Maison
Senspeech X2.5 Twin Stars : premier contexte d’un million de tokens sur le bord, entièrement entraîné avec une puissance de calcul nationale
Le 1er septembre, la filiale à 100 % d'iFLYTEK, Ciyuan Xinghuo, a officiellement lancé et open-sourcé deux grands modèles généraux de bout en bout : Xinghuo X2.5-4B et Xinghuo X2.5-1.7B. Ces modèles sont les premiers à prendre nativement en charge une longueur de contexte allant jusqu'à 1 million de Tokens, avec un accès complet aux poids du modèle, aux dépôts de code et à la documentation de déploiement.
Prise en charge du contexte à plusieurs millions de tokens, les petits modèles peuvent « lire un livre entier »
Les deux modèles utilisent une architecture d'attention hybride, optimisée pour des capacités clés telles que les agents, le code, les mathématiques et le respect des instructions, offrant des performances globales qui se distinguent parmi les modèles open-source de taille similaire dans l'industrie.
En ce qui concerne la capacité contextuelle, Xinghuo X2.5-4B et Xinghuo X2.5-1.7B sont entraînés sur des données de haute qualité au niveau de plusieurs billions de Tokens, couvrant des scénarios tels que les documents longs et les matériaux techniques. Ils prennent nativement en charge une fenêtre de contexte de 1 million de Tokens, leur permettant de recevoir et de comprendre des informations à grande échelle en une seule fois.

Par exemple, dans le service après-vente des produits : les utilisateurs peuvent importer le manuel complet d'après-vente dans Xinghuo X2.5-4B. Le modèle trie d'abord les règles d'après-vente dans différents scénarios et marque les chapitres correspondants. Lorsqu'on lui demande « Si une panne d'appareil dans les 10 jours suivant l'achat et l'utilisation de consommables tiers est éligible à un remplacement ? », il peut fournir une évaluation complète en reliant les réglementations sur les retours, la gestion des pannes et les exceptions à travers les chapitres. Même si de nouvelles conditions telles que les zones rurales ou les appareils avec des cartes familiales sont ajoutées plus tard, le modèle peut maintenir le contexte précédent et continuer à fournir des conseils en combinant les règles de logistique, d'effacement des données et de prise en charge des coûts.
Le contexte long résout la question de « savoir si l'information peut être entièrement consultée », tandis que les capacités d'agent et d'appel d'outils résolvent « savoir si des actions peuvent être entreprises après consultation ». Les modèles de bout en bout Xinghuo X2.5 fournissent des capacités intelligentes localisées pour des scénarios tels que le bureau personnel, le développement de code, le matériel intelligent et la robotique. Dans les scénarios de développement de code, Xinghuo X2.5-4B peut correspondre aux modèles cloud avec des paramètres 2 à 3 fois plus grands dans des tâches telles que l'implémentation d'algorithmes, la complétion de code et la génération ; sur l'ensemble de test Domux pour les maisons intelligentes, la précision d'exécution de bout en bout de Xinghuo X2.5-1.7B pour les instructions de contrôle atteint 90,3 %, avec un temps de réponse moyen de seulement 0,85 seconde ; dans les scénarios de robotique, les deux modèles peuvent être déployés sur des corps de robots ou des appareils de bout en bout, prenant en charge des tâches telles que le contrôle des opérations, le suivi de cibles et la prise de décision de navigation, réduisant la dépendance aux connexions cloud et aux programmes prédéfinis fixes.
Entraînement entièrement sur une puissance de calcul nationale, téléchargement et expérience instantanés
Xinghuo X2.5-4B et Xinghuo X2.5-1.7B ont été entraînés entièrement sur des plateformes de calcul nationales, utilisant environ 20 billions de tokens diversifiés de données pour l'entraînement préalable, et améliorant continuellement les performances grâce à un ajustement fin supervisé de haute qualité et à l'apprentissage par renforcement.
En termes de déploiement, les deux modèles prennent en charge des plateformes matérielles incluant NVIDIA, Huawei, Hai Guang et Hemo, et sont compatibles avec des frameworks d'inférence principaux tels que vLLM, SGLang et llama.cpp. Ils peuvent être rapidement déployés via des outils comme Ollama et LM Studio, et prennent en charge l'entraînement incrémental utilisant LLaMA-Factory. À partir d'aujourd'hui, les poids des modèles sont disponibles sur des plateformes telles que Hugging Face et GitHub, et des API de modèles correspondantes ont été lancées sur la plateforme Starry MaaS d'iFLYTEK, gratuites pour une durée limitée. Le 7 septembre, iFLYTEK lancera officiellement le prochain modèle général de pointe, Xinghuo X2.5, améliorant davantage des capacités clés telles que le code et les agents.
Article connexe
OpenAI lance un groupe consultatif sur les mathématiques et l’intelligence artificielle ; un modèle mystérieux résout 100 problèmes de classe mondiale en 24 jours
Le 22 septembre, OpenAI a annoncé la création d’un « Groupe consultatif sur les mathématiques et l’intelligence artificielle ». Basé à l’Institut d’études avancées de Princeton, cet organe indépendant est composé de neuf mathématiciens qui opèrent sé
Meitun LongCat lance LoHoSearch alors que les scores de BrowseComp chutent en dessous de 30 %
Les capacités des agents de recherche ont été largement définies par BrowseComp au cours de la dernière année. Pourtant, ce benchmark perd de sa pertinence : il a fait passer les performances des modèles de 30 % à 90 % en seulement dix mois, et sa va
MiniMax dévoile M3, un grand modèle d'IA national qui surpasse GPT-5.5
Le secteur de l'intelligence artificielle en Chine a connu un bond technologique majeur avec le lancement officiel du dernier grand modèle de langage de Xiyu Technology, MiniMax M3. Ce système avancé combine une maîtrise du codage de pointe avec la p
Recommandations de sujets spéciaux liés
commentaires (0)
Le 1er septembre, la filiale à 100 % d'iFLYTEK, Ciyuan Xinghuo, a officiellement lancé et open-sourcé deux grands modèles généraux de bout en bout : Xinghuo X2.5-4B et Xinghuo X2.5-1.7B. Ces modèles sont les premiers à prendre nativement en charge une longueur de contexte allant jusqu'à 1 million de Tokens, avec un accès complet aux poids du modèle, aux dépôts de code et à la documentation de déploiement.
Prise en charge du contexte à plusieurs millions de tokens, les petits modèles peuvent « lire un livre entier »
Les deux modèles utilisent une architecture d'attention hybride, optimisée pour des capacités clés telles que les agents, le code, les mathématiques et le respect des instructions, offrant des performances globales qui se distinguent parmi les modèles open-source de taille similaire dans l'industrie.
En ce qui concerne la capacité contextuelle, Xinghuo X2.5-4B et Xinghuo X2.5-1.7B sont entraînés sur des données de haute qualité au niveau de plusieurs billions de Tokens, couvrant des scénarios tels que les documents longs et les matériaux techniques. Ils prennent nativement en charge une fenêtre de contexte de 1 million de Tokens, leur permettant de recevoir et de comprendre des informations à grande échelle en une seule fois.

Par exemple, dans le service après-vente des produits : les utilisateurs peuvent importer le manuel complet d'après-vente dans Xinghuo X2.5-4B. Le modèle trie d'abord les règles d'après-vente dans différents scénarios et marque les chapitres correspondants. Lorsqu'on lui demande « Si une panne d'appareil dans les 10 jours suivant l'achat et l'utilisation de consommables tiers est éligible à un remplacement ? », il peut fournir une évaluation complète en reliant les réglementations sur les retours, la gestion des pannes et les exceptions à travers les chapitres. Même si de nouvelles conditions telles que les zones rurales ou les appareils avec des cartes familiales sont ajoutées plus tard, le modèle peut maintenir le contexte précédent et continuer à fournir des conseils en combinant les règles de logistique, d'effacement des données et de prise en charge des coûts.
Le contexte long résout la question de « savoir si l'information peut être entièrement consultée », tandis que les capacités d'agent et d'appel d'outils résolvent « savoir si des actions peuvent être entreprises après consultation ». Les modèles de bout en bout Xinghuo X2.5 fournissent des capacités intelligentes localisées pour des scénarios tels que le bureau personnel, le développement de code, le matériel intelligent et la robotique. Dans les scénarios de développement de code, Xinghuo X2.5-4B peut correspondre aux modèles cloud avec des paramètres 2 à 3 fois plus grands dans des tâches telles que l'implémentation d'algorithmes, la complétion de code et la génération ; sur l'ensemble de test Domux pour les maisons intelligentes, la précision d'exécution de bout en bout de Xinghuo X2.5-1.7B pour les instructions de contrôle atteint 90,3 %, avec un temps de réponse moyen de seulement 0,85 seconde ; dans les scénarios de robotique, les deux modèles peuvent être déployés sur des corps de robots ou des appareils de bout en bout, prenant en charge des tâches telles que le contrôle des opérations, le suivi de cibles et la prise de décision de navigation, réduisant la dépendance aux connexions cloud et aux programmes prédéfinis fixes.
Entraînement entièrement sur une puissance de calcul nationale, téléchargement et expérience instantanés
Xinghuo X2.5-4B et Xinghuo X2.5-1.7B ont été entraînés entièrement sur des plateformes de calcul nationales, utilisant environ 20 billions de tokens diversifiés de données pour l'entraînement préalable, et améliorant continuellement les performances grâce à un ajustement fin supervisé de haute qualité et à l'apprentissage par renforcement.
En termes de déploiement, les deux modèles prennent en charge des plateformes matérielles incluant NVIDIA, Huawei, Hai Guang et Hemo, et sont compatibles avec des frameworks d'inférence principaux tels que vLLM, SGLang et llama.cpp. Ils peuvent être rapidement déployés via des outils comme Ollama et LM Studio, et prennent en charge l'entraînement incrémental utilisant LLaMA-Factory. À partir d'aujourd'hui, les poids des modèles sont disponibles sur des plateformes telles que Hugging Face et GitHub, et des API de modèles correspondantes ont été lancées sur la plateforme Starry MaaS d'iFLYTEK, gratuites pour une durée limitée. Le 7 septembre, iFLYTEK lancera officiellement le prochain modèle général de pointe, Xinghuo X2.5, améliorant davantage des capacités clés telles que le code et les agents.
OpenAI lance un groupe consultatif sur les mathématiques et l’intelligence artificielle ; un modèle mystérieux résout 100 problèmes de classe mondiale en 24 jours
Le 22 septembre, OpenAI a annoncé la création d’un « Groupe consultatif sur les mathématiques et l’intelligence artificielle ». Basé à l’Institut d’études avancées de Princeton, cet organe indépendant est composé de neuf mathématiciens qui opèrent sé
Meitun LongCat lance LoHoSearch alors que les scores de BrowseComp chutent en dessous de 30 %
Les capacités des agents de recherche ont été largement définies par BrowseComp au cours de la dernière année. Pourtant, ce benchmark perd de sa pertinence : il a fait passer les performances des modèles de 30 % à 90 % en seulement dix mois, et sa va
MiniMax dévoile M3, un grand modèle d'IA national qui surpasse GPT-5.5
Le secteur de l'intelligence artificielle en Chine a connu un bond technologique majeur avec le lancement officiel du dernier grand modèle de langage de Xiyu Technology, MiniMax M3. Ce système avancé combine une maîtrise du codage de pointe avec la p











