中国电信 Xing4.0-29B-Intent：275 万语料开源，意图理解 81 分

一句话结论：Xing4.0-29B-Intent 用 29B 总参数、每 token 只激活 4B 的 MoE，把意图理解与参数抽取合并成一次结构化输出，在官方 6000 题评测上拿到 58 分，比 18 款通用模型的最高分高出 9 分。

2026 年 10 月 20 日，中电信人工智能科技有限公司星辰通用人工智能实验室正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放 275 万条训练语料、模型权重与推理镜像。模型基于星辰通用基座 Xing4.0-29B-A4B 微调而来，代码以 Apache 2.0 协议放在 GitHub，权重与数据集同时上架 Hugging Face、ModelScope 与 Modelers 社区。

这类专用模型近半年密集出现。Jev 拿到百亿美元估值，微软推出 Decision-1，Cloudflare 开源 Clef 与 Clef-omni，AWS 发布 Strands Decider 2B。Xing4.0-29B-Intent 的特殊之处在于它把参数抽取和意图识别放进同一个输出结构里，用一套输入输出协议覆盖四类异构任务。

意图理解要同时做两道题：选择题加填空题

一个日常指令能说明问题。「帮我把卧室的灯调成暖黄」这句话里，既包含用户想做的事，也包含完成这件事所需的具体信息。只判断出控制灯光还不够，系统还需要知道房间是卧室、设备是灯、状态是暖黄。

官方对这两道题做了区分。Jev 一类决策模型主要做选择题，返回类型化决策，从给定候选中挑答案。参数抽取相当于做填空题，要提取完成任务所需的具体信息。Xing4.0-29B-Intent 同时支持这两类任务，也支持一句话里包含多个意图、多个参数与多个实体的情况。

USP 框架：一份 Schema 驱动四类任务

模型采用统一模式驱动语义解析框架 USP（Unified Schema-driven Semantic Parsing），以类别加参数的层级结构组织结果，按照预定义的字段规则输出 JSON。意图理解、实体识别、关系抽取、事件抽取这四类异构任务共用同一套输入输出格式约束，下游任务接入时不必为每类任务单独写解析逻辑，迁移成本很低。

官方 README 给出的输出协议很直白。输入是任务指令、schema 定义与待处理的文本或对话，输出是一个 JSON 数组，每一项包含 category 与 args 两个字段。category 指定类别名，args 列出字段名与描述。args 数组中的每个对象代表一个被抽取出来的参数实例，抽取不到时 args 为空数组。一句话包含多个命令时，模型会产出多个意图项，各自带自己的参数。

官方给出的调用示例

配套 SDK 叫 XingIntent，定义了业务意图后直接取结构化结果。示例里的 schema 是查询航班，字段是出发地、目的地、日期，输入是帮我查明天北京到上海的航班，输出为查询航班，参数为北京、上海、明天。SDK 负责 prompt 组装与结果解析，支持同步与异步调用，max_tokens 设为 512。服务侧用 vLLM 或 SGLang 起一个 OpenAI 兼容接口即可，模型权重路径替换成 Xing4.0-29B-Intent 的权重，served-model-name 设为同名。

四类任务实测：58 分对 49 分的分差在哪里

官方评测从 48 个公开数据集抽取 6000 道题，覆盖命名实体识别、关系抽取、事件抽取与意图理解四类任务，考察模型能否按给定的任务指令与 schema 识别类别并抽取信息。每项任务分数是该任务下各数据集字段值 Micro-F1 的宏平均，总分是四项任务的等权平均。

这组对比表是整套发布材料里最有信息量的部分。它把 11 个模型放在同一套 schema 约束下同时评测。

分差集中在两个位置。意图理解 81 分对第二名 Gemini-3.6-Flash 的 64 分，差距 17 分，这是专用模型训练目标带来的直接收益。事件抽取 40 分对 30 分，差距 10 分。实体识别 72 分与 Gemini 的 71 分基本持平。关系抽取 38 分对 29 分，差距 9 分，是四类任务里绝对分最低的一项。

类别分这一列更值得细看。Xing4.0-29B-Intent 是 69 分，而 Gemini-3.6-Flash、Qwen3.8-Max、Kimi-K3 三家都是 71 分，通用模型在这个维度上反而略高。官方对此的解释是类别分只评估 category 标签，不意味着所有抽取字段都正确。这说明专用模型的优势不在于认出类别，而在于把参数一并抽准。这个差别正是「做选择题」与「做填空题」两种能力的分野在分数上的体现。

评分口径也有需要注意的地方。所有分数都是 0 到 100 的宏平均，不等于业务准确率。接口、prompt 与推理设置都会影响结果。表中加粗标记的是取整前的最高分，取整后出现相同整数并不代表原始分打平。

决策题 70 分：多选不漏选与负例不误报

第二组评测只做类别决策，题型是 5606 道，其中 3940 道单标签、1666 道多标签、839 道负例。负例这一项设计得很实用，输入里根本没有对应意图，模型应当拒答，无需硬凑一个类别。

结果上，Xing4.0-29B-Intent 总决策分 70，GPT-6-Luna 为 65，Jev 在两种作答模式下的得分为 56 与 53。官方给出的优势说明是，多选时避免漏选，负例时不误报。

把两组评测合起来看，专用模型在决策类任务上的路线很清楚。Jev 侧重类型化决策，官方材料明确提到 Jev 跑在意图识别与信息抽取任务上并不强势。中国电信这个模型选择把参数抽取并进来，用的是同一套 schema 约束下的统一输出。这条路线在客服、工单路由这类需要结构化参数的场景里更有用，毕竟业务系统最终要拿到的正是可以落库的字段值。

275.3 万语料与一份 EMNLP 2026 论文

训练数据是这次发布里另一个硬指标。275.3 万条监督微调样本，由 61 个公开数据集重建，覆盖 19 个领域与 52 种语言。官方把它称为规模最大的开源意图理解语料。

同期还发布了中国移动助手口语理解基准 CMPA-SLU，题为 A Benchmark for Chinese Mobile Personal Assistant Spoken Language Understanding，已被 EMNLP 2026 接收。这条基准恰好对应模型要解决的问题，移动端口语指令的意图与槽位理解。

发布渠道一次给齐。GitHub 仓库地址是 XingChen-AGI/Xing4.0-29B-Intent，Apache 2.0 协议，star 25、fork 2、开放 issue 0，仓库建于 10 月 17 日，最后推送 10 月 19 日。Hugging Face 与 ModelScope 上模型和数据集同步提供，ModelScope 侧模型页显示下载量 255。推理镜像与天翼人工智能开放平台的接入地址也一并给出。

延迟与成本：几十个 token 的响应

意图理解模型的落地约束通常写在两个数字上：延迟和调用成本。

延迟方面，Xing4.0-29B-Intent 平均输出仅几十个 token，完整结果响应时延可以做到百毫秒级。中文口径给的是响应时延可控制在 200 毫秒以内，英文材料给出的端到端推理延迟是 150 毫秒以内，并且说明这是 schema 约束输出带来的低格式错误率。

成本方面，29B 总参数、每 token 只激活 4B 的 MoE 结构，让单次调用成本压到能承受百万级日调用的水平。官方对比时用的是另一个角度：通用大模型习惯想清楚再回答，动辄数百上千字的长篇推理，对于工单该转给谁这样的问题，说完客户早就挂电话了。

还有一条稳定性上的理由常被忽略。通用大模型输出自由文本，同一个问题可能给出十种说法，下游解析困难。意图理解模型的输出被严格约束在预定义结构内，字段固定，格式可校验，没有自由发挥的空间。

落地位置

模型能力已在电信万号客服与智能家居音箱等终端产品中开始应用，服务于对话意图识别、工单智能路由与口语指令解析。官方给出的目标场景包括智能空间、车载助手、办公流程与个人智能体。

第三方实测里暴露的问题

知识星球等第三方实测记录了几组具体表现。模型能把一句指令里针对不同灯的设置分开，能跳过用户明确说不要动的设备，能在多轮修改中保持会议原本的 30 分钟时长，也没有把备忘录正文里写的指令当成新任务。同一次实测中，后排车窗那个用例返回了 0% 的设置值，无法表达车窗已有的开合位置。这类失败模式指向同一个问题：把状态型参数和设定型参数混在一个 schema 里时，模型容易把「已有状态」当成「要设定的值」。

选型建议：什么时候需要这样一个专用模型

有三类场景值得优先考虑。第一类是意图收敛且响应时延要求高的场景，工单路由、语音指令解析这类，通用模型的长篇推理在这里是负担。第二类是调用量大的场景，每天上百万次的判断，通用大模型的 token 消耗按量级放大，专用模型的差距会成倍体现。第三类是下游需要稳定结构的场景，schema 约束的 JSON 输出省掉了大量解析与校验工作。

不适合的情况同样清楚。任务需要开放式的推理与生成时，29B 专用模型的能力边界比通用大模型窄得多，关系抽取 38 分与事件抽取 40 分这两个绝对分数说明它在复杂语义关系上还有距离。schema 设计得不好，结果也会直接受影响，模型严格按给定的候选类别和字段工作，schema 缺了什么就抽不出什么。

与同类专用模型横向比较时，可以参考几个已有的参照点。Jev 侧重类型化决策，估值已到百亿美元量级；微软 Decision-1 的公布数字是 36 项基准 83.5% 准确率，延迟比 GPT-6 Sol 快 35 倍；Cloudflare Clef 的结果是 39 毫秒出结果，Strands Decider 2B 则是亚 100 毫秒选出最优智能体路径。Xing4.0-29B-Intent 的位置在延迟上与之接近，差异主要在把参数抽取并入同一套输出。

常见问题 FAQ

Xing4.0-29B-Intent 和通用大模型怎么选

意图收敛、时延敏感、调用量大、需要稳定 JSON 结构的场景选专用模型。开放式推理与自由文本生成场景选通用大模型。官方评测显示专用模型在意图理解上 81 分对 Gemini-3.6-Flash 的 64 分，总分 58 对 49，但类别分 69 对 71，通用模型在分类本身这项上略强。

这个模型能离线部署吗

可以。权重与推理镜像完全开放，代码采用 Apache 2.0 协议。用 vLLM 或 SGLang 起 OpenAI 兼容服务，模型路径替换为 Xing4.0-29B-Intent 权重即可，配套的 XingIntent SDK 处理 schema 定义、prompt 组装与结果解析，支持同步与异步调用。

275 万条语料能用来训练自己的模型吗

可以，数据集已在 Hugging Face 与 ModelScope 以 Xing4.0-29B-Intent-oss 名义开放，由 61 个公开数据集重建，覆盖 19 个领域与 52 种语言。官方把它定位为规模最大的开源意图理解语料。需要注意 CMPA-SLU 基准与模型的发布方相同，用它做外部评测时结论会打折扣。

小结

把这次发布放进行业节奏里看，它代表的是意图理解赛道的一次收敛。前几个月这条赛道还在比谁的决策模型更大、更快、估值更高，Xing4.0-29B-Intent 给出的答案是把范围缩小，把参数抽取合并进来，用 29B 总参数和 4B 激活量在百万次调用的场景里把成本压到可用区间。

58 分对 49 分这个总分的差距需要放在正确的口径下读。它来自官方自建评测，6000 道题来自 48 个公开数据集的抽样，schema 由实验室自己定义，通用模型的适配方式也由自己完成。关系抽取 38 分这个绝对数字，以及第三方实测中暴露的状态型参数失败，都说明它离替代通用模型还有距离。

它真正的价值在于把结构化输出这件事做成了可以拿来就用的成品：275.3 万语料、权重、镜像、SDK、基准论文、开放协议一次给齐。对于要在客服、工单、智能家居这类场景里落地意图识别的团队，这套东西省下的是从零做数据、做 schema、做结构化输出约束的几个月时间。

延伸阅读：DeepSeek Search API 上线：RAG 与 Agent 补齐实时检索