星火 X2.6 发布，配套开源 4B 端侧模型

讯飞星火 X2.6 把代码、智能体和端云协同放在了同一次发布中。它最想强调的是：基于全国产算力，既能训练面向复杂任务的云端模型，也能提供可在设备端运行的开源小模型。

对程序员来说，值得关注的是 1M 上下文、X2.6-4B 端侧模型，以及公布的调用价格。但发布会宣称的能力突破，距离真实项目里的稳定表现还有多远，这篇报道提供的证据并不充分。

国产算力的突破，具体指什么

据 IT之家报道，科大讯飞在 10 月 22 日举行的全球 1024 开发者节上发布了星火 X2.6。云端模型采用 293B-A30B 参数的 MoE（混合专家）架构，上下文长度扩展至 1M。

MoE 可以理解为把模型分成多个专家，每次处理输入时调用其中一部分。293B-A30B 通常表示总参数约 293B、每次激活约 30B。总参数量和单次参与计算的参数量，需要分开看。

发布会的技术重点，是国产芯片上的长程任务训练。任务越长，中间需要保存和搬运的数据越多，显存带宽就越容易成为限制。讯飞称，其适配国产平台的长程任务动态并行训练技术，解决了显存带宽限制导致的混合训练效率低下问题。

报道还提到两项推理侧改进：基于国产异构算力的分布式推理，以及复用已有计算结果、减少重复计算。

这里必须打个问号。原文相关段落存在重复，而且在介绍推理技术时又写成解决「训不快」的问题，没有交代具体机制、测试条件或提升幅度。仅凭这些描述，无法判断训练和推理分别获得了多大收益。

刘庆峰还表示，只有星火采用全国产算力训练，其他模型都在 N 卡上训练，且星火尺寸最小。这是发布方的说法，报道没有提供完整比较范围，不能直接当作行业事实引用。

云端与端侧，程序员能得到哪些东西

云端 X2.6 的公开信息，主要落在长上下文、代码、智能体和安全策略上。官方称代码与智能体能力达到业界一流水平，并支持按任务场景自定义安全策略。

1M 上下文对代码任务有吸引力：理论上可以一次提供更多项目文件、文档和日志。但能放进去多少内容，与能否准确理解文件关系、完成修改，是两件需要分别验证的事。

限时推理价格为：

计费项目	每百万 tokens 价格
输入	0.9 元
输入缓存命中	0.08 元
输出	3.6 元

缓存命中的输入价格明显更低，重复携带相同上下文的任务值得关注。不过，报道没有说明缓存命中规则、保存时间和限时价格的截止日期，不能据此直接估算长期成本。

端侧发布的是开源模型星火 X2.6-4B。官方称，它相较 X2.5-4B，在代码、智能体、长文本和多语言能力上都有提升，并新增三档推理模式。

官方还称，自研推理框架的效率较 ollama 有所提升，推理定价限时免费。但报道没有给出三档模式的具体区别，也没有列出硬件配置、量化方式、速度和内存占用。开源许可、部署要求，以及免费定价对应哪种服务，同样没说清。

作为前代产品，X2.5-4B 自 9 月 1 日开源后，下载量据称已进入全球端侧模型前四。下载量能反映关注度，但排名的数据来源、统计平台和时间范围没有交代。

X2.6 系列现已在讯飞星火官网开放试用，并首发端云一体协同架构。至于任务如何在端侧与云端之间分配、哪些数据需要上传，原文没有展开。

我的判断

我认可这次发布把算力适配、模型能力和端侧部署放在一起讨论。对有国产硬件要求的团队，模型能否在目标设备上高效运行，确实会直接影响选型。

但标题中的「首次」和「突破」，目前主要由发布方陈述支撑。报道没有提供可核验的代码任务成绩、智能体成功率或训练效率对照，不能替它背书。

1M 上下文、4B 参数和低价，都只是选型入口，真实任务完成率才决定使用价值。

同样，端云协同也未必天然优于直接调用云端 API 或完全本地部署。它是否值得采用，取决于任务分配、数据传输和失败回退的实现。原文没有给出这些细节，也没有对照实验，目前更适合视为一个待验证的产品方向。

能拿来做什么

• 试用云端 X2.6 时，可以挑一个熟悉的前端或 Node 项目，让它完成跨文件修改，并记录测试通过情况、遗漏和人工修复量，检验代码能力是否适合自己的工作。
• 评估 1M 上下文时，可以比较「提供整个项目」与「只提供相关文件」两种方式，观察答案质量、耗时和费用，避免把上下文长度直接等同于理解能力。
• 考虑部署 X2.6-4B 时，先确认许可和硬件要求，再在同一设备、相同输入与输出长度下比较其自研框架和 ollama，同时测试三档推理模式。
• 评估端云协同时，先确认任务分配方式、上传的数据范围和云端不可用时的处理方式，再判断它是否适合团队现有流程。