Unisound lanza U2-Flash, modelo de MoE de 266 B con 10 B de parámetros activos
El nuevo modelo combina post‑entrenamiento de auto‑mejora recursiva y razonamiento latente para tareas de agentes y codificación.
Unisound ha presentado U2‑Flash, un modelo de sparse MoE de aproximadamente 266 billones de parámetros totales, pero solo 10 billones de ellos están activos en cualquier instante. La arquitectura está diseñada para mejorar de forma recursiva tras el entrenamiento y para incorporar razonamiento latente, lo que la hace apta para tareas de agentes y generación de código.
U2‑Flash se ha puesto a disposición a través de la plataforma MaaS de Unisound, permitiendo a los usuarios integrar el modelo sin gestionar infraestructuras complejas. La combinación de MoE con la auto‑mejora post‑entrenamiento pretende reducir el coste computacional mientras mantiene la capacidad de razonamiento.
La empresa no ha publicado métricas de rendimiento específicas, pero se indica que la arquitectura permite escalar de manera eficiente en entornos de producción. El modelo se posiciona como una herramienta para desarrolladores que necesitan un motor de IA especializado en tareas de lógica y programación.
Aún falta ver cómo se comporta U2‑Flash en benchmarks comparados con modelos de referencia, y si la técnica de razonamiento latente ofrece ventajas significativas en escenarios de producción reales.
