讯飞星火 X2.6：293B 国产算力训练，4B 端侧 BFCL 拿 71.8 分

一句话结论：讯飞星火 X2.6 是一次架构级发布而非参数升级，293B-A30B 的云端模型用全国产算力训练，把 60% 的任务路由到 4B 端侧模型处理，用一次部署同时换来了隐私、成本和响应速度三件事。

2026 年 10 月 22 日下午，2026 科大讯飞全球 1024 开发者节主论坛在北京国家会议中心二期开幕，主题是解放生产力与释放想象力。科大讯飞董事长刘庆峰在这场论坛上发布端云一体讯飞星火 X2.6 大模型，同步开源端侧模型星火 X2.6-4B。同一场发布会还推出 SparkAudio 1.0 语音基座大模型、星火具身多模交互技术与 WinWork 数字员工平台。

这届大会释放的一个清晰信号是，国产大模型的竞争重心已经从刷分竞赛转向落地竞赛。参会的行业观察者提到，判断标准正在从模型尺寸和榜单排名，转向国产算力上的部署、数据安全和真实场景可用性。刘庆峰在现场的表态与这个转向一致：接下来真正重要的是模型能不能长在国产算力底座上，效率与数据安全能不能兼顾，以及能不能真正进入办公、产业和科研的日常场景。

端云一体到底在解决什么问题：60/30/10 的任务分流

星火 X2.6 最核心的机制叫端云一体协同架构。系统先判断任务属于纯端办、纯云办还是端云协办，再决定把活派给谁。轻量、高频、涉及敏感数据的请求走纯端侧；复杂推理、超长上下文、多智能体编排走云端；处于中间的走端云协同，端侧先做预处理或脱敏，云端审核修订后回传。

主论坛演示了两个具体场景。端侧模型在本地完成邮件汇总与合同敏感信息脱敏，云端模型再做复核。从合同演示界面可以看到，系统识别并标注了公司名称、法定代表人及授权代表、日期、银行账号、开户行、商务金额等字段，统计出类别及对应数量，并对部分敏感信息字段做了替换。

刘庆峰在现场给出了一组分工判断：未来有望实现 60% 的应用在本地完成，数据不出本地，也没有推理成本；30% 通过云端协同完成；剩下 10% 需要云端大模型单独训练解决。讯飞同时披露，端侧可独立完成的任务占比已经从 12.8% 提升到 40% 以上，官方没有进一步说明这个比例的统计口径。

路由准确率是这套机制能否成立的关键数字。讯飞给出的指标是提升至 96.1%。星火 Loomy（日常办公）与星火 AStudio（专业研发）两款应用率先搭载了这套架构。

为什么这个分流比例值得关注

按单次调用成本乘以调用量估算，端侧承接的比例每提升 10 个百分点，云端承担的推理开销就相应下降一截。更关键的是数据流向。合同脱敏、邮件汇总这类任务留在本地，等于把敏感数据留在设备上，云端只拿到脱敏后的中间结果。对于金融、医疗、政务这类合规要求高的客户，这条边界比省下来的推理费用更重要。

官方自己的保留意见

讯飞在演示说明里保留了余地。合同识别准确率、脱敏完整性以及数据传输范围，仍需要结合具体部署和使用情况来判断。端侧占比从 12.8% 跳到 40% 以上这个跨度，官方也没有给出统一的统计口径，实际比例会随应用类型起伏。

293B-A30B 与 1M 上下文：参数没变大，瓶颈被绕开了

星火 X2.6 沿用 MoE 架构，总参数 293B、每 token 激活 30B，规模与上一代 X2.5 完全一致。上下文窗口从原有水平扩到 1M Token。相比讯飞此前在昇腾 950 平台上的旗舰发布计划，这次落地的重点压在代码生成与智能体两条能力线上，现场展示了 SWE-Bench Verified、Terminal-Bench、AutomationBench 等公开测试集的对比结果。

让讯飞反复强调的变量是训练底座。刘庆峰的说法是目前做大模型的公司里绝大多数训练跑在英伟达的卡上，讯飞是少数完全用全国产算力训练的一方，而模型尺寸还是其中最小的一档。模型已部署在国产万卡推理集群上，X2.6 训练用时约 2 至 3 个月。

针对国产芯片显存带宽的三项技术

国产芯片在长程任务混训时的效率瓶颈来自显存带宽。讯飞给出的训练侧方案是长程任务动态并行，按任务长度自适应分配算力。以飞星二号万卡集群训练 2000B 规模、256K 长度数据为例，训练时间由 4.5 个月缩短至 1.2 个月，超长上下文训练效率提升到原来的 4 倍。

推理侧落地了自适应存算协同推理、异构分布式推理，以及业内首个适配全国产硬件的四层 KVCache 架构三项原创技术。三者合起来的效果是推理效率提升 4.5 倍，KVCache 命中率从 63% 提升到 95.7%。缓存命中率的数字最直观：同样长度的上下文，命中率从六成出头涨到九成五以上，意味着实际触发的完整前向计算大幅减少。

4B 端侧模型的真实跑分：71.8 分与 8B 级对手

星火 X2.6-4B 已在 10 月 21 日全球上线 Hugging Face、ModelScope 与 Ollama，GitHub 仓库采用 Apache 2.0 授权。官方模型卡给出的完整基准表覆盖智能体、代码、数学、长上下文与通用知识五类共 30 项评测，对比对象包括上一代 Spark-X2.5-4B、Qwen3.5-9B、Qwen3.5-4B、Gemma4-12B 与 Gemma4-E4B。

整体平均分 63.3，上一代为 52.1，Qwen3.5-9B 为 49.1，Qwen3.5-4B 为 43.2，Gemma4-12B 为 47.0，Gemma4-E4B 为 29.7。官方把结论表述为在同尺寸开源模型中达到最好水平，并在若干项评测上匹配甚至超过约 9B 参数的模型。

几个值得单独指出的位置。BrowseComp 从上一代的 40.9 提到 53.1，对 Qwen3.5-9B 的 8.3 是数量级的差距，这项评测考察网页浏览智能体。SWE Verified 从 41.6 抬到 62.8，代码能力提升幅度明显。1M 上下文的 MRCR 从 2.9 提到 26.0，绝对值依然偏低，长上下文是 4B 模型当前的结构性短板。GPQA Diamond 上 Qwen3.5-9B 的 81.7 依然领先。

架构层面 X2.6-4B 与 X2.5-4B 完全相同，能力提升全部来自后训练。模型提供 none、low、high 三档可配置思考预算，用于在推理质量、延迟和推理成本之间做动态平衡。推理框架方面，官方给出的对比是在相同端侧硬件上效率与 Qwen3.5-4B、Gemma4-E4B 持平或更优，自研框架下的效率优于 ollama。llama.cpp 早在 2026 年 9 月 6 日的 b10829 版本就加入了对 Spark2_5ForCausalLM 的原生架构支持，SGLang 与 vLLM 的部署示例都覆盖了 NVIDIA GPU 与昇腾 A2、A3、950DT 三种平台。

下载量与生态成熟度

自 9 月 1 日 X2.5-4B 开源以来，累计下载已达 256 万次，跻身全球端侧模型下载量前四。GitHub 上 Spark-X2.6 仓库的 star 数超过 800，fork 超过 110，采用 Apache 2.0 授权，开放 issue 5 个，仓库最后推送时间是 10 月 20 日。从 star 与 fork 的比例看，开发者的参与方式以实际使用为主。

定价：端侧免费加云端降价，重构的是 Token 结构

星火 X2.6 云端 API 的限时定价为输入每百万 Token 0.9 元、输出每百万 Token 3.6 元、缓存命中每百万 Token 0.08 元，限时 6 折。按折扣力度反推，折前输出价格约 6 元。上一代 X2.5 当前限时 3 折，输入与输出分别为 0.96 元与 3.6 元，折前输出约 12 元，缓存命中价格 0.14 元。

把缓存命中价格单独看更清楚。0.08 元对 0.14 元，差距 43%。在 Agent 场景里多轮对话会反复把同一批上下文送进模型，缓存命中率从 63% 提升到 95.7% 之后，缓存命中这条便宜通道承担的比例大幅上升。端侧限时免费加云端降价，本质是把高频低价值的调用压到本地，让云端只承接复杂任务，从而重构整体的 Token 消耗结构。

关于端侧模型与国内其它 4B 级模型的位置，可以对照同期的评测表现。国产端侧模型近几个月密集发布，从 Ternary Bonsai 2 在手机端跑到每秒 120 词元，到 Recursive Flint 的 40B MoE 只激活 2.5B 在笔记本上跑到 131 tokens/s，端侧推理的效率竞赛同样在进行。星火 X2.6-4B 的差异化落在两处：一是官方给出的完整基准表可核对，二是模型卡里直接给出了与 Qwen3.5、Gemma4 两家在端侧硬件上的推理速度对比。

选型建议：什么样的场景适合立刻用

适合立刻用的场景有三类。第一类是数据不能出设备但又需要基础智能体能力的场景，端侧模型加本地执行是最直接的路径。第二类是调用量极大的场景，比如每天百万级的重复判断，端侧免费加云端降价的组合能显著改变单位成本。第三类是长文档处理，1M 上下文对合同、财报这类材料是刚需，讯飞演示里的合同脱敏就是这个逻辑。

需要观望的部分也很明确。长上下文 MRCR 只有 26.0 分，比 Qwen3.5-9B 的 34.3 低，说明百万 Token 的标称窗口距离真正好用还有距离。端侧可独立完成任务占比从 12.8% 到 40% 以上的口径未披露，96.1% 的路由准确率是在什么任务集上测出来的也没有说明。评测表中的星号标记代表引用第三方结果而非自行复现，看具体数字时需要留意。

还有一层结构性风险值得摆在桌面上。国产算力与国产模型在同一家公司内部闭环，能带来效率与合规的双重收益，也把风险集中在同一条链路上。刘庆峰本人对差距的判断是国产算力对标全球还有两代左右差距，但很快会到一代、半代。对采用这条路线做长周期部署的企业来说，把迁移成本和算力迭代节奏一起算进决策，比只看单次评测分数更实际。

常见问题 FAQ

讯飞星火 X2.6 和 X2.5 的区别是什么

模型规模与架构保持一致，都是 293B 总参数、30B 激活的 MoE，X2.6-4B 与 X2.5-4B 架构也完全相同。真正的变化在三处：云端上下文扩到 1M Token，端云一体协同架构首发，4B 端侧模型能力经后训练大幅提升（官方基准表平均分从 52.1 到 63.3）。

星火 X2.6 的 API 怎么收费

限时定价为输入每百万 Token 0.9 元、输出 3.6 元、缓存命中 0.08 元，限时 6 折。端侧 X2.6-4B 的推理限时免费，模型权重可从 Hugging Face、ModelScope、Ollama 获取，Apache 2.0 授权。

普通人能在自己电脑上跑 X2.6-4B 吗

可以。官方提供 Transformers、SGLang、vLLM 三套部署示例，均覆盖 NVIDIA GPU 与昇腾平台，llama.cpp 从 b10829 版本起支持该模型原生架构，Spark-MLX-LLM 支持在 Apple 芯片上直接运行原始权重，无需转换 GGUF。默认上下文配置到 1,048,576 tokens，需要相应显存，官方提示显存不足时下调 context-length。

小结

星火 X2.6 的价值判断应当落在两个具体变化上。一是端云一体把 4B 端侧模型从配角变成了主力承接方，60/30/10 的分流比例和 96.1% 的路由准确率是这套架构能否落地的两个关键数字。二是国产算力底座上的效率数字第一次被系统地摆出来，训练 4.5 个月缩到 1.2 个月、KVCache 命中率 63% 到 95.7%、推理效率提升 4.5 倍，这些指标比参数表更能说明这套组合的实际成熟度。

至于它相对同代通用模型的绝对能力，4B 端侧模型在长上下文和高难知识推理上仍显吃力，云端 293B 版本官方也未公布完整跑分对比。端云一体把成本和隐私问题解决掉了一大半，能力上限的问题依然需要更长周期的实测来回答。