U2-Flash

U2-Flash 聚焦Agent 与 Coding核心场景，具备强大的复杂推理、代码生成与任务执行能力，支持长上下文,可胜任复杂工程开发、长程任务及多步骤Agent 工作流。在保持强劲模型能力的同时，实现更快的推理速度与更优的成本效率，为开发者与企业提供高性能、高性价比的智能底座。

核心亮点

不靠放大参数换能力，而是把架构与训练的全部努力收敛到同一个目标——智能密度，并在真实工程与 Agent 场景中兑现行业第一梯队的任务完成质量：

  • 高智能密度的稀疏架构
    通过稀疏路由与专家共享机制，将 Coding、Agent、数学推理和指令遵循等多领域能力统一承载在同一套模型权重中，使模型能够以较低的实际计算量支撑复杂、多领域任务。

    典型任务： 代码开发｜Agent 工作流｜数学推理｜复杂指令执行

  • 自主闭环演进
    U2-Flash 构建了一套围绕 “发现薄弱环节 → 生成针对性数据 → 强化训练 → 验证效果”持续运转的训练闭环。模型不仅是被训练的对象，也开始参与训练数据生成、能力优化、训练系统巡检与异常修复等环节。异步 Agent RL、MOPD、自适应任务生成与全流程自我运维共同构成这一闭环，使训练体系能够持续贴近模型当前能力边界进行迭代。

    能力体现： 复杂任务持续执行｜多路径探索｜异常恢复｜长程 Agent 任务

  • 可控的深度推理
    U2-Flash 延续连续状态推理机制，让部分推理过程能够在隐藏状态空间中完成，并进一步将其产品化为用户可直接控制的思考强度接口。模型支持 none / low / high / max 四档思考强度，开发者可根据任务复杂度，在响应速度与推理深度之间灵活选择。高强度模式下仍保留显式推理能力，兼顾推理效率与过程可读性。

    典型任务： 快速问答｜复杂推理｜深度研究｜Coding｜多步骤任务

关键信息

项目参数
模型 IDu2-flash
上下文窗口1M
输入模态文本
输出模态文本
最大输出128K

详细介绍

  1. Agent 与工程能力——面向真实环境的长程任务执行

U2-Flash 强化了工具调用、环境交互、长程规划与多 Agent 协同能力，并通过异步 Agent RL 并行采集任务轨迹、提升长链路任务中的训练效率与关键决策学习能力，使模型能够针对复杂目标进行任务拆解、工具组合调用，并根据执行结果动态调整后续路径，在任务受阻时进行异常恢复与替代方案探索。

在SWE-Bench Pro、DeepSWE v1.1 等编程任务基准上，SWE-Bench Pro 达到 61.6，较 U2 提升 11.5 分，工程级代码任务能力进一步提升。DeepSWE v1.1 达到 64.6，较 U2 的 32 实现翻倍；TerminalBench 3.0 由 2.7 提升至 24.3，在终端环境任务执行上提升明显。

Coding Agentic Capacity

64.6
U2-Flash
32
U2
54.4
DeepSeek-V4-Flash-0731
56.6
Qwen3.8-Max
62.7
DeepSeek-V4-Pro-0813
63.4
GLM-5.3-Flash
66.9
GLM-5.3
67.5
Kimi K3
74.2
DeepSeek-V4.1-Flash

DeepSWE v1.1

Coding Agentic Capacity

61.6
U2-Flash
50.1
U2
56
DeepSeek-V4-Flash-0731
59
MiniMax-M3
60.3
DeepSeek-V4-Pro-0813
63.3
Kimi K3
64.6
GLM-5.3
67.7
Qwen3.8-Max

SWE-Bench Pro

Coding Agentic Capacity

24.3
U2-Flash
2.7
U2
7.6
DeepSeek-V4-Flash-0731
11.8
DeepSeek-V4-Pro-0813
17.4
Kimi K3
28.3
GLM-5.3
30
DeepSeek-V4.1-Flash

TerminalBench3.0

Coding Agentic Capacity

57.5
U2-Flash
30.8
U2
53.3
GLM-5.3-Flash
55.8
DeepSeek-V4-Flash-0731
56.7
DeepSeek-V4-Pro-0813
58.3
DeepSeek-V4.1-Flash

U2-SWE-Bench

  1. 知识推理与办公能力

U2-Flash 在知识理解、数学推理、指令遵循与专业办公等通用任务上进行了系统强化，通过多领域能力训练与统一蒸馏，将数学、代码、Agent、指令遵循等专项能力汇聚到同一模型中，并结合连续状态推理与多档思考强度，根据任务复杂度灵活调整推理投入，兼顾复杂问题分析与日常办公任务处理。

在 IMOAnswerBench、HMMT Feb. 2026 等知识推理与办公任务基准上，U2-Flash 分别达到 92.4、90.3 和 97.1，其中 HMMT Feb. 2026 达到 97.1，在高难度数学推理任务中表现突出；在 WorkBuddy-Bench Office 办公任务基准上达到 81，在办公任务评测中同样保持较强表现。

Knowledge & Reasoning

90.3
U2-Flash
79.3
U2
88.4
DeepSeek-V4-Flash-0731
89.8
DeepSeek-V4-Pro-0813
90
Qwen3.7-Max
91
GLM-5.2

IMOAnswerBench

Knowledge & Reasoning

97.1
U2-Flash
84.8
U2
84.4
MiniMax-M3
92.5
GLM-5.2
94.8
DeepSeek-V4-Flash-0731
95.2
DeepSeek-V4-Pro-0813
97.1
Qwen3.7-Max

HMMT Feb. 2026

Knowledge & Reasoning

92.4
U2-Flash
87.9
U2
88.1
DeepSeek-V4-Flash-0731
90
Qwen3.7-Max
90.1
DeepSeek-V4-Pro-0813
90.9
DeepSeek-V4.1-Flash
91.2
GLM-5.2
93
MiniMax-M3

GPQA-Diamond

Working Agentic Capacity

81
U2-Flash
72
U2
76.3
MiniMax-M3
77.5
DeepSeek-V4-Flash-0731
78.7
DeepSeek-V4-Pro-0813

WorkBuddy-Bench Office