訊飛星火X2-Flash正式發(fā)布，同步開放API。

采用MoE架構(gòu)，總參數(shù)30B，最大支持256K上下文，星火X2-Flash在智能體、代碼等能力上實現(xiàn)了大幅提升?；谌A為昇騰910B集群訓(xùn)練完成，星火再次證明國產(chǎn)大模型在本土算力架構(gòu)上也能更高效、更低成本的運(yùn)行。

目前，AstronClaw、Loomy已率先接入星火X2-Flash，實測效果接近業(yè)界萬億級參數(shù)模型，Tokens消耗成本大幅優(yōu)化。

任務(wù)效果接近大尺寸模型，調(diào)用成本降至約三分之一

Agent 應(yīng)用正在從簡單問答走向復(fù)雜任務(wù)執(zhí)行。一次完整的智能體工作流，往往需要經(jīng)歷需求拆解、上下文讀取、工具選擇、代碼生成、結(jié)果校驗和多輪修正，token 消耗可能達(dá)到數(shù)十萬甚至上百萬。模型能力之外，端到端任務(wù)成本、執(zhí)行穩(wěn)定性和響應(yīng)效率，正在成為Agent應(yīng)用能否規(guī)?；涞氐年P(guān)鍵。

經(jīng)AstronClaw實測，星火X2-Flash在深度研究報告、Skill管理與調(diào)用、系統(tǒng)控制與執(zhí)行等多類“養(yǎng)龍蝦”最常用的任務(wù)上效果接近業(yè)界萬億級參數(shù)模型效果;在相同工作流下，整體 token 消耗不到當(dāng)前主流大尺寸模型的三分之一，顯著降低了開發(fā)者構(gòu)建復(fù)雜 Agent 應(yīng)用的使用成本。

以創(chuàng)建一個復(fù)雜的視頻生成Skill為例，星火X2-Flash在了解詳細(xì)需求后快速生成，并給出技能結(jié)構(gòu)、核心功能和使用案例等關(guān)于Skill的詳細(xì)說明。

▲ 視頻Skill創(chuàng)建效果

對于需要頻繁運(yùn)行復(fù)雜工作流的Agent開發(fā)者來說，星火 X2-Flash 提供了一個新的選擇：在保持任務(wù)完成質(zhì)量的同時，降低長鏈路任務(wù)中的 token 消耗，讓智能體應(yīng)用從“能跑起來”進(jìn)一步走向“跑得起、跑得穩(wěn)”。

硬核揭秘：降本提效背后的技術(shù)重構(gòu)

此次星火X2-Flash在國產(chǎn)算力上實現(xiàn)性能提升與成本下降的雙贏，得益于數(shù)據(jù)、模型結(jié)構(gòu)和訓(xùn)練推理系統(tǒng)的協(xié)同優(yōu)化。

智能體數(shù)據(jù)高效閉環(huán)，突破高質(zhì)量數(shù)據(jù)瓶頸。針對智能體數(shù)據(jù)軌跡長、邏輯復(fù)雜等問題，訊飛在國產(chǎn)算力上構(gòu)建了可驗證的星火大規(guī)模智能體數(shù)據(jù)自動合成平臺，依賴Agent自主搭建環(huán)境、檢測結(jié)果準(zhǔn)確性，實現(xiàn)了智能體數(shù)據(jù)高效合成和閉環(huán)。

上下文大幅拓展，攻克國產(chǎn)算力長文本訓(xùn)練難題。星火X2-Flash率先在國產(chǎn)算力上實現(xiàn)了DSA(稀疏注意力)與MTP(多token預(yù)測)結(jié)合的長文本高效訓(xùn)練，上下文拓展至256K，通過親和國產(chǎn)芯片的算子和分布式訓(xùn)練策略深度優(yōu)化實現(xiàn)訓(xùn)練效率相比同規(guī)模A800集群從20%提升到90%，解決了智能體長上下文在國產(chǎn)芯片訓(xùn)練慢的難題。

采樣與解碼效率提升，掃清RL訓(xùn)練耗時障礙。在智能體強(qiáng)化學(xué)習(xí)訓(xùn)練場景，星火X2-Flash通過上述的算法創(chuàng)新+工程創(chuàng)新，大幅提升了采樣推理效率，相對于非DSA結(jié)構(gòu)的采樣解碼效率最高可以提升2倍以上。該突破，一定程度緩解了910B上智能體長交互場景下采樣效率過低影響RL訓(xùn)練問題，為后續(xù)的大規(guī)模強(qiáng)化學(xué)習(xí)對齊訓(xùn)練掃清了算力障礙。

當(dāng)下，人工智能正全面邁入全新的Agentic時代，模型對智能體的適配優(yōu)化提出了更高要求。星火X2-flash已實現(xiàn)了OpenClaw、Claude Code等主流Agent框架的深度兼容，能夠?qū)⒛Ｐ偷拇a等能力，以更低成本賦予各類智能體。

開發(fā)者專屬福利：

針對需要高頻調(diào)用的Agent開發(fā)者，訊飛星辰Coding Plan 已全面支持此模型，新老用戶均可自主切換體驗。