Heim
Xunfei Xinghuo X2-Flash kommt mit verbesserter Rechenleistung und Unterstützung für 256 KB lange Texte auf den Markt
Am 29. April stellte iFLYTEK offiziell das neue Modell „Spark X2-Flash“ vor und öffnete dessen API-Schnittstelle. Damit wurde ein neuer Meilenstein in Sachen Effizienz für Anwendungen mit großen Modellen gesetzt, die auf dem heimischen Rechenleistungs-Ökosystem basieren.
Das Modell nutzt die derzeit gängige MoE-Architektur (Mixture of Experts) mit insgesamt 30 Milliarden Parametern. Sein herausragendes Merkmal ist die Unterstützung eines extrem langen Kontexts von bis zu 256K. Bemerkenswert ist, dass das Spark X2-Flash vollständig auf dem Ascend 910B-Cluster von Huawei trainiert wurde, was die Synergie von inländischer Software und Hardware für das Deep-Learning-Training demonstriert.

In Bezug auf die Kernleistung bietet das Spark X2-Flash erhebliche Verbesserungen bei den Fähigkeiten zur Agenten- und Codegenerierung. Tests von Drittanbietern zeigen, dass seine Leistung bei komplexen Aufgaben – wie der Verarbeitung tiefgreifender Forschungsberichte, der Verwaltung und dem Aufruf von Fähigkeiten sowie der Ausführung von Systemsteuerung – das Niveau von Spitzenmodellen der Branche mit Billionen von Parametern erreicht hat.
Auch in Bezug auf die Kosten, die für Entwickler von Bedeutung sind, überzeugt das Spark X2-Flash. In identischen Workflow-Tests beträgt sein Token-Verbrauch nur ein Drittel des Verbrauchs aktueller gängiger großer Modelle, was die Hürde für die Entwicklung komplexer Agentenanwendungen erheblich senkt. Beispielsweise erfasst das Modell bei der Erstellung komplexer Fähigkeiten zur Videogenerierung nicht nur schnell die Anforderungen, sondern bietet auch detaillierte Erklärungen, die von der Skill-Struktur bis hin zu den Kernfunktionen reichen.

Technisch gesehen ist das Spark X2-Flash das erste Modell, das DSA (Sparse Attention) und MTP (Multi-Token Prediction) auf heimischen Chips kombiniert. Diese Innovation löst das Problem des langsamen Trainings langer Texte auf heimischen Rechenplattformen und steigert die Trainingseffizienz im Vergleich zu Clustern ähnlicher Größe um das 4,5-Fache. Darüber hinaus verbessert das Modell bei Szenarien des agentenbasierten verstärkenden Lernens die Effizienz der Sampling-Inferenz durch kombinierte algorithmische und technische Optimierungen um mehr als das Doppelte und beseitigt so effektiv Leistungsengpässe in Szenarien mit langen Interaktionen.
Derzeit haben Anwendungen wie AstronClaw und Loomy die Integration als erste abgeschlossen. Das Modell ist zudem eng auf internationale Mainstream-Agenten-Frameworks wie OpenClaw und Claude Code abgestimmt und bietet Entwicklern weltweit eine kostengünstigere Option für inländische Rechenleistung.
Verwandter Artikel
Der ehemalige OpenAI-Chefwissenschaftler Ilya stellt sein SSI vor und enthüllt das erste Modell
Die KI hat einen weiteren großen Meilenstein erreicht. Nach seinem Ausscheiden aus OpenAI gründete der ehemalige Chefwissenschaftler Ilya Sutskever Safe Superintelligence Inc. (SSI), die kürzlich Details zu ihrem ersten Modell enthüllt hat. Berichten
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
Am 14. Mai 2026 gab die KI-Anwendungsentwicklungsplattform Lovable bekannt, dass sie an der 800.000-US-Dollar-Seed-Finanzierungsrunde des dänischen Hardware-Startups Atech beteiligt ist. Angeführt von Lovable zog die Runde erstklassige Wagniskapitalf
Anthropic erweitert die Claude KI-Coding-Tools in Japan im Rahmen der Bemühungen um internationales Wachstum
Anthropic, ein führendes US-amerikalisches Unternehmen für künstliche Intelligenz, intensiviert seine globalen Outreach-Bemühungen. Am Mittwoch veranstaltete das Unternehmen in Tokio eine große Entwicklerkonferenz namens „Code with Claude“, an der kn
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)
Am 29. April stellte iFLYTEK offiziell das neue Modell „Spark X2-Flash“ vor und öffnete dessen API-Schnittstelle. Damit wurde ein neuer Meilenstein in Sachen Effizienz für Anwendungen mit großen Modellen gesetzt, die auf dem heimischen Rechenleistungs-Ökosystem basieren.
Das Modell nutzt die derzeit gängige MoE-Architektur (Mixture of Experts) mit insgesamt 30 Milliarden Parametern. Sein herausragendes Merkmal ist die Unterstützung eines extrem langen Kontexts von bis zu 256K. Bemerkenswert ist, dass das Spark X2-Flash vollständig auf dem Ascend 910B-Cluster von Huawei trainiert wurde, was die Synergie von inländischer Software und Hardware für das Deep-Learning-Training demonstriert.

In Bezug auf die Kernleistung bietet das Spark X2-Flash erhebliche Verbesserungen bei den Fähigkeiten zur Agenten- und Codegenerierung. Tests von Drittanbietern zeigen, dass seine Leistung bei komplexen Aufgaben – wie der Verarbeitung tiefgreifender Forschungsberichte, der Verwaltung und dem Aufruf von Fähigkeiten sowie der Ausführung von Systemsteuerung – das Niveau von Spitzenmodellen der Branche mit Billionen von Parametern erreicht hat.
Auch in Bezug auf die Kosten, die für Entwickler von Bedeutung sind, überzeugt das Spark X2-Flash. In identischen Workflow-Tests beträgt sein Token-Verbrauch nur ein Drittel des Verbrauchs aktueller gängiger großer Modelle, was die Hürde für die Entwicklung komplexer Agentenanwendungen erheblich senkt. Beispielsweise erfasst das Modell bei der Erstellung komplexer Fähigkeiten zur Videogenerierung nicht nur schnell die Anforderungen, sondern bietet auch detaillierte Erklärungen, die von der Skill-Struktur bis hin zu den Kernfunktionen reichen.

Technisch gesehen ist das Spark X2-Flash das erste Modell, das DSA (Sparse Attention) und MTP (Multi-Token Prediction) auf heimischen Chips kombiniert. Diese Innovation löst das Problem des langsamen Trainings langer Texte auf heimischen Rechenplattformen und steigert die Trainingseffizienz im Vergleich zu Clustern ähnlicher Größe um das 4,5-Fache. Darüber hinaus verbessert das Modell bei Szenarien des agentenbasierten verstärkenden Lernens die Effizienz der Sampling-Inferenz durch kombinierte algorithmische und technische Optimierungen um mehr als das Doppelte und beseitigt so effektiv Leistungsengpässe in Szenarien mit langen Interaktionen.
Derzeit haben Anwendungen wie AstronClaw und Loomy die Integration als erste abgeschlossen. Das Modell ist zudem eng auf internationale Mainstream-Agenten-Frameworks wie OpenClaw und Claude Code abgestimmt und bietet Entwicklern weltweit eine kostengünstigere Option für inländische Rechenleistung.
Der ehemalige OpenAI-Chefwissenschaftler Ilya stellt sein SSI vor und enthüllt das erste Modell
Die KI hat einen weiteren großen Meilenstein erreicht. Nach seinem Ausscheiden aus OpenAI gründete der ehemalige Chefwissenschaftler Ilya Sutskever Safe Superintelligence Inc. (SSI), die kürzlich Details zu ihrem ersten Modell enthüllt hat. Berichten
Lovable Leads Atech's Seed Round as AI Ambient Coding Officially Enters the Hardware Field
Am 14. Mai 2026 gab die KI-Anwendungsentwicklungsplattform Lovable bekannt, dass sie an der 800.000-US-Dollar-Seed-Finanzierungsrunde des dänischen Hardware-Startups Atech beteiligt ist. Angeführt von Lovable zog die Runde erstklassige Wagniskapitalf
Anthropic erweitert die Claude KI-Coding-Tools in Japan im Rahmen der Bemühungen um internationales Wachstum
Anthropic, ein führendes US-amerikalisches Unternehmen für künstliche Intelligenz, intensiviert seine globalen Outreach-Bemühungen. Am Mittwoch veranstaltete das Unternehmen in Tokio eine große Entwicklerkonferenz namens „Code with Claude“, an der kn











