科大讯飞这次不只升级模型：星火 X2.6 让云端 293B 和本地 4B 一起干活

AIGC资讯

2026-10-22浏览 334,386 字 · 约 14 分钟

…

10 月 22 日，科大讯飞在 2026 全球 1024 开发者节上正式发布：

讯飞星火 X2.6。

这次的重点不只是模型能力继续升级。

科大讯飞第一次把：

云端旗舰模型。

端侧 4B 小模型。

全国产算力训练与推理。

端云协同工作流。

放进同一套产品体系里。

云端的 Spark X2.6 采用：

293B-A30B MoE 架构。

最高支持：

100 万 Token 上下文。

本地则由已经开放权重的：

Spark-X2.6-4B

处理高频、低延迟、隐私敏感和离线任务。

遇到复杂的软件工程、深度分析和长程 Agent 任务时，再交给云端旗舰模型继续完成。IT之家

简单理解：

不是让一款模型包办所有工作。

而是让本地小模型和云端大模型，根据任务难度进行分工。

一、星火 X2.6 到底发布了什么？

这次可以把星火 X2.6 看成两条模型线。

云端旗舰：Spark X2.6

核心规格包括：

293B 总参数。

约 30B 激活参数。

稀疏 MoE 架构。

最高 1M Token 上下文。

重点面向：

代码开发；

复杂智能体；

长文档；

专业分析；

多步骤工具调用；

企业级 Agent 任务。

目前已经在讯飞星火官网开放体验，并进入讯飞星辰 MaaS 服务体系。IT之家

端侧模型：Spark-X2.6-4B

参数规模为：

4B。

主要面向：

本地代码辅助；

工具调用；

端侧 Agent；

长上下文处理；

多语言任务；

智能硬件和个人电脑。

模型权重已经在 Hugging Face、ModelScope 和 Ollama 等平台发布，同时提供 FP8、INT8、INT4、GGUF 和 Base 等多个版本。Hugging Face

二、293B-A30B 是什么意思？

293B-A30B 这个写法第一次看容易有点绕。

可以简单理解成：

模型总参数
约2930亿

每个Token实际激活
约300亿

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模块。

面对不同任务时，只会选择一部分专家参与计算。

例如：

代码任务调用更擅长软件工程的专家。

长文档任务调用更擅长信息理解和检索的专家。

数学和规划任务则调用其他专家。

这样既可以保留接近 293B 规模的知识和能力容量，又不需要每次都把全部参数跑一遍。

它想解决的是：

能力继续提高，但推理成本不能跟着无限上涨。

三、上下文从 256K 拉到了 1M

上一代旗舰星火 X2.5 的公开上下文规格主要为 256K。

到了 X2.6，旗舰模型进一步扩展到：

1M Token。

这已经可以容纳非常大量的内容，例如：

大型代码仓库；

几十份企业报告；

长时间会议记录；

复杂项目文档；

工具调用历史；

Agent 连续执行日志；

多轮修改过程。

对于 Coding Agent 来说，1M 上下文可以让模型同时保留：

前端代码；

后端接口；

数据库结构；

测试文件；

需求文档；

错误日志；

历史改动。

对于办公 Agent 来说，则可以将：

Word；

Excel；

PDF；

会议纪要；

研究资料；

项目规范

放进同一个任务中进行分析。IT之家

不过，1M 上下文不代表每个任务都应该把 100 万 Token 塞满。

上下文越长，通常意味着：

首轮读取时间更长；

缓存和显存占用更高；

推理成本增加；

无关信息更容易干扰判断。

实际应用仍然需要结合检索、缓存和上下文压缩。

四、“全国产算力训练”真正指什么？

科大讯飞此次明确表示，星火 X2.6 基于国产算力完成训练，并称其首次在全国产算力条件下实现代码和智能体能力同步提升。发布会上，刘庆峰还表示，在其对比口径下，星火是唯一使用全国产算力训练的模型。IT之家

这项表述的核心不是：

模型以后只能运行在国产芯片上。

而是模型训练、长程任务优化和集群推理的关键环节，已经围绕国产计算平台建立了完整链路。

事实上，端侧 Spark-X2.6-4B 同时支持：

英伟达 GPU；

华为昇腾 NPU；

Apple Silicon；

Linux CPU

等多种部署环境。GitHub

所以整体路线是：

训练和核心系统能力建立在国产算力上。

模型部署生态则尽量兼容更多硬件。

五、国产芯片做长程 Agent，难点在哪里？

普通问答任务通常只有一轮输入和输出。

长程 Agent 则完全不同。

它可能连续完成：

读取代码仓库
↓
分析需求
↓
调用工具
↓
修改多个文件
↓
运行测试
↓
读取报错
↓
重新规划
↓
继续修复

一个任务可能包含几十轮甚至几百轮工具调用。

上下文还会不断增长。

这会给芯片和集群带来三类压力：

显存压力。

带宽压力。

不同长度任务之间的计算资源分配问题。

如果短任务和超长任务全部采用同一种并行方式，部分设备可能已经完成计算，另一部分仍然在处理长上下文，最终造成大量等待。

六、动态并行训练：不同长度任务采用不同策略

针对国产芯片的显存和带宽限制，科大讯飞为 X2.6 引入了：

长程任务动态并行训练技术。

它会按照任务长度，自适应分配计算资源。

简单理解：

短任务不需要占用为百万上下文准备的大规模资源。

超长任务则可以获得更适合的并行和存储策略。

这样能够减少：

设备等待；

显存浪费；

不同长度样本混合训练时的效率损失。

科大讯飞披露，这套技术使超长上下文训练效率提高约：

4 倍。

该数字来自发布会技术口径，仍需要后续更完整的技术报告和第三方复现进行验证。凤凰网

七、四层 KV Cache：尽量别把算过的内容再算一遍

长程 Agent 的另一个成本大户是：

KV Cache。

模型每生成一个新 Token，都需要参考前面已经处理过的内容。

如果历史上下文无法有效缓存，系统就会不断重复计算。

星火 X2.6 采用了面向国产集群的：

自适应存算协同推理。

四层 KV Cache。

分布式推理。

这套设计会根据数据使用频率和任务状态，将缓存放在不同层级的设备和存储中。

高频使用的内容保留在更快的位置。

暂时不常使用的历史内容，则可以放到成本更低的存储层级。

需要时再重新调入。

据发布会披露，这套方案将缓存利用和推理效率提升约：

4.5 倍。东方财富网

这也是用户所说“中间结果复用”的核心价值：

前面已经处理过的内容，尽量不要重新计算。

八、端云一体不是简单把同一个模型放两处

星火 X2.6 的另一个关键词是：

端云协同。

本地设备和云端并不是简单运行同一份模型。

更合理的分工是：

端侧 4B 模型

适合：

文件分类；

简单摘要；

本地搜索；

基础代码补全；

设备控制；

轻量工具调用；

隐私敏感任务；

离线任务。

云端 293B-A30B 模型

适合：

大型项目分析；

复杂软件工程；

深度研究；

多文件推理；

高难度规划；

长程 Agent；

专业知识任务。

整个流程可能变成：

用户提出任务
↓
端侧模型判断复杂度
↓
简单任务直接在本地完成
↓
复杂部分上传必要上下文
↓
云端旗舰模型继续处理
↓
结果回到本地执行或交付

这样可以同时兼顾：

数据安全；

响应速度；

模型能力；

云端调用成本。

科大讯飞此前对端云方案的公开描述也是：更多任务在本地完成，复杂任务再通过端云协同处理。东方财富网

九、Spark-X2.6-4B 并不是重新换了架构

端侧 Spark-X2.6-4B 延续了 Spark-X2.5-4B 的模型架构。

这一代主要通过：

更强的后训练。

智能体数据。

软件工程任务。

长上下文训练。

工具调用优化。

实现能力提升。

官方仓库表示，新模型在代码、Agent、长上下文、多语言和推理任务上均有明显进步，在部分测试中可以匹配或超过参数规模约 9B 的模型。这个结论来自官方评测，实际效果仍需结合不同设备与真实任务验证。GitHub

这条路线与最近很多 Flash、小模型的方向类似：

不一定继续增大参数。

先把现有架构的后训练潜力挖出来。

十、三档思考强度，让端侧模型不用每次都“想到底”

Spark-X2.6-4B 提供三档思考预算：

none
low
high

也就是：

不思考。

低强度思考。

高强度思考。

例如：

none

适合简单问答、信息提取、格式转换和基础设备指令。

low

适合普通代码修改、文件分析和较短的多步骤任务。

high

适合软件工程、复杂规划和高难度 Agent 任务。

应用可以根据任务难度，在：

响应速度；

推理质量；

设备功耗；

Token 消耗

之间动态平衡。GitHub

这对端侧模型尤其重要。

手机、电脑和智能硬件不可能每次处理一个简单命令，都让模型开启最长推理过程。

十一、4B 模型支持哪些本地运行方式？

Spark-X2.6-4B 当前已经提供多种部署路径。

包括：

Transformers。

SGLang。

vLLM。

llama.cpp。

Ollama。

LM Studio。

MLX。

官方仓库还提供了 NVIDIA GPU、昇腾 A2、A3 与 950DT 等环境的推理示例，并支持启动 OpenAI 兼容 API 服务。模型最高上下文可以配置为 1,048,576 Token，但官方同时提醒，实际需要根据设备内存降低上下文长度。GitHub

模型权重目前包含：

FP8；

INT8；

INT4；

GGUF；

Base

等不同版本。

开发者可以根据显存、速度和精度需求选择。Hugging Face

十二、Apache 2.0 对开发者意味着什么？

Spark-X2.6 模型系列采用：

Apache License 2.0。

相较于部分带有额外商业限制的模型许可证，Apache 2.0 通常对：

研究；

修改；

再分发；

商业应用

更加友好。

开发者仍然需要保留相应的版权和许可证声明，并遵守适用法律与模型使用规范。GitHub

这意味着 Spark-X2.6-4B 不只是可以下载体验。

还可以进一步用于：

企业私有化 Agent；

本地 Coding 助手；

智能硬件；

机器人；

车载系统；

离线知识库；

端侧办公工具。

十三、X2.6 的 API 价格是多少？

讯飞星火 X2.6 当前公布的是：

限时价格。

输入
0.9元 / 百万Token

缓存命中输入
0.08元 / 百万Token

输出
3.6元 / 百万Token

而 Spark-X2.6-4B 的托管推理服务目前限时免费。IT之家

这里需要注意两点：

第一，这是限时价格，后续可能调整。

第二，模型权重开源和 API 免费是两个概念。

自己下载 4B 权重部署，不需要按 Token 向讯飞付费，但仍然需要承担：

硬件；

电力；

推理服务；

运维；

存储

等成本。

使用 MaaS 托管服务则不用自己管理设备，但要按照平台后续规则付费。

十四、缓存价格只有 0.08 元，对 Agent 有什么意义？

Agent 最容易反复读取的是：

系统提示词；

工具定义；

代码仓库；

企业文档；

历史执行记录。

如果这些内容每一轮都重新按照普通输入价格计算，长任务成本会快速上涨。

缓存命中输入价格为：

0.08 元 / 百万 Token。

相比普通输入的 0.9 元，低了超过 90%。

例如一个 Coding Agent 需要连续 30 轮读取相同项目背景。

只要公共前缀和代码内容能够稳定命中缓存，重复输入成本就可以明显下降。

所以对于 X2.6 来说，真正影响长程 Agent 成本的不只是：

模型单价。

还包括：

上下文是否稳定；

缓存能否命中；

工具结果是否反复写入；

任务有没有频繁重新开始。

十五、哪些任务适合交给端侧，哪些交给云端？

适合本地 4B 的任务

总结当前文件

整理本地笔记

简单代码补全

查找项目文件

控制智能家居

执行低风险工具

离线翻译和写作

处理隐私敏感资料

适合云端旗舰的任务

分析整个大型代码仓库

完成跨文件功能开发

阅读几十份报告并制作汇报

运行长时间Agent任务

处理复杂金融或专业问题

进行高难度推理和规划

同时调用多个企业系统

适合端云协同的任务

例如：

分析我电脑里的销售资料，并结合最新行业信息生成年度策略。

本地模型可以先：

筛选文件；

提取必要数据；

处理敏感内容；

形成结构化摘要。

云端旗舰再负责：

行业对比；

复杂推理；

策略生成；

最终报告。

这样不需要把整个本地文件夹原封不动上传到云端。

十六、“全国产算力”不代表能力已经没有差距

星火 X2.6 的发布说明国产算力已经可以支持：

293B-A30B MoE；

1M 上下文；

复杂代码；

长程 Agent；

大规模推理。

但这并不意味着国产算力在所有指标上已经与最成熟的 GPU 生态完全相同。

发布会本身也提到了国产芯片面临的：

显存限制；

带宽限制；

训练效率问题；

集群通信问题。

科大讯飞此次公开的 4 倍和 4.5 倍效率提升，本质上说明团队通过系统软件和训练方法，正在弥补这些硬件限制。东方财富网

真正值得关注的不是一句：

“国产算力已经全面超过。”

而是国产计算平台正在逐步建立：

模型架构；

训练系统；

推理框架；

缓存体系；

端侧部署；

开发者生态

之间的完整闭环。

十七、目前还有哪些边界？

完整 benchmark 仍需进一步公开

发布会称代码和智能体能力达到业界一流水平，但截至发稿，旗舰 X2.6 的完整公开评测表和详细技术报告仍然有限。

4B 和旗舰模型不是同一能力等级

4B 适合端侧与高频任务，但不应因为同属 X2.6 系列，就默认拥有 293B 旗舰的全部能力。

1M 上下文需要足够设备内存

官方本地部署示例也提醒，内存不足时需要降低上下文长度。GitHub

端云协同依赖权限与数据策略

哪些资料可以留在本地，哪些上下文可以上传云端，需要在企业产品中明确配置。

限时价格和免费服务可能调整

正式用于生产前，应以讯飞星辰 MaaS 控制台实时价格为准。

结语

讯飞星火 X2.6 这次可以记住几组核心信息：

云端旗舰

293B 总参数。

约 30B 激活参数。

MoE 架构。

最高 1M Token 上下文。

端侧模型

Spark-X2.6-4B。

Apache 2.0 开放权重。

支持 none、low、high 三档思考强度。

支持 NVIDIA、昇腾、Apple Silicon 和 CPU 等多类环境。

国产算力效率

超长上下文训练效率提高约 4 倍。

自适应存算协同与四层 KV Cache 推理效率提高约 4.5 倍。

以上均为科大讯飞发布会披露数据。东方财富网

限时价格

输入：0.9 元 / 百万 Token。

缓存命中：0.08 元 / 百万 Token。

输出：3.6 元 / 百万 Token。

4B 托管推理限时免费。

这次真正有意思的，不只是科大讯飞又发布了一款更强模型。

而是它开始把：

国产算力
+
云端旗舰模型
+
端侧4B小模型
+
百万上下文
+
本地工具执行
+
复杂Agent

连接成一套完整方案。

过去选择大模型，通常只有两个选项：

要么全部在云端运行。

要么为了隐私和成本，使用能力较弱的本地模型。

星火 X2.6 想走的路线则是：

简单任务留在端侧。

复杂任务交给云端。

两边共享目标和上下文，一起把事情完成。

这可能才是“端云一体”真正值得关注的地方。