Hogar
El Xunfei Xinghuo X2-Flash sale al mercado con una potencia de cálculo local mejorada y compatibilidad con textos largos de 256 KB
El 29 de abril, iFLYTEK presentó oficialmente el nuevo modelo Spark X2-Flash y abrió su interfaz API, lo que supone un nuevo hito en materia de eficiencia para las aplicaciones de modelos a gran escala desarrolladas en el ecosistema nacional de potencia de cálculo.
El modelo utiliza la arquitectura MoE (Mixture of Experts) predominante en la actualidad, con un total de 30 000 millones de parámetros. Su característica más destacada es la compatibilidad con un contexto ultralargo de hasta 256K. Cabe destacar que el Spark X2-Flash se entrenó íntegramente en el clúster Ascend 910B de Huawei, lo que pone de manifiesto la sinergia entre el software y el hardware nacionales para el entrenamiento en aprendizaje profundo.

En cuanto al rendimiento básico, Spark X2-Flash ofrece mejoras significativas en las capacidades de generación de agentes y código. Las pruebas de terceros muestran que su rendimiento en tareas complejas —como el procesamiento de informes de investigación en profundidad, la gestión y activación de habilidades, y la ejecución del control del sistema— ha alcanzado el nivel de los modelos industriales de primer nivel con billones de parámetros.
En cuanto al coste, algo que preocupa a los desarrolladores, el Spark X2-Flash destaca. En pruebas de flujos de trabajo idénticos, su consumo de tokens es solo un tercio del de los grandes modelos convencionales actuales, lo que reduce en gran medida la barrera para crear aplicaciones de agentes complejas. Por ejemplo, al crear habilidades complejas de generación de vídeo, el modelo no solo capta rápidamente los requisitos, sino que también ofrece explicaciones detalladas que abarcan desde la estructura de la habilidad hasta las funciones principales.

Técnicamente, Spark X2-Flash es el primero en combinar DSA (atención dispersa) y MTP (predicción multitoken) en chips nacionales. Esta innovación resuelve el problema de la lentitud del entrenamiento de textos largos en las plataformas informáticas nacionales, multiplicando por 4,5 la eficiencia del entrenamiento en comparación con clústeres de escala similar. Además, para escenarios de aprendizaje por refuerzo con agentes, el modelo mejora la eficiencia de la inferencia por muestreo en más del doble mediante optimizaciones combinadas de algoritmos e ingeniería, aliviando eficazmente los cuellos de botella de rendimiento en escenarios de interacción prolongada.
Actualmente, aplicaciones como AstronClaw y Loomy han sido las primeras en completar la integración. El modelo también se alinea profundamente con los marcos de agentes internacionales más destacados, como OpenClaw y Claude Code, ofreciendo a los desarrolladores de todo el mundo una opción de potencia de cálculo nacional más rentable.
Artículo relacionado
Meta elimina la función de edición de fotos con IA tras las críticas de los usuarios
Meta, el gigante de los medios sociales, se ve una vez más envuelto en un debate público sobre el delicado equilibrio entre la inteligencia artificial y la privacidad de los usuarios. Según TechCrunch, Superintelligence Labs de Meta presentó un nuevo
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
El 29 de abril, iFLYTEK presentó oficialmente el nuevo modelo Spark X2-Flash y abrió su interfaz API, lo que supone un nuevo hito en materia de eficiencia para las aplicaciones de modelos a gran escala desarrolladas en el ecosistema nacional de potencia de cálculo.
El modelo utiliza la arquitectura MoE (Mixture of Experts) predominante en la actualidad, con un total de 30 000 millones de parámetros. Su característica más destacada es la compatibilidad con un contexto ultralargo de hasta 256K. Cabe destacar que el Spark X2-Flash se entrenó íntegramente en el clúster Ascend 910B de Huawei, lo que pone de manifiesto la sinergia entre el software y el hardware nacionales para el entrenamiento en aprendizaje profundo.

En cuanto al rendimiento básico, Spark X2-Flash ofrece mejoras significativas en las capacidades de generación de agentes y código. Las pruebas de terceros muestran que su rendimiento en tareas complejas —como el procesamiento de informes de investigación en profundidad, la gestión y activación de habilidades, y la ejecución del control del sistema— ha alcanzado el nivel de los modelos industriales de primer nivel con billones de parámetros.
En cuanto al coste, algo que preocupa a los desarrolladores, el Spark X2-Flash destaca. En pruebas de flujos de trabajo idénticos, su consumo de tokens es solo un tercio del de los grandes modelos convencionales actuales, lo que reduce en gran medida la barrera para crear aplicaciones de agentes complejas. Por ejemplo, al crear habilidades complejas de generación de vídeo, el modelo no solo capta rápidamente los requisitos, sino que también ofrece explicaciones detalladas que abarcan desde la estructura de la habilidad hasta las funciones principales.

Técnicamente, Spark X2-Flash es el primero en combinar DSA (atención dispersa) y MTP (predicción multitoken) en chips nacionales. Esta innovación resuelve el problema de la lentitud del entrenamiento de textos largos en las plataformas informáticas nacionales, multiplicando por 4,5 la eficiencia del entrenamiento en comparación con clústeres de escala similar. Además, para escenarios de aprendizaje por refuerzo con agentes, el modelo mejora la eficiencia de la inferencia por muestreo en más del doble mediante optimizaciones combinadas de algoritmos e ingeniería, aliviando eficazmente los cuellos de botella de rendimiento en escenarios de interacción prolongada.
Actualmente, aplicaciones como AstronClaw y Loomy han sido las primeras en completar la integración. El modelo también se alinea profundamente con los marcos de agentes internacionales más destacados, como OpenClaw y Claude Code, ofreciendo a los desarrolladores de todo el mundo una opción de potencia de cálculo nacional más rentable.
Meta elimina la función de edición de fotos con IA tras las críticas de los usuarios
Meta, el gigante de los medios sociales, se ve una vez más envuelto en un debate público sobre el delicado equilibrio entre la inteligencia artificial y la privacidad de los usuarios. Según TechCrunch, Superintelligence Labs de Meta presentó un nuevo
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en











