中/EN
前沿热点
前沿热点

Xing4.0-29B-Intent 58分登顶：类别分却不是第一

中电信人工智能科技有限公司星辰通用人工智能实验室于 2026 年 10 月 19 日发布并开源意图理解专用模型 Xing4.0-29B-Intent：29B MoE 架构、每 token 仅激活约 4B 参数，用 Schema 引导把一句自然语言转成业务系统可直接读取的 category + args 结构化 JSON，官方开源 275.3 万条训练语料、模型权重与推理镜像。官方评测总分 58（意图理解 81、事件抽取 40、关系抽取 38、命名实体识别 72、类别分值 69），对位的 Gemini-3.6-Flash 为 49、Qwen3.8-Max 46、Kimi-K3 45、GPT-5.6-Sol 45。但要说清两处反差：其一，类别分值最高的是 Gemini-3.6-Flash 的 71，优势集中在事件抽取、关系抽取与意图理解，NER 只领先 1 分；其二，官方微信公众号评测表列 18 行而 GitHub README 只留 11 行，官方两版表格行数不同，且那 18 行包含被测模型自身、实际对照通用模型为 17 款。官方公众号另有一组仅其可见的 5,606 题评测（70 / 56 / 53 / 65）。评测为官方自评，公告原文写明不代表所有任务与实际部署场景中的效果。数据侧：2,753,000 条语料来自 61 个公开数据集加电信自建，覆盖 19 个领域、52 种语言，配套 170+ 意图与 148 个槽位的标签集，而自研 schema 实测并集为 347 category / 147 arg，官方未解释两套口径。许可侧：模型权重、公开数据与 Python SDK 均按 Apache-2.0 发布，但仓库 LICENSE 是未填版权人的占位模板，权重侧无独立 LICENSE 文件，数据集另有上游条款需自行核对。官方未公布端到端时延、最低显存、API 定价与训练细节，媒体所称百毫秒级响应属二手口径。

发布于 2026年10月22日9 分钟阅读
<!-- xing4-0-29b-intent-hotspot | hotspot | Xing4.0-29B-Intent 58分登顶：类别分却不是第一 -->

10 月 19 日，中电信人工智能科技有限公司星辰通用人工智能实验室通过官方微信公众号发布并开源了 Xing4.0-29B-Intent，官方仓库地址是 github.com/XingChen-AGI/Xing4.0-29B-Intent

仓库地址：https://github.com/XingChen-AGI/Xing4.0-29B-Intent。这是一款定位很窄的模型：基于 29B MoE 基座、每个 token 只激活约 4B 参数，专攻 Schema 引导的意图识别与结构化信息抽取。官方给出的评测总分是 58 分（口径：官方 README 评测表与官方微信公众号公告评测表）。

58 分。看起来又是一个「专用模型吊打通用大模型」的标题，但把官方那张表摊开逐列看，故事并没有标题那么顺——类别分值这一列最高的不是它，而是 Gemini-3.6-Flash。这个反差决定了这个模型适合承接什么样的活，也决定了「意图识别换赛道」能说到什么程度，下文逐列拆开。

先划清本文的边界：文中评测数字均来自官方 README、官方微信公众号公告与官方英文公告，官方未做第三方复现；仓库与模型卡的星标、下载量等为 2026-10-22 实测快照；媒体口径的数字均单独标注出处级别，不与官方数字混写。

一、官方放出两版评测表：18 行与 11 行

这次发布同时放出两版评测表，这是后文所有数字的前提。官方微信公众号公告给的是 18 行完整表，GitHub README 只保留 11 行并多出一列「类别分值」。先看 README 这版（口径：官方 README 评测表，百分制，按原始结果四舍五入至整数，加粗为该列最高分）：

模型总分类别分值事件抽取命名实体识别关系抽取意图理解
Xing4.0-29B-Intent586940723881
Gemini-3.6-Flash497130712964
Qwen3.8-Max467129662663
Kimi-K3457128682561
GPT-5.6-Sol457028682360
GLM-5.2447029652558
GLM-5.3-Flash446927652658
DeepSeek-V4.1-Flash426726612356
DeepSeek-V4-Pro416723602456
LongCat-2.0416824622353
GPT-6-Luna396424592051

官方微信公众号那版把 18 行全部列出（口径：官方微信公众号公告评测表；该表列名为意图分类、实体检测、关系检测、事件抽取，与 README 的四类任务一一对应，README 另加「类别分值」一列）：

型号总分
Xing4.0-29B-Intent58
Gemini-3.6-Flash49
Qwen3.8-Max46
Kimi-K345
GPT-5.6-Sol45
GLM-5.244
GPT-5.544
GLM-5.3-Flash44
GLM-5.142
DeepSeek-V4.1-Flash42
DeepSeek-V4-Pro41
LongCat-2.041
GPT-4.140
DeepSeek-V4-Flash39
GPT-6-Luna39
GPT-4.1-Mini37
Qwen3.7-Flash36
GPT-4o-Mini31

这里有两处计数细节必须点出来。其一，公告正文写的是「高于本次参评的 18 款市面主流通用模型的最高总分 49」，但那 18 行里第 1 行就是被测的 Xing4.0-29B-Intent 自身，实际对照的通用模型是 17 款。其二，18 行完整清单目前只有官方微信公众号这一个出处：官方在 Hugging Face 模型页讨论区发布的英文公告只列了 5 款模型（Xing4.0-29B-Intent、Gemini-3.6-Flash、Qwen3.8-Max、Kimi-K3、GPT-5.6-Sol），数字与微信表前 5 行完全一致。所以「18 行」是官方两版材料之间的差异，不是媒体编出来的数字。

总分这一列的形状：58 分对第二名 Gemini-3.6-Flash 的 49 分，领先 9 分，一路到末位 GPT-4o-Mini 的 31 分（口径：官方微信公众号公告评测表）。这不是碾压式的差距。

二、诚实的反差：类别分最高的不是它

再把差距拆到单项上，能看到总分这 9 分是怎么来的：意图理解 81 分对 Gemini 的 64 分，领先 17 分，是单项优势最大的一栏；事件抽取 40 分对 30 分，领先 10 分；关系抽取 38 分对 29 分，领先 9 分；命名实体识别 72 分对 71 分，只领先 1 分。四类任务等权平均，恰好就是这种结构——赢在三项上，其中两项赢得很明显，把总分拉到了第一。

最值得单独讲的一行是「类别分值」：这一列最高分是 Gemini-3.6-Flash 的 71 分，Qwen3.8-Max 和 Kimi-K3 同为 71 分，Xing4.0-29B-Intent 的 69 分排在它们之后——在「有没有把这句话归到正确的类别上」这件事上，本模型并没有拿到第一。

官方对这一列的定义是：类别分值仅评估 category 标签，并对四类任务等权汇总（口径：官方 README 评测说明）——它衡量的是「分类对不对」，不衡量抽出来的字段准不准。这恰恰是专用模型该赢的地方，却没赢。表格另注明：加粗按四舍五入前的小数判定，整数显示相同不代表原始分值并列（口径：官方 README 表注），69 与 71 的差距在整数显示上有意义，Gemini 与 Qwen、Kimi 的 71 是否真并列，本文没有原始分数据，不做推测。

这个反差对选型的意义很直接：如果业务只需要知道「这句话是问订单还是要退款」，通用大模型已经够用；但如果业务要的是「把订单号、金额、退款原因、发票状态分别填进对应字段」，那这 9 到 17 分的结构性优势才是钱所在。

三、这份评测表能证明什么，不能证明什么

评测口径必须先钉死，否则 58 分很容易被读成一个可以直接写进技术方案的业务指标。

测试集是从 48 个公开数据集抽取的 6,000 条样本，覆盖命名实体识别、关系抽取、事件抽取和意图理解四类任务；四类任务分值是各数据集字段值 Micro-F1 的宏平均，总分为四类等权平均；分值以百分制展示，不等于业务准确率；类别分值也不代表所有字段均正确，且不同接口、提示词及推理配置也可能影响结果（口径：官方 README 评测说明）。

这五条里最该被反复念的是后两条。百分制的 58 分说的是「在这套抽取式评测上的相对位置」，不是「在你的业务里 58% 的请求会被正确解析」——中文分词、地址解析、订单号这类强业务词汇的正确率，从来不由公开数据集决定。官方自己写明：具体业务效果需结合目标数据和 Schema 验证；能力边界是只对关键决策信息快速响应，不承担长篇推理（口径：官方 README）。「拿它做复杂分析」不是它的岗位，它的岗位是把一句话变成业务系统能直接读的结构化结果。

更关键的是，这批数字是官方自评。官方在公告里写得很直白：「上述评测由本公司技术团队开展……不代表所有任务和实际部署场景中的效果」（口径：官方微信公众号公告原文）。第三方独立评测报告官方也从未公布过。

四、第二组评测，以及延迟的三种口径

还有一张表只存在于官方微信公众号公告里，GitHub README 没有。第一组评测考的是「类别加字段全部正确」，第二组评测换成只看类别决策是否选对，题量是 5,606 道，其中 3,940 道单一正确类别、1,666 道多个正确类别，另含 839 道无可抽取内容的负例（口径：官方微信公众号公告）：

模型总决策分
Xing4.0-29B-Intent70
Jev56
Jev（是非判断）53
GPT-6-Luna65

本文只引总分，这是有意的：两版公告总分完全一致（70、56、53、65），但子项指标名和数值都对不上——微信叫「单选题得分、多选题得分、负例得分」，英文公告叫「Category F1、Strict all-correct、Multi-intent F1、Negative strict」，单选类子项数值也不相同（口径：官方微信公众号公告与官方英文公告）。官方没有解释两版是否同一口径，混着引会凭空造出自相矛盾。

延迟是全文最需要小心的一处：官方材料全是定性说法，没有任何实测毫秒值——官方微信公众号正文说「百毫秒级」，官方能力对比表写「<200ms」，官方英文公告写「sub-second」（口径：官方微信公众号公告与官方英文公告）；官方 README 通篇没有延迟指标。媒体那句「端到端推理延迟低于 150 毫秒」是二手口径，不能当成官方承诺。

官方仓库在发布后两天里还很安静：17 个 star、1 个 fork、issue 0、无 Release 无 Tag，创建于 10 月 17 日、最后推送 10 月 19 日（口径：2026-10-22 实测）——刚出圈，复现的人还很少，评测表也就更没有第三方验证。

五、架构：29B 里面只跑 4B

架构信息的一手来源是 Hugging Face 上模型的 config.json（口径：config.json 字段）。MoE 部分：路由专家 64 个，每个 token 选 4 个，另有 1 个共享专家，MoE 层频率为 1，前 2 层为稠密层，MoE 中间维度 1024，路由打分函数为 sigmoid，top-k 方法为 noaux_tc。稠密主干：隐藏维度 3584，层数 40，注意力头 32，键值头 32，前馈中间维度 9216，词表规模 131072。注意力用 MLA 系低秩实现，q 的低秩维度 768，kv 的低秩维度 512。上下文长度 max_position_embeddings 为 262144（256K），rope 采用 yarn 缩放，因子 64，原始最大位置 4096。权重精度为 bfloat16，模型类型 xing4_0。

这份 config 还有三处值得单独记。精度字段写的是 dtype: bfloat16，没有 torch_dtype 键，这是新版 transformers 的写法。模型类型 xing4_0 是自研架构，不是 llama 也不是 qwen 的改款，因此加载时必须 trust_remote_code=True。另外 mHC 已启用（hc_mult 为 4），MTP 层数为 1（num_nextn_predict_layers）。权重侧是 41 个 safetensors 分片，合计 62.43 GB（58.14 GiB），对应总参数 31,215,031,088（口径：Hugging Face 官方仓库文件与模型 API 实测）。

这套配置的工程含义：29B 的知识容量，每 token 只付 4B 的算力代价；256K 上下文对意图识别不算核心指标，但对要塞长对话历史的客服场景是实打实的余量，MLA 低秩就是为了把 256K 下的 KV 缓存压下来。

输出协议也很克制：输出一律是 category + args 的 JSON 数组，没有参数时 args 为空数组，支持一句话多意图、多组参数实例，覆盖中英文。官方示例把「帮我查明天北京到上海的航班」解析成「查询航班」类别，参数是出发地「北京」、目的地「上海」、日期「明天」（口径：官方 README 示例）。这套框架还有两个名字：官方微信公众号公告称「统一模式驱动语义解析框架（USP）」，但 USP 在 GitHub 仓库全部文档里检索不到，仓库侧的表述是 schema-guided（口径：官方微信公众号公告与官方仓库描述）。两个叫法并列记录，不替官方裁决。

六、数据、许可与已经跑起来的场景

配套数据集 Xing4.0-29B-Intent-oss 与模型同期开源，规模约 275 万条样本（精确值 2,753,000 条），整合 61 个公开数据集与电信自建的智能终端助手领域数据，覆盖 4 类任务、19 个领域、52 种语言（口径：官方 README 配套数据一节与官方 data/README.md）。数据统一成 category + args 格式，官方提供 Schema 与样例构建脚本，可从开源数据按需采样、与自建业务数据混合做监督微调。

标签集有两个官方口径，并写不裁决：README 写 170+ 意图、148 个槽位；发布出来的 Schema 文件实测是智能助手 118 category / 81 arg、手机 247 category / 74 arg，并集 347 category / 147 arg（口径：官方 README 与数据集 Schema 文件实测）。官方没有解释两套数字。

许可是最省心的一条：官方明写模型权重、公开数据和代码（含 Python SDK）均采用 Apache License 2.0（口径：官方 README 许可与引用一节）；数据集页另注明公开源数据集的原始许可条款同样适用，商用前需自行核对。四类资产同一套许可，可以一起进商用流程。官方量化版本：FP8 约 33.17 GB，GGUF 是单个 iq4_nl 文件、约 17.75 GB（口径：官方 Hugging Face 量化仓库实测）。

落地场景官方也直接写了：电信万号客服的意图识别与工单智能路由、智能家居音箱的口语指令解析（口径：官方 README 与官方英文公告）——同一套 Schema 协议的三次复用，也解释了配套数据里电信自建部分的来源。

星辰实验室还构建了手机端中文口语理解基准 CMPA-SLU（github.com/XingChen-AGI/CMPA-SLU），论文已被 EMNLP 2026 录用（口径：官方 README）；但论文全文尚未公开——arXiv 检索不到，仓库 Citation 字段仍是「Coming soon.」。

七、路线之争：专用模型到底换不换赛道

把这张表放到更大的图景里，它是「专用模型换赛道」的一次实证：58 对 49，领先者是只被训练去把一句话对齐到一组预声明字段的专用模型，落后者是一众通用旗舰——一种用覆盖面换精确度的选择。

但表里也有三条不该忽略的反向信号：类别分值最高的是通用模型，说明「分类」这个基础动作上通用模型反而更稳；NER 只领先 1 分，专用模型的优势集中在事件结构与关系结构的复合抽取，不是所有抽取任务通吃；总分领先只有 9 分、末位也有 31 分，四类等权平均的构造本身就把差距摊薄了。

更准确的结论：业务 Schema 稳定、请求量大、结果要直接写进工单或路由决策时，专用模型的收益是结构性的；Schema 频繁变、需求开放式、答案不止类别加字段时，通用大模型的灵活性无法替代。具体业务效果仍需结合目标数据和 Schema 验证——这句官方原话在这里不是免责声明，是使用前提。

八、本篇与站内其他内容的分工

本篇讲的是发布事件与路线之争（发生了什么、凭什么这么算、选型怎么想）；怎么在本机跑起来、SDK 怎么装、坑在哪，站内实战 SOP 栏目另有一篇专门覆盖，两篇分工不同。

这里还要补一条部署边界，免得读者按「29B」自行推算门槛：官方部署文档从未给出硬性显存下限，启动命令以 --tensor-parallel-size 2 为例、至少 2 张 GPU 且可按实际卡数调整，文档里的 H100（单卡 80GB、2 卡共 160GB）被官方明确写为「仅为演示与验证所用的硬件环境，并非强制要求」；官方成员另在 Hugging Face 基座仓库（Xing4.0-29B-A4B）讨论区给过容量参考——单张 H100 80G 单并发可达到或接近满 256K 上下文，512K 约需双倍 KV cache 余量，官方同时限定实际占用取决于量化选择与框架开销；硬件上唯一可照着写的是昇腾 910B2 系列 NPU 至少 2 张卡。

最后把话收回来：一张 58 分的官方评测表，一个 69 分却不是第一的类别分值，一组只有 9 分的总分差距，两版官方表格之间 18 行与 11 行的差异，一句只有定性表述、没有官方实测数字的延迟口径，加上 Apache-2.0 的全套权重、数据与代码，这就是这次发布的全部事实底盘。它没有推翻通用大模型，它只是在一个很窄的赛道上把通用大模型挤开了半个身位——而这个身位，在有稳定 Schema 的业务里，换算成的是可直接落库的结构化结果。

参考来源

延伸阅读

本文由 AI 辅助生成，经人工审核编辑。最后更新：2026-10-22

相关文章

前沿热点

万卡国产算力训出 293B：星火 X2.6 开源的只有 4B

科大讯飞于 2026 年 10 月 22 日在全球 1024 开发者节发布星火 X2.6：293B 总参、30B 激活的 MoE 架构，1M token 上下文，端云一体，训练全程使用全国产算力并部署于国产万卡推理集群。效率账本（官方口径）：飞星二号万卡训练 2000B tokens、256K 长度数据的时间从 4.5 个月压到 1.2 个月，超长上下文训练效率提升 4 倍；推理侧首个全国产硬件四层 KV Cache 架构把命中率从 63% 提到 95.7%、效率达优化前 4.5 倍。云端自报 SWE Pro 77.3 与 SWE Multilingual 95.0 排名第一、SWE Verified 95.4 仅次于 DeepSeek-V4.1-Flash 1017 的 95.6，但无完整分数表、无技术报告、无第三方复测。关键辨析：传播最广的「讯飞开源 X2.6」系误读——开放权重的只有端侧 Spark-X2.6-4B（Apache 2.0，Hugging Face 挂 XHToken 命名空间、ModelScope 同步、Ollama 用 SparkLLM 名），293B 旗舰权重不开源仅有 API 试用；4B 版自报 BFCL-V4 71.8、MCP-Atlas 62.4、SWE Verified 62.8 等六项较前代提升。限时定价输入 0.9 元、缓存命中 0.08 元、输出 3.6 元每百万 tokens。产业叙事：端云预判 60% 本地、30% 协同、10% 云端，路由准确率 81.2% 提至 96.1%；刘庆峰「唯一全国产训练」为单方说法且未公布芯片型号。未公布清单：旗舰训练芯片型号、集群总规模、总算力、技术报告、旗舰权重。

2026年10月23日8 分钟阅读
前沿热点

1.6T 只醒 48B：美团 LongCat-2.5 的真本事与冷思考

美团 2026-09-28 推出 LongCat-2.5-Preview（官方口径经 AI工具集转述）：延续 1.6T 总参数、约 48B 激活的 MoE 架构与 1M token 上下文，最大输出 128K tokens；核心变化是把图片理解原生并入基座（承袭 LongCat-Next 的 DiNA 离散原生自回归路线），并面向终端、浏览器、GUI、电子表格与设计工具执行长流程 Agent 任务。API 双协议兼容 OpenAI 与 Anthropic，现有 Agent 工具改 base_url 即可接入，注册赠 500 万 tokens（转述口径）。冷思考：官方无公开 benchmark（对比 Opus 5.5 的 $4/$20 每百万 tokens 与公开评测），且截至 2026-09-29 权重未放出、GitHub 组织无 2.5 仓库，Preview 阶段数字以官方后续披露为准。

2026年9月29日9 分钟阅读
前沿热点

DeepSeek V4.1 Flash 开源：非对称结构意味着什么

DeepSeek 于 2026-09-10 正式开源 V4.1 Flash：552B 参数 MoE，采用非对称 Causal-Encoder-Decoder 结构，输入激活仅 8B、输出 16B，原生多模态，官方称显著压缩 KV Cache 以降低 Agent 场景成本；API 同步上线，模型名改为 deepseek-flash 即可调用，腾讯 WorkBuddy、CodeBuddy 与 OpenCode 已全量接入。该模型在 9-08 曾以「内测中间版」形式出现，9-10 转正——这段从临时候转正的时间线本身就值得留意。本文逐条拆发布事实，判断真正的工程信号不在参数量而在「非对称结构 + 输入激活 8B」带来的长上下文与 Agent 成本结构变化，算 KV Cache 压缩对多轮轨迹堆积的实际账，并给出未公开评测对照、与自家 V4-Flash 的换代关系、并发与价格待确认等冷思考。需说明：本次开源的是模型权重（HuggingFace），DeepSeek 官方组织下并无 V4.1 Flash 的专属代码仓。

2026年9月10日9 分钟阅读