科大讯飞发布星火X2.5大模型：全国产算力跑通293B-A30B MoE，代码与多智能体协作成主攻方向

当地时间9月7日，科大讯飞正式发布新一代星火X2.5大模型。该模型采用293B总参数、30B激活参数的MoE（混合专家）架构，重点强化了代码生成、工具调用与多智能体协作能力，并基于全国产算力完成了从训练到推理的全流程闭环，目前已上线讯飞开放平台。星火X2.5-4B与1.7B两款端侧模型同步开源，支持最长百万Token级上下文，可本地部署于长文档处理、代码辅助、数据分析等场景。业界评价这款模型的鲜明特征在于，把工程可用置于参数炫技之前，明显瞄准企业知识库、政务文档与教育陪练等中文场景。

一、293B-A30B MoE架构与国产算力全流程闭环

星火X2.5采用现阶段大模型主流且高效的方向——MoE混合专家架构：总参数约293B，但每次推理仅激活约30B参数，从而在保持大模型容量的同时有效控制计算成本与推理延迟。这一架构选择反映了讯飞在「模型能力」与「落地成本」之间的务实平衡：并非一味堆大，而是强调在可控算力下实现可用的性能。

尤为关键的是，星火X2.5基于全国产算力完成了从训练到推理的全流程闭环。在当前国产AI芯片与软硬件生态加速成熟的背景下，能够用国产算力跑通一款293B量级的MoE模型，是对国产算力栈可信度的一次重要验证。这意味着该模型在部署与使用时对进口GPU的依赖更低，为政企客户在算力自主与数据主权方面的需求提供了更强支撑。

二、主攻代码生成与多智能体协作

星火X2.5的核心能力升级集中在代码与智能体两个方向。在代码侧，模型强化了代码生成、补全与理解能力，能够辅助程序员完成更复杂的开发任务；在智能体侧，重点增强工具调用与多智能体协作能力——即在设定的任务里，多个智能体可以通过调用不同工具、分工协作，共同完成一个复杂的工作流。这与当前全球AI产业从"单模型对话"迈向"自主智能体执行"的趋势高度一致。

同时，星火X2.5-4B与1.7B两款端侧模型已同步开源，支持最长百万Token级上下文。开源端侧模型意味着开发者可以在不依赖云端接口、保护数据本地化的前提下，把大模型能力集成到文档处理、代码辅助、数据分析等本地化场景中；百万Token上下文则为处理超长文档与复杂任务提供了必要的容量。

三、把工程可用置于参数炫技之前

与一些厂商强调"参数越大越强"的叙事不同，星火X2.5显露出一种更务实的定位：把工程可用放在参数炫技前面。以长上下文为例，讯飞并没有简单地把窗口"堆大"，而是配套了检索、压缩与智能体记忆机制——让模型在长上下文中知道"该关注哪部分、该遗忘哪部分"，从而在有限算力下实现真正可用、可控的长文本处理。这种工程化的思路，直接指向企业知识库、政务文档、教育陪练等对准确性、稳定性和成本敏感的落地场景。

这也折射出国产大模型竞争策略的转向：当模型能力差距逐渐缩小，谁能把模型的能力转化为具体行业里"稳定、可用、划算"的解决方案，谁就更有竞争力。讯飞以中文场景和企业级应用见长，星火X2.5的这一取向，正是在代码、金融、政务、教育等对中文理解要求极高的领域强化自身护城河的体现。

市场反应与行业影响

星火X2.5的发布在国内AI与To B市场获得关注。对政企客户而言，基于国产算力、支持端侧开源部署且面向中文场景优化的模型，契合数据主权与降本需求；对开发者生态而言，开源端侧模型与百万Token上下文降低了本地化集成的门槛。业界普遍认为，这是国产大模型在"体系化落地"层面的一次重要推进。

从行业趋势看，星火X2.5印证了2026年大模型竞争的两个关键变化：一是架构与算力栈（尤其国产算力）成为新的角力点；二是竞争焦点从"模型单点能力"转向"工程可用性"与"行业落地"。随着多智能体协作、工具调用与端侧部署成为标配，谁能率先把模型能力变成政企和用户看得见、用得起的生产力，谁就有望在国产大模型进入深水区的竞争中占得先机。