訊飛嘅全球1024開發者節今年搞完，成個展台擠到冇位行。教育、醫療、金融、翻譯，一批行業AI產品全部擺喺度。不過今次真正引到注意嘅，係訊飛最新發布嘅Spark-X2.6，同埋佢嗰所謂「全棧自主可控」嘅路線。

全棧自主可控，具體係乜意思？

「國產大模型」呢個詞，其實分幾個層級。有嘅係用國產芯片訓一次模型，有嘅係推理用國產卡，但訊飛揀嘅係最難嗰條路：從模型訓練、強化學習、持續迭代到推理部署，整條鏈路都跑喺國產算力平台上。核心鏈路嘅NVIDIA含量為0。

其實呢條路2023年就開始行。訊飛同華為合作推出「飛星一號」，搭起大規模國產算力底座。之後又有千億參數嘅Spark-V3.5、深度推理模型Spark-X1。今年9月發佈嘅Spark-X2.5開源了4B同1.7B端側模型，全渠道下載量突破256萬，4B版本仲衝上過Hugging Face近7天Trending榜第一。

換國產芯片，難度唔止喺硬件。NVIDIA嘅優勢唔止GPU仲有CUDA軟件生態，算子、框架、多卡通信全部要重新適配。千卡、萬卡規模嘅訓練效率同集羣穩定性，都係新嘅考驗。

端雲分工：任務去邊度跑？

Spark-X2.6嘅一個賣點係端雲協同。任務先由端側模型判斷，再分配執行路徑，形成三種模式：

  • 純端側執行：簡單任務本地完成
  • 純雲側執行：需要雲端能力嘅任務，先喺端側脱敏再交去雲端
  • 雲+端執行：兩端配合，端側脱敏後，雲端提供指導、端側完成操作，或者分工協作

思路聽落唔錯，但真係省唔省Token、護唔護住私隱？呢個就係本次測試要答嘅問題。

編程實測：從鵜鶘到3D故宮

測試方法係將Spark-X2.6嘅API接入DeepSeek Harness，令佢直接讀寫文件、運行代碼、排查報錯。

第一關：騎自行車嘅鵜鶘。 Prompt係硅谷常見嘅極簡寫法，冇規定畫風構圖，一句話：「Create an SVG of a pelican riding a bicycle...」結果直出，自行車結構完整，近景遠景都有。

第二關：3×3魔方模擬器。 要求用純CSS 3D畫出來，六個面要能轉、能打亂、能重置。最終版本唔使裝依賴，一個文件打開就跑，拖鼠標能換視角。

終極關：3D故宮。 用AI生成嘅提示詞，令Spark-X2.6喺後台跑。再回來嗰陣，佢已經交付了一套index.html、style.css同main.js組成嘅完整網頁。紅牆金瓦沿中軸線鋪開，鼠標可以旋轉、縮放、移動視角。

作者指Spark-X2.6唔係一次就猜中所有細節，但對反饋響應快。呢點對Coding Agent嚟講確實重要。

規格同價格

Spark-X2.6採用MoE架構，總參數293B，每次推理激活約30B，支持1M上下文。已上架訊飛星辰MaaS平台。API價格打六折，輸入每百萬tokens 0.9元，輸出每百萬tokens 3.6元（據稱比「大肥魚」便宜約10%）。

相比9月嘅X2.5，呢代訊飛稱：代碼同智能體能力各提升約8個點；國產訓練平台效率提升4倍，四層KV Cache命中率95%；高頻應用約60%任務Token消耗下降。

4B端側模型

Spark-X2.6-4B已開源，支持1M上下文同200多種語言，適配Ollama、LM Studio、llama.cpp、vLLM等框架。訊飛稱後訓練階段加入能力感知機制，令模型判斷自身薄弱項再向不同教師模型學習。據訊飛內部評測，同尺寸端側模型獨立完成任務比例由約12.8%提升至41.9%。

模姐驗嚇貨：呢篇測試出自量子位，唔係本站獨立實測。所有效能數據（效率提升4倍、KV Cache命中率95%、60% Token下降）均為廠商聲稱，未見獨立第三方可重複驗證。4B端側模型嘅41.9%同樣係訊飛內部評測數字。觀摩得，但引用時要分清楚邊個係誰講嘅。

模姐｜深度調教