科大讯飞星火 X2.5 正式发布：293B-A30B MoE，代码与 Agent 能力重点升级

AIGC资讯

2026-09-07浏览 1541,814 字 · 约 6 分钟

…

目录一、这一代重点就是 Coding + Agent0%

9 月 7 日，科大讯飞正式发布新一代通用大模型：

星火 X2.5。

这一代最明显的变化有三个：

模型更大了。

代码和 Agent 能力重点加强。

以及：

训练、推理继续建立在全国产算力体系上。

星火 X2.5 采用 MoE 混合专家架构：

总参数 293B

激活参数约 30B

也就是常说的：

293B-A30B。

相比让接近 300B 参数每次全部参与计算，MoE 可以根据当前任务动态激活部分专家，在模型容量和推理成本之间取得更好的平衡。

一、这一代重点就是 Coding + Agent

星火 X2.5 并没有把主要宣传点放在普通聊天上。

官方这次特别强调：

代码

以及：

智能体。

模型需要处理的不只是：

帮我写一个 Python 函数。

而是更完整的软件工程任务：

理解项目；

搜索代码；

修改多个文件；

调用工具；

运行程序；

发现错误；

继续修复；

最后验证结果。

这也是现在 Coding Agent 越来越核心的一套能力：

不是代码写出来就结束，而是任务真正做完才结束。

二、Agent能力开始影响真正的企业应用

Agent 场景也远不止编程。

例如企业用户说：

阅读这些项目资料和业务数据，找出三个主要风险，并整理成一份汇报材料。

模型可能需要连续完成：

理解需求
↓
读取资料
↓
调用工具
↓
分析数据
↓
交叉验证
↓
整理结果
↓
生成最终交付

这里考验的是：

规划能力；

Tool Calling；

指令遵循；

长程任务稳定性。

所以星火 X2.5 在加强代码能力的同时，也继续提升数学、理解等通用能力，目的就是让模型更适合作为：

Agent 的“大脑”。

三、293B-A30B 到底是什么意思？

这个参数写法第一次看可能有点绕。

293B-A30B

可以简单理解为：

模型总共有约 2930 亿参数。

但每次处理 Token 时，实际参与计算的约为：

300 亿参数。

这就是 MoE：

Mixture of Experts，混合专家架构。

模型内部拥有大量不同“专家”。

面对不同任务时，只选择部分专家参与计算。

好处就是：

模型知识和能力可以继续扩大；

但不用每一次推理都把全部参数跑一遍。

对于需要大量调用的 Agent 场景来说，效率尤其重要。

四、旗舰X2.5支持256K上下文

这里需要和端侧版本区分一下。

本次正式发布的旗舰：

Spark X2.5 293B-A30B

目前支持：

256K 上下文。

已经足够处理：

大型文档；

代码项目；

研究资料；

企业知识；

复杂任务历史。

而前几天开源的：

Spark X2.5-4B

以及：

Spark X2.5-1.7B

走的是另外一条端侧路线。

它们原生支持最长：

100 万 Token 上下文。

所以千万不要把两个规格混成：

293B旗舰模型支持1M上下文。

目前公开规格并不是这样。

五、4B和1.7B负责“端侧”，293B负责“旗舰”

现在整个 Spark X2.5 产品线其实已经比较清楚。

Spark X2.5 293B-A30B

面向：

复杂推理；

软件工程；

Agent；

企业级任务；

云端高性能应用。

Spark X2.5-4B

更加适合：

本地 Coding；

长文档；

数据分析；

PC Agent。

Spark X2.5-1.7B

则进一步面向：

手机；

汽车；

机器人；

智能家居；

边缘设备。

相当于一套 X2.5 能力，从：

云端旗舰

一路覆盖到：

本地端侧。

六、端侧双子星已经提前开源

在旗舰 X2.5 正式发布之前，讯飞旗下词元星火已经先行开源：

Spark X2.5-4B

和：

Spark X2.5-1.7B。

两款模型都支持最长：

1M Token。

同时重点优化：

Agent；

Coding；

数学；

工具调用；

指令遵循。

并且已经适配：

Codex；

Claude Code；

OpenClaw；

Hermes

等 Agent Harness。

对于开发者来说，这意味着本地小模型也开始能够真正进入：

Agent 工作流。

七、全流程建立在国产算力上

星火 X2.5 这一代还有一个非常重要的关键词：

国产算力。

官方确认，旗舰 X2.5 基于全国产算力完成：

全流程训练及推理。

同时继续针对：

国产算力上的超长序列训练和推理

进行优化。

此前 4B 和 1.7B 两款开源端侧模型，同样采用国产算力平台完成训练，并使用约：

20 万亿 Token

数据进行预训练。

这意味着科大讯飞已经不只是：

模型可以运行在国产芯片上。

而是继续建立：

训练 → 后训练 → 推理 → 部署

相对完整的国产算力链路。

八、部署反而支持很多不同硬件

全国产算力训练，并不意味着开发者只能在一种硬件上部署。

X2.5 端侧开源系列已经支持：

NVIDIA；

华为；

海光；

后摩智能

等不同平台。

推理框架也覆盖：

vLLM；

SGLang；

llama.cpp；

MLX。

普通用户还可以直接通过：

Ollama；

LM Studio

快速部署。

所以整个策略其实是：

训练底座自主可控，部署生态尽量开放。

九、旗舰模型已经上线API

如果不准备自己部署，也可以直接调用星火 X2.5。

目前旗舰模型已经进入讯飞开放平台。

公开价格为：

输入：1.6元 / 百万Token

缓存命中输入：0.24元 / 百万Token

输出：6元 / 百万Token。

对于真正做：

AI SaaS；

企业 Agent；

Coding Agent；

自动化工作流

的开发者来说，最终还是要比较：

完成一个任务到底需要多少钱。

而不是只比较模型参数有多大。

结语

星火 X2.5 这次可以记住几组关键数据：

293B 总参数。

约30B激活参数。

MoE架构。

旗舰256K上下文。

重点升级：

Coding + Agent。

同时：

基于全国产算力完成全流程训练和推理。

而端侧的：

4B + 1.7B

两款模型则已经提前开源，并且把：

100万Token上下文

直接带到了本地设备。

所以讯飞这次并不是只发布了一款更大的模型。

而是在同时做两件事：

云端旗舰继续提高复杂任务能力。

端侧小模型继续提高智能密度。

以后真正有意思的 AI 架构可能也会越来越像这样：

复杂任务交给云端旗舰。

高频、隐私、低延迟任务留在本地。

再通过 Agent 和工具把两边连接起来。

对于大模型来说，接下来真正值得比的可能已经不只是：

参数有多少。

而是：

这些参数到底能不能真正把事情做完。

科大讯飞星火 X2.5 正式发布：293B-A30B MoE，代码与 Agent 能力重点升级

一、这一代重点就是 Coding + Agent

二、Agent能力开始影响真正的企业应用

三、293B-A30B 到底是什么意思？

四、旗舰X2.5支持256K上下文

五、4B和1.7B负责“端侧”，293B负责“旗舰”

Spark X2.5 293B-A30B

Spark X2.5-4B

Spark X2.5-1.7B

六、端侧双子星已经提前开源

七、全流程建立在国产算力上

八、部署反而支持很多不同硬件

九、旗舰模型已经上线API

结语

相关链接

讯飞星火大模型 API

讯飞星辰 MaaS 模型广场

星火 X2.5 开源 GitHub

Spark X2.5 Hugging Face

星火 X2.5 ModelScope

讯飞星辰 Agent 开发平台

科大讯飞开放平台

科大讯飞官网

评论 0

推荐阅读