往往看参数规模、Benchmark成绩和上下文长度。 而在Agent时代，一款能够 又快又好地解决问题、完成任务，且token花得起 的模型，才是很多用户眼中的好模型。 顶级模型固然能力更强，但往往思考和执行时间长、 成本高昂 ，而快速模型生成token很快，却 容易走错路 、反复尝试，甚至需要人工接手，任务完成速度根本没快多少。 用更少的计算和无效尝试，更快更好地完成任务，是如今用户对Flash级别模型的期待，也让Flash级别模型逐渐从旗舰模型的轻量版本，走向一条独立的产品路线： 在能力、速度和成本之间寻找新的平衡 。 与此同时，一个新的衡量维度随之浮现—— 智能密度 ，即让有限的激活参数承担更多有效工作。 云知声刚刚发布的 新一代主力模型U2-Flash ，正是围绕这一方向训练的。它采用稀疏MoE架构，总参数约266B，激活参数仅10B，最快输出速度 达到300tokens/s ， 首字响应平均3秒以内 ，其能力可以覆盖编程、Agent、推理、指令遵循等多类任务。 从评测结果来看，U2-Flash的提升也不只体现在速度上。在考察代码生成与软件工程任务的DeepSWE v1.1中， U2-Flash取得64.6分 ，较上一代模型U2实现翻倍式增长；在考察复杂软件工程问题解决能力的SWE-Bench Pro中取得61.6分， 较前代提升10.5分 ；在考察终端环境下Agent自主执行能力的TerminalBench 3.0中， 得