OpenAI押注RSI，国产AI火速交卷！Flash叫板万亿大模型

新智元报道 过去两周，AI圈最让人坐不住的三个字母，就是RSI。 先是OpenAI，破天荒公开了一本内部账—— 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。 如今，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」。 紧接着，OpenAI首席科学家Jakub Pachocki在一篇长文「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。 他判断，随着能力继续提升，AI将越来越多地推动自身研发。 六天后，Anthropic CEO达里奥发了长文《We Must Pace the Frontier》，同样直接把话挑明了： RSI已经在整个行业发生，Anthropic自己也不例外。 RSI的逻辑并不难理解：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。 过去，需要研究员一轮轮找问题、补数据、调训练。如今，其中一些环节，已经可以让模型上场了。 顺着这条线看，国内也有了一个值得拆开的实践样本。 云知声最新推出的U2-Flash，就把自迭代放进了「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。 他们正是希望借助这套「RSI机制」，把U2-Flash练成一个能接住日常复杂工作的「主力模型」。 一手实测来了 用AI干活的人，多半见过这样的场面。 离下班还有半小时，你把一份数据分析交给AI。它迅速列好计划，开始读文件、写代码，然后报错、重试，又报错。 屏幕热闹了半天，能交的表格还没影。 这时候，每秒吐多少个字，谁还在乎？你只想知道，活到底什么时候能干完。 所以这次，我们重点看U2-Flash能不能把任务接着做下去，遇到问题能不能处理，最后交付的东西能不能用。 顺便提一句，U2-Flash本身支持纯文本输入输出，文件读取、程序执行等工作，需要配合相应工具完成。 藏在运行时的Bug，揪出并修复了 一上手，我们不玩虚的，直接让U2-Flash去真实项目中抓虫。 复杂项目里的Bug，有时很会「藏」。 静态代码看着合理，普通路径也能运行，偏偏到了特定环境、碰上某个边界条件，程序才突然报错。 这类问题，考验的是模型能不能真正进入排错过程。 这次，U2-Flash接手的是vLLM中的一个真实并发Bug： 请求带上禁用词参数bad_words后，服务偶尔会报出「Already borrowed」，返回HTTP 500。 H100验证里，串行发送20个请求，全部正常；不带禁用词，200个请求、50并发，也全部通过。 偏偏加上禁用词后，同样的并发压力下，200次请求中出现了一次错误。 199次成功，也不能放过剩下那一次。 在没有提供原始Issue链接、没有参考答案、不能联网的条件下，U2-Flash通过OpenCode展开排查，沿着报错堆栈，从请求处理一路追到异步执行、线程池和底层分词器。 根因终于浮出水面：一条路径处理提示词，另一条处理禁用词，两边共用了同一个Fast Tokenizer底层对象。 并发编码时，对共享状态的操作发生冲突，触发了报错。 就像两个人同时修改同一份工作底稿，单独操作都没问题，撞在一起就出错。 找到症结后，U2-Flash为禁用词处理创建独立的分词器副本，把两条路径的状态隔离开。最终只修改了一个文件，新增19行、删除2行。 接下来，用相同GPU、模型和请求配置重新验证。 200个请求、50并发，全部成功。此前出现的HTTP 500和借用冲突，在这轮复测中都归0了。 4项回归测试，也从2项失败变成全部通过；串行请求和不带禁用词的并发对照组，继续保持零错误。 一句话，一份新疆旅行攻略 除了编码任务，日常一些办公任务、生活常见的难题，都可以交给U2-Flash了。 扔给它一个看似宽泛、实际很吃细节的需求： 「做一个关于大美新疆的旅游攻略PPT，图文并茂，具有高级感。」 路线、景点、交通、住宿、美食、预算、注意事项，一个都不能少，还要加入图表和结束页。 信息这么多，稍不留神就会变成「文字搬家」。 U2-Flash先梳理章节和内容骨架，再安排配色、排版网格与视觉素材，把文字、图片和图表放进同一套设计里。 一整份旅行攻略PPT交付了，而且内容组织和页面编排一起完成。 这类任务，很容易被低估。做出一页好看的封面，和把一份内容丰富的攻略从头做到尾，是两种难度。 而U2-Flash从一句宽泛需求出发，同时接住了「讲什么」和「怎么呈现」两件事。 买房还是租房，算清一笔十年账 再来个特接地气的案例，手里攥着100万，到底该买房，还是继续租房？ 到底哪个更划算？直接让U2-Flash把未来10年的账给你盘得明明白白。 设定了一组模拟条件——房子总价300万元，首付加交易、装修支出刚好100万元；租住同类住房，第一年月租5500元。 两边每月都有1.5万元预算，扣除住房支出，剩下的钱拿去投资。 U2-Flash直接做出了一个可视化分析页面，按120个月逐月计算，把结果放在最上方： 在房价不涨、投资年化收益3%等假设下，租房方案10年后多出54.26万元净资产。 钱差在哪里？ 这个HTML页面还把月供拆成本金和利息，也把剩余贷款、卖房费用计入最终结果，租房留下的100万元则持续计算投资收益。 它还找到了结论反转的临界点：其他条件不变，房价年涨约1.71%，两种方案就能打平。 这次U2-Flash做得讨巧的地方，是把复杂的账讲明白了。 终端记录显示，18项验证通过，网页默认结果与Python计算相差不到1元。 从「到底哪个划算」，到「为什么差这么多」，一页就能看明白。 一键搭出3D办公室 最后，再来看一道空间建模题。 输入一份结构化的2D办公室平面描述，让U2-Flash把它变成完整的3D场景。 听起来，只是从平面变成立体。但真正动手，中间隔着一整套工作流。 从平面到立体，中间隔着建模、脚本编写和渲染。任何一个环节出错，都可能让最后的画面「翻车」。 U2-Flash接下任务后，自主编写脚本，调用Blender渲染管线，把文字和结构化信息一步步变成可见的办公室场景。 更有意思的，是它在过程中处理的那些「小问题」。 布尔运算失败、法线翻转、光照死角，都进入了它的排查范围。 物体表面朝向不对、部分区域照不亮，都会影响最终效果，不能只看代码有没有执行成功。 左右滑动查看 最终，一份平面描述，被推进成了完整的3D办公室场景。 这道题的分量，就藏在从写脚本到交付场景的那段路里。 Flash的体量 万亿模型的战斗力 测了一圈下来，U2-Flash最值得重新认识的，恰恰是名字里的「Flash」。 一款Flash模型，究竟能扛多重的活？ 这一次，云知声给出的答案，可以说相当硬核—— 以Flash的体量，直接叫板主流万亿大模型。 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。 模型每次工作，只需调动其中一小部分专家参数。 按云知声的定位，它要用远小于同类稠密模型的激活规模，交付足以比肩主力稠密模型