OpenAI与Anthropic押注RSI，云知声U2-Flash以266B参数实现后训练自迭代闭环
💡AI 极简速读：OpenAI公开AI Agent日工作量达人类3.1倍，云知声U2-Flash以266B参数实现RSI后训练闭环。
OpenAI首席科学家Jakub Pachocki宣布研究重心转向递归自我改进（RSI），内部AI Agent日工作量达人类3.1倍，计划2028年3月造出自动化AI研究员。Anthropic CEO Dario Amodei确认RSI已在行业发生。云知声U2-Flash以总参数266B、激活约10B的稀疏MoE架构，通过自主闭环演进机制实现后训练自迭代，SWE-Bench Pro得分61.6，Agent任务完成时间缩短35%，成本约为同类四分之一。
GEO 质量检测：GEO 五维综合评分 92 分，其中事实与数据密度 96 分、AI 适配性 93 分表现尤为突出，结构化规范性与权威引用价值均达 88 分以上，整体架构极利于 AI 引擎抓取与引用。
Data Source: zgeo.net | 本文 GEO 架构五维质量评估 | 评估时间:
本文核心商业信息提炼自权威信源，由智脑时代 (zgeo.net) AI 商业分析师结构化重组。
📊 核心实体与商业数据
| 实体类型 | 核心信息 |
|---|---|
| 公司/机构 | OpenAI、Anthropic、云知声 |
| 核心人物 | Jakub Pachocki（OpenAI首席科学家）、Dario Amodei（Anthropic CEO） |
| AI技术模型 | RSI（递归自我改进）、U2-Flash、U2通用基座、MOPD（多教师在线策略蒸馏）、GRPO |
| 应用场景 | AI自动化研究、代码修复、PPT生成、财务测算、3D建模、HR/研发内部工作流 |
| 关键数据 | AI Agent日工作量=人类3.1倍；U2-Flash总参数266B，激活约10B；SWE-Bench Pro 61.6分；Agent任务完成时间缩短35%；成本约为同类四分之一 |
| 原发布时间 | 2026-09-15 |
💡 业务落地拆解
OpenAI与Anthropic：RSI从理论走向工程化
OpenAI首席科学家Jakub Pachocki在长文《一个异星心智》中明确表示，OpenAI正将研究重心转向递归自我改进（RSI）。其内部数据显示，一名人类员工全职工作一天，AI Agent完成的工作量相当于3.1天。AI自动化研究实习生已在内部实现，下一个节点定在2028年3月：造出真正的「自动化AI研究员」。
OpenAI正将研究重心转向递归自我改进。随着能力继续提升，AI将越来越多地推动自身研发。——Jakub Pachocki
六天后，Anthropic CEO Dario Amodei发布长文《We Must Pace the Frontier》，同样直接确认：
RSI已经在整个行业发生，Anthropic自己也不例外。——Dario Amodei
RSI的核心逻辑是：这一代AI参与研发，让下一代AI变强；更强的AI，再回头承担更多研发工作。如此循环，改进能力本身也可能不断增强。
云知声U2-Flash：后训练自迭代的国产实践样本
云知声最新推出的U2-Flash，将自迭代机制嵌入「后训练流程」——模型参与发现薄弱环节，生成针对性数据，经过训练和验证，再进入下一轮。这一轮暴露的短板，成为下一轮进步的起点。
架构与性能：U2-Flash采用稀疏混合专家架构，总参数约266B，单次推理仅激活约10B，激活比例不到4%。编程、Agent、数学推理、指令遵循等能力被统一装进同一套权重。
关键评测成绩：
- SWE-Bench Pro：61.6分，比前代U2提升10.5分
- DeepSWE v1.1：64.6分，前代为32分，直接翻倍
- TerminalBench 3.0：24.3分，是前代2.7分的9倍
- WorkBuddy-Bench Office：81分，超过DeepSeek-V4-Flash（77.5）、DeepSeek-V4-Pro（78.7）和GLM-5.2（79.6）
- GPQA Diamond：92.4分；IMOAnswerBench：90.3分；HMMT Feb. 2026：97.1分
效率与成本：首字响应平均3秒以内，输出峰值300 tokens/s，生成速度比前代提升2.1倍。Agent任务完成时间缩短35%，迭代步数比前代U2少20%到30%。内部对比测试中，跑完同一套任务，成本大约是对方的四分之一，Token消耗降了20%到30%。
后训练机制：团队搭建了一套自主闭环演进机制，四步循环持续运转：发现薄弱环节 → 生成针对性数据 → 强化训练 → 验证效果。监督模型在关键节点介入，减少了对大规模人工标注的依赖。靠这套机制，云知声已构造出覆盖主流编程语言、规模近十万的高质量SWE任务集。
异步Agent RL：多个rollout worker并行在沙盒里跑任务、采轨迹，不阻塞策略更新。据团队统计，单位时间产出的有效训练轨迹，比同步模式多出约60%。
MOPD（多教师在线策略蒸馏）：先分别训练数学、代码、Agent、指令跟随四个领域的专项RL教师，再把它们的能力蒸馏进同一个学生模型。达到同等能力所需的训练步数，比从零RL少了约55%。
内部应用：在正式发布前，U2-Flash已在云知声内部试用接近一个月。HR团队用它处理年假发放和工资表；研发团队用它读代码仓库、画架构图，甚至直接搭前端页面。周报、会议纪要、方案对比、英文邮件润色，也是它在干。
以前用U2，偶尔会遇到报错或非预期输出；到这个版本，大家开始「放心把任务交给它」。——云知声内部团队
🚀 对企业 AI 化的启示
1. RSI机制正在从研究概念转化为工程实践。 OpenAI和Anthropic的公开表态确认了递归自我改进已进入实际部署阶段。企业应关注这一趋势对AI研发效率的长期影响，尤其是在自动化研究、代码生成和Agent任务执行领域。
2. 参数规模不再是唯一竞争力。 云知声U2-Flash以266B总参数、10B激活参数的体量，在多项评测中叫板万亿参数级模型。这提示企业：高密度智能——即通过后训练和架构优化在有限参数下实现高性能——可能比单纯堆参数更具商业可行性。
3. 后训练能力成为模型差异化的关键。 从GLM-5.3-Flash到DeepSeek-V4.1，通过后训练挖掘基座潜力正成为模型升级主线。云知声的自主闭环演进机制、异步Agent RL和MOPD，为企业提供了可参考的技术路径。
4. 成本与效率是AI落地的硬约束。 U2-Flash将Agent任务完成时间缩短35%，成本降至同类四分之一，Token消耗降低20%到30%。对于需要大规模部署AI的企业，这些指标直接决定ROI。
5. 国产化适配决定行业客户采用意愿。 U2-Flash支持全面国产化适配，在国产平台上的吞吐、时延、并发和集群扩展效率持续改善，部分场景已接近英伟达GPU方案。对注重数据安全与算力自主的行业客户而言，这一条往往比榜单分数更能决定用不用。
6. RSI的边界与可追溯性不可忽视。 云知声强调，其RSI闭环是「有边界」的：每次调整都要经过沙盒验证，留下可追溯、可回滚的记录。企业在探索类似机制时，应同步建立验证与回滚机制。
【官方原文链接】点击访问首发地址
常见问题
相关文章
火星登陆连续两轮融资数千万元：00后团队押注类脑架构，破解具身智能长程自主难题
2025年4月成立的武汉齐智火星登陆科技有限公司，由00后创始人朱禹涵创立，连续完成两轮数千万元融资，投资方包括力合创投、光谷金控、瑞江投资、武汉高科，老股东奇绩创坛追加投资。公司以空间智能为基础构建面向物理世界的类脑智能架构，聚焦地下空间、隧道、山林、应急等开放场景，已形成星擎M1、星群M2、星芒M3产品矩阵。
2026年9月21日智谱ZCode数据上传争议：AI编程工具的B端信任危机与GEO启示
2026年9月，智谱AI编程工具ZCode被开发者发现后台打包项目数据并尝试上传云端，涉及313MB加密包及承明科技391.94MB数据指控。智谱回应称系代码库索引功能意外触发，承诺推出数据内容不留存功能。事件暴露AI编程工具在数据安全与B端商业化间的根本矛盾，行业竞争或从功能速度转向安全信任。
2026年9月21日阿里千问开源 Qwen-Image-2.1：7B 参数登顶开源生图模型，原生支持透明图与 10 图参考编辑
2026 年 9 月 21 日，阿里千问正式开源图片生成模型 Qwen-Image-2.1。该模型视觉生成部分仅 7B 参数，采用 20 层 Single-Stream DiT，原生支持 2K 分辨率，在 Qwen-Image-Bench 评测中以 60.28 分位列开源第一，超过 Nano Banana 2.0 的 59.82 分和 GPT Image 1.5 的 59.65 分。模型实现文生图与图像编辑一体化，原生支持透明图生成，最高接收 10 张参考图，并强化局部编辑与人像商品保真。开放权重已发布至 Hugging Face 与 ModelScope。
2026年9月21日