Maison
Le Xunfei Xinghuo X2-Flash fait son entrée sur le marché avec une puissance de calcul interne améliorée et la prise en charge de textes longs de 256 Ko
Le 29 avril, iFLYTEK a officiellement lancé le nouveau modèle Spark X2-Flash et ouvert son interface API, marquant ainsi une nouvelle étape en matière d'efficacité pour les applications de grands modèles s'appuyant sur l'écosystème national de puissance de calcul.
Le modèle utilise l'architecture MoE (Mixture of Experts) couramment utilisée aujourd'hui, avec un total de 30 milliards de paramètres. Sa caractéristique principale est la prise en charge d'un contexte ultra-long pouvant atteindre 256K. Il convient de noter que le Spark X2-Flash a été entièrement entraîné sur le cluster Ascend 910B de Huawei, démontrant ainsi la synergie entre les logiciels et le matériel nationaux pour l'entraînement en apprentissage profond.

En termes de performances de base, le Spark X2-Flash offre des gains significatifs en matière de capacités de génération d'agents et de code. Des tests effectués par des tiers montrent que ses performances sur des tâches complexes — telles que le traitement de rapports de recherche approfondis, la gestion et l'invocation de compétences, ainsi que l'exécution du contrôle du système — ont atteint le niveau des modèles de pointe du secteur comportant des milliers de milliards de paramètres.
En matière de coût, un aspect important pour les développeurs, le Spark X2-Flash excelle. Lors de tests de flux de travail identiques, sa consommation de tokens n'est que d'un tiers de celle des grands modèles courants actuels, ce qui réduit considérablement les obstacles à la création d'applications d'agents complexes. Par exemple, lors de la création de compétences complexes de génération de vidéos, le modèle non seulement saisit rapidement les exigences, mais fournit également des explications détaillées couvrant la structure des compétences jusqu'aux fonctions de base.

Sur le plan technique, le Spark X2-Flash est le premier à combiner les techniques DSA (Sparse Attention) et MTP (Multi-Token Prediction) sur des puces nationales. Cette innovation résout le problème de la lenteur de l'entraînement sur des textes longs sur les plateformes informatiques nationales, multipliant par 4,5 l'efficacité de l'entraînement par rapport à des clusters de taille similaire. De plus, pour les scénarios d'apprentissage par renforcement avec agents, le modèle améliore l'efficacité de l'inférence par échantillonnage de plus de deux fois grâce à des optimisations combinées sur le plan algorithmique et technique, ce qui atténue efficacement les goulots d'étranglement de performance dans les scénarios d'interaction longues.
À l'heure actuelle, des applications telles qu'AstronClaw et Loomy ont été les premières à être intégrées. Le modèle s'aligne également étroitement sur les principaux frameworks d'agents internationaux tels qu'OpenClaw et Claude Code, offrant ainsi aux développeurs du monde entier une option de puissance de calcul nationale plus rentable.
Article connexe
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I
Recommandations de sujets spéciaux liés
commentaires (0)
Le 29 avril, iFLYTEK a officiellement lancé le nouveau modèle Spark X2-Flash et ouvert son interface API, marquant ainsi une nouvelle étape en matière d'efficacité pour les applications de grands modèles s'appuyant sur l'écosystème national de puissance de calcul.
Le modèle utilise l'architecture MoE (Mixture of Experts) couramment utilisée aujourd'hui, avec un total de 30 milliards de paramètres. Sa caractéristique principale est la prise en charge d'un contexte ultra-long pouvant atteindre 256K. Il convient de noter que le Spark X2-Flash a été entièrement entraîné sur le cluster Ascend 910B de Huawei, démontrant ainsi la synergie entre les logiciels et le matériel nationaux pour l'entraînement en apprentissage profond.

En termes de performances de base, le Spark X2-Flash offre des gains significatifs en matière de capacités de génération d'agents et de code. Des tests effectués par des tiers montrent que ses performances sur des tâches complexes — telles que le traitement de rapports de recherche approfondis, la gestion et l'invocation de compétences, ainsi que l'exécution du contrôle du système — ont atteint le niveau des modèles de pointe du secteur comportant des milliers de milliards de paramètres.
En matière de coût, un aspect important pour les développeurs, le Spark X2-Flash excelle. Lors de tests de flux de travail identiques, sa consommation de tokens n'est que d'un tiers de celle des grands modèles courants actuels, ce qui réduit considérablement les obstacles à la création d'applications d'agents complexes. Par exemple, lors de la création de compétences complexes de génération de vidéos, le modèle non seulement saisit rapidement les exigences, mais fournit également des explications détaillées couvrant la structure des compétences jusqu'aux fonctions de base.

Sur le plan technique, le Spark X2-Flash est le premier à combiner les techniques DSA (Sparse Attention) et MTP (Multi-Token Prediction) sur des puces nationales. Cette innovation résout le problème de la lenteur de l'entraînement sur des textes longs sur les plateformes informatiques nationales, multipliant par 4,5 l'efficacité de l'entraînement par rapport à des clusters de taille similaire. De plus, pour les scénarios d'apprentissage par renforcement avec agents, le modèle améliore l'efficacité de l'inférence par échantillonnage de plus de deux fois grâce à des optimisations combinées sur le plan algorithmique et technique, ce qui atténue efficacement les goulots d'étranglement de performance dans les scénarios d'interaction longues.
À l'heure actuelle, des applications telles qu'AstronClaw et Loomy ont été les premières à être intégrées. Le modèle s'aligne également étroitement sur les principaux frameworks d'agents internationaux tels qu'OpenClaw et Claude Code, offrant ainsi aux développeurs du monde entier une option de puissance de calcul nationale plus rentable.
Stripe va acquérir OpenRouter alors que le routage basé sur des modèles d'IA prend de l'ampleur
Stripe a conclu un accord en vue d’acquérir OpenRouter, une plateforme de routage de modèles d’IA qui permet aux développeurs d’accéder à des centaines de modèles via une interface unique. Cette acqui
Barrett Zoph, ancien chercheur chez OpenAI, revient chez Google pour contribuer au développement de Gemini
Barret Zoph, qui avait auparavant quitté brusquement l’entreprise pour rejoindre OpenAI en raison d’un désaccord avec Miriam Mularati, PDG de Thinking Machines Lab, a une nouvelle fois changé d’employ
Comment Recursive Intelligence a levé 335 millions de dollars en 4 mois, avec une valorisation de 4 milliards de dollars
Les cofondatrices de la start-up Ricursive Intelligence semblaient destinées à devenir cofondatrices.Anna Goldie, PDG, et Azalia Mirhoseini, directrice technique, sont si connues dans le milieu de l’I











