Компания Unisound представила модель U2-Flash, позиционируя ее как полноценный рабочий инструмент класса Flash, а не как упрощенный вариант своей предыдущей линейки U2. Модель использует дизайн разреженной смеси экспертов (sparse mixture-of-experts) с общим количеством параметров около 266 миллиардов, при этом активными в процессе инференса выступают примерно 10 миллиардов параметров, что составляет менее 4% от общего объема весов.
Целью этой архитектуры является одновременное выполнение задач кодирования, работы агентов, математического рассуждения и следования инструкциям в единой проверенной точке. Unisound представляет этот релиз как стратегию повышения плотности: достижение качества основных задач при низкой задержке и стоимости токенов, характерных для Flash-класса, с оптимизацией под производственные рабочие процессы, а не только под демонстрационные чаты.
Кроме того, компания подчеркивает, что более десяти лет данных по вертикальным сценариям использовались для улучшения качества после обучения, особенно когда модели должны завершать многоэтапные задания. В основе презентации лежат два ключевых направления разработки. Первое — цикл посттренировки, который позволяет модели помогать в генерации задач, анализе траекторий и проверке обучающего стека. Это заявленный первый шаг Unisound к рекурсивному самосовершенствованию в рамках заданных человеком песочниц и верификационных шлюзов.
Второе направление — латентное рассуждение в пространстве скрытых состояний, которое представлено как контролируемый интерфейс интенсивности мышления, а не как непрозрачный внутренний режим. Дополнительные элементы включают асинхронное обучение с подкреплением агентов с параллельными работниками, многоучительную онлайн-дистилляцию политики между специалистами по математике, коду и агентам, а также адаптивную генерацию задач, которая поддерживает сложность на уровне текущих возможностей модели.
Unisound сообщает, что данный цикл уже создал набор из почти 100 000 задач по разработке программного обеспечения, охватывающий основные языки программирования. При этом многоучительная дистилляция снизила количество шагов до уровня, соответствующего навыкам, примерно на 55%.
Согласно опубликованным показателям, U2-Flash демонстрирует результат 64.6 на DeepSWE v1.1, 24.3 на TerminalBench 3.0 и 61.6 на SWE-Bench Pro. Последний показатель увеличился на 10.5 пунктов по сравнению с предыдущим поколением, согласно материалам компании, которые также утверждают о лидерстве над названными контрольными точками конкурентов в классах Flash и Pro.
Что касается показателей производительности, заявлены среднее время до первого токена менее трех секунд, пиковая пропускная способность до 300 токенов в секунду, снижение количества итераций агента на 20–30% и сокращение цикла выполнения задачи от начала до конца примерно на 35%, при этом экономия токенов сопоставима с U2.
Модель также оптимизирована для работы с основными отечественными ускорительными стеками с точки зрения пропускной способности, задержки и масштабирования кластера для внедрений в государственных, финансовых, производственных и энергетических секторах.
U2-Flash доступна на платформе MaaS от Unisound в рамках промо-периода, который продлится до 30 сентября 2026 года. Этот период включает скидки на токены и предоставление пробного объема в 100 миллионов токенов для новых и постоянных пользователей. Однако, поскольку в сопроводительной информации к запуску не было включено независимое воспроизведение полного бенчмарка и подтверждение аппаратного паритета, покупателям рекомендуется провести валидацию на уровне рабочих нагрузок, прежде чем рассматривать U2-Flash как стандартный производственный интеллект.