Senspeech X2.5 雙星:首個在端側實現百萬級 Token 上下文,完全使用國產算力訓練
9月1日,科大訊飛全資子公司思元星火正式推出並開源兩款端側通用大模型:星火X2.5-4B和星火X2.5-1.7B。這兩款模型是業界首批原生支援高達100萬Token上下文長度的模型,並完全開放模型權重、程式碼倉庫及部署文件。
百萬級上下文支援,小模型也能“讀完一本書”
兩款模型均採用混合注意力架構,針對智慧體、程式碼、數學及指令遵循等核心能力進行了最佳化,在同類規模的行業級開源模型中展現出領先的綜合效能。
在上下文能力方面,星火X2.5-4B和星火X2.5-1.7B基於萬億級Token的高質量資料進行了訓練,涵蓋長文件和技術資料等場景。它們原生支援100萬Token的上下文視窗,能夠一次性接收並理解更大規模的資訊。

例如,在產品售後服務場景中:使用者可以將完整的售後手冊匯入星火X2.5-4B。模型首先梳理不同場景下的售後規則,並標記對應章節。當被問及“購買10天內出現故障且使用第三方耗材的裝置是否符合換貨條件?”時,它可以透過關聯各章節中關於退貨、故障處理和例外情況的法規,提供全面的判斷。即使後續新增偏遠地區或帶有家庭地圖的裝置等新條件,模型也能保持之前的上下文,並結合物流、資料擦除及費用承擔規則繼續提供建議。
長上下文解決了“資訊能否被完整檢視”的問題,而智慧體和工具呼叫能力則解決了“檢視後能否採取行動”的問題。星火X2.5端側模型為個人辦公、程式碼開發、智慧硬體及機器人等場景提供了本地化的智慧能力。在程式碼開發場景中,星火X2.5-4B在演算法實現、程式碼補全及生成等任務上,可媲美引數量大2至3倍的雲端模型;在Domux智慧家居測試集上,星火X2.5-1.7B對控制指令的端到端執行準確率達到90.3%,平均響應時間僅為0.85秒;在機器人場景中,兩款模型均可部署於機器人本體或邊緣裝置上,支援操作控制、目標跟蹤及導航決策等任務,降低了對雲端連線和固定預設程式的依賴。
全棧國產算力訓練,即下即用體驗
星火X2.5-4B和星火X2.5-1.7B完全基於國產算力平臺進行訓練,使用約20萬億多樣化Token資料進行預訓練,並透過高質量監督微調及強化學習持續提升效能。
在部署方面,兩款模型支援包括NVIDIA、華為、海光及摩爾執行緒在內的硬體平臺,併相容vLLM、SGLang及llama.cpp等主流推理框架。使用者可以透過Ollama和LM Studio等工具快速部署,並支援使用LLaMA-Factory進行增量訓練。即日起,模型權重已在Hugging Face和GitHub等平臺開放下載,科大訊飛星火MaaS平臺也同步上線了相應的模型API,限時免費使用。9月7日,科大訊飛將正式釋出下一代旗艦通用大模型星火X2.5,進一步升級程式碼及智慧體等核心能力。
相關文章
OpenAI 成立數學與人工智慧顧問小組;神秘模型在24天內解決100個世界級難題
9月22日,OpenAI 宣佈成立“數學與人工智慧諮詢小組”。該獨立機構總部位於普林斯頓高等研究院,由九位數學家組成,其運作獨立於 OpenAI。更為引人注目的是,OpenAI 透露,自 8 月 28 日起進行訓練的一個神秘模型,已成功解決了涵蓋多個數學領域的 100 多個長期未決的開放性問題,其中包括備受爭議的納維-斯托克斯千年大獎問題。數學家們對這一快速進展表示震驚,引發了關於學術披露方式的內部辯論OpenAI 指出,該模型在數學領域的進展令其內部團隊感到驚訝,從而促使團隊討論向更廣泛
Meitun LongCat 推出 LoHoSearch,而 BrowseComp 的得分已跌至 30% 以下
過去一年中,搜尋智慧體(Search Agent)的能力在很大程度上由 BrowseComp 基準測試所定義。然而,該基準測試正逐漸失去其相關性——它在短短十個月內將模型效能從 30% 提升至 90%,但其價值正在迅速衰減。7 月 17 日,美團旗下 LongCat 推出了更為嚴格的評估標準 LoHoSearch,旨在重新激發搜尋智慧體開發領域的實質性進展。LoHoSearch 的挑戰並非人工構建,而是從包含 762 萬個實體的維基百科知識圖譜中自動生成。由於這些任務是機器生成的,它們達到了人類
MiniMax 釋出 M3,一款超越 GPT-5.5 的國產 AI 大模型
中國的AI領域迎來了重大技術飛躍,隨著稀宇科技(Xiyu Technology)最新大型語言模型MiniMax M3的正式推出。這一先進系統結合了最先進的編碼能力,並支援高達100萬token的超長上下文視窗。值得注意的是,它原生支援多模態輸入,包括影象和影片處理,以及計算機桌面互動,使其成為中國首個整合這三項關鍵能力的開源模型。標準化基準測試中的卓越表現在嚴格的SWE-Bench Pro程式設計評估中,MiniMax M3獲得了59.0%的分數,超越了GPT-5.5和Gemini 3.1 Pro,
相關專題推薦
評論 (0)
0/500
9月1日,科大訊飛全資子公司思元星火正式推出並開源兩款端側通用大模型:星火X2.5-4B和星火X2.5-1.7B。這兩款模型是業界首批原生支援高達100萬Token上下文長度的模型,並完全開放模型權重、程式碼倉庫及部署文件。
百萬級上下文支援,小模型也能“讀完一本書”
兩款模型均採用混合注意力架構,針對智慧體、程式碼、數學及指令遵循等核心能力進行了最佳化,在同類規模的行業級開源模型中展現出領先的綜合效能。
在上下文能力方面,星火X2.5-4B和星火X2.5-1.7B基於萬億級Token的高質量資料進行了訓練,涵蓋長文件和技術資料等場景。它們原生支援100萬Token的上下文視窗,能夠一次性接收並理解更大規模的資訊。

例如,在產品售後服務場景中:使用者可以將完整的售後手冊匯入星火X2.5-4B。模型首先梳理不同場景下的售後規則,並標記對應章節。當被問及“購買10天內出現故障且使用第三方耗材的裝置是否符合換貨條件?”時,它可以透過關聯各章節中關於退貨、故障處理和例外情況的法規,提供全面的判斷。即使後續新增偏遠地區或帶有家庭地圖的裝置等新條件,模型也能保持之前的上下文,並結合物流、資料擦除及費用承擔規則繼續提供建議。
長上下文解決了“資訊能否被完整檢視”的問題,而智慧體和工具呼叫能力則解決了“檢視後能否採取行動”的問題。星火X2.5端側模型為個人辦公、程式碼開發、智慧硬體及機器人等場景提供了本地化的智慧能力。在程式碼開發場景中,星火X2.5-4B在演算法實現、程式碼補全及生成等任務上,可媲美引數量大2至3倍的雲端模型;在Domux智慧家居測試集上,星火X2.5-1.7B對控制指令的端到端執行準確率達到90.3%,平均響應時間僅為0.85秒;在機器人場景中,兩款模型均可部署於機器人本體或邊緣裝置上,支援操作控制、目標跟蹤及導航決策等任務,降低了對雲端連線和固定預設程式的依賴。
全棧國產算力訓練,即下即用體驗
星火X2.5-4B和星火X2.5-1.7B完全基於國產算力平臺進行訓練,使用約20萬億多樣化Token資料進行預訓練,並透過高質量監督微調及強化學習持續提升效能。
在部署方面,兩款模型支援包括NVIDIA、華為、海光及摩爾執行緒在內的硬體平臺,併相容vLLM、SGLang及llama.cpp等主流推理框架。使用者可以透過Ollama和LM Studio等工具快速部署,並支援使用LLaMA-Factory進行增量訓練。即日起,模型權重已在Hugging Face和GitHub等平臺開放下載,科大訊飛星火MaaS平臺也同步上線了相應的模型API,限時免費使用。9月7日,科大訊飛將正式釋出下一代旗艦通用大模型星火X2.5,進一步升級程式碼及智慧體等核心能力。
OpenAI 成立數學與人工智慧顧問小組;神秘模型在24天內解決100個世界級難題
9月22日,OpenAI 宣佈成立“數學與人工智慧諮詢小組”。該獨立機構總部位於普林斯頓高等研究院,由九位數學家組成,其運作獨立於 OpenAI。更為引人注目的是,OpenAI 透露,自 8 月 28 日起進行訓練的一個神秘模型,已成功解決了涵蓋多個數學領域的 100 多個長期未決的開放性問題,其中包括備受爭議的納維-斯托克斯千年大獎問題。數學家們對這一快速進展表示震驚,引發了關於學術披露方式的內部辯論OpenAI 指出,該模型在數學領域的進展令其內部團隊感到驚訝,從而促使團隊討論向更廣泛
Meitun LongCat 推出 LoHoSearch,而 BrowseComp 的得分已跌至 30% 以下
過去一年中,搜尋智慧體(Search Agent)的能力在很大程度上由 BrowseComp 基準測試所定義。然而,該基準測試正逐漸失去其相關性——它在短短十個月內將模型效能從 30% 提升至 90%,但其價值正在迅速衰減。7 月 17 日,美團旗下 LongCat 推出了更為嚴格的評估標準 LoHoSearch,旨在重新激發搜尋智慧體開發領域的實質性進展。LoHoSearch 的挑戰並非人工構建,而是從包含 762 萬個實體的維基百科知識圖譜中自動生成。由於這些任務是機器生成的,它們達到了人類
MiniMax 釋出 M3,一款超越 GPT-5.5 的國產 AI 大模型
中國的AI領域迎來了重大技術飛躍,隨著稀宇科技(Xiyu Technology)最新大型語言模型MiniMax M3的正式推出。這一先進系統結合了最先進的編碼能力,並支援高達100萬token的超長上下文視窗。值得注意的是,它原生支援多模態輸入,包括影象和影片處理,以及計算機桌面互動,使其成為中國首個整合這三項關鍵能力的開源模型。標準化基準測試中的卓越表現在嚴格的SWE-Bench Pro程式設計評估中,MiniMax M3獲得了59.0%的分數,超越了GPT-5.5和Gemini 3.1 Pro,





首頁






