讯飞星火 X2.6 发布：293B-A30B 全国产算力训练、1M 上下文，输入 ¥0.9/百万 tokens
本栏目每天汇总近 1–2 天全球新发布 / 新开源的大模型，信息来自官方公告与多家媒体交叉核验；性能数据会区分「官方口径」和「已复测 / 第三方实测」，没复测的明确标注。配图为原创示意插画。
今日最重磅：讯飞星火 X2.6（10 月 22 日发布）
科大讯飞在北京的 1024 开发者节主论坛上发布了星火 X2.6。它的看点不在参数最大，而在一句话：这是第一个宣称完全用国产芯片训练出来的旗舰级大模型。
说人话——过去国产模型基本都在英伟达卡上练，一旦被卡住供应，模型迭代就跟着停。X2.6 想证明的是：用国产卡也能把一个 2930 亿参数的旗舰练到能打。这件事的意义不只是一个模型，而是「这条路走得通」。
核心数据（均为官方口径，尚无独立第三方复现）
- 架构与规模：MoE 混合专家，总参数 2930 亿、每个 Token 激活 300 亿（写作 293B-A30B）。这个「激活 300 亿」是关键——它决定了跑一次要烧多少钱，而不是总参数。
- 上下文：从上一代的几十万 Token 拉到 100 万 Token。换算成中文大致是一次读完几百万字，够塞进一整个中型代码仓库或者几百页合同。
- 代码能力：SWE Pro 77.3 分（官方称第一）、SWE Multilingual 95.0 分（官方称第一）；SWE Verified 95.4 分，比 DeepSeek-V4.1-Flash 的 95.6 分低 0.2 分，官方自己也承认这项排第二。
- 推理能力：AA-LCR v1.1（长上下文推理）与 MiniMax M3 持平；企业运维类 Agent 与通用工具调用 MCP-Atlas 处在第一梯队。
- 价格：限时输入 ¥0.9 / 百万 Token，缓存命中 ¥0.08 / 百万 Token，输出 ¥3.6 / 百万 Token。这个价比 DeepSeek-V4.1-Flash 的常规价还低一档，明显是奔着抢 Agent 调用量去的。
- 可用性：已在讯飞星火官网开放试用；云端权重未开源，开源的是配套的端侧小模型 X2.6-4B。
「全国产算力」到底突破了什么
国产芯片的老毛病是显存小、带宽窄，跑短对话还行，一碰长上下文和长程任务就慢得没法用。讯飞这次给的两个数字值得记：
- 训练侧：用国产万卡集群「飞星二号」训练 2000B 参数、256K 长度的数据，耗时从 4.5 个月压到 1.2 个月，超长上下文训练效率约为原来的 4 倍。刘庆峰说 X2.6 本身就是「过去 2–3 个月练出来的」。
- 推理侧：做了首个基于全国产硬件的四层 KV Cache 架构，整体推理效率提升约 4.5 倍，KV Cache 命中率从 63% 提到 95.7%。命中率这个指标直接对应钱——命中一次按 ¥0.08 计，没命中按 ¥0.9 计，差十倍以上。
端云一体：60% / 30% / 10% 怎么分
讯飞提的分工方案是：60% 的常规任务留在本地终端跑（数据不出设备、不花 Token 钱），30% 端云协同，剩下 10% 的高难度任务才交给云端大模型。为了让这个分工不出错，他们把「该给谁办」的判断准确率从 81.2% 提到了 96.1%——这个路由如果判断错了，要么贵、要么答不好。
支撑端侧的是同批开源的 星火 X2.6-4B：智能体任务覆盖度官方给到 41.9%，新增三档推理模式，限时免推理费。上一代 X2.5-4B 从 9 月 1 日开源至今下载量 256 万次，官方称位列全球端侧模型前四。
需要留意的三点
第一，所有跑分都是自家公布的，目前没有任何独立测评机构复现；而且「SWE 第一」的说法只在部分子项成立，Verified 那项确实输给 DeepSeek 0.2 分。第二，云端权重不开源，想私有化部署走不通，只能用 API 或买他们的端云一体方案。第三，「唯一用全国产算力训练」是厂商口径，指的是旗舰级；小模型和部分国产模型早就在国产卡上跑，这句话不能理解成只有它一家用国产卡。真要迁移，建议先拿自己的真实任务压一遍，别只看榜单。
顺带一句财报背景：讯飞前三季度营收 181.87 亿元、同比增 7.05%，归母净利润 2188.72 万元、同比扭亏；但扣非后仍亏 7.63 亿元，第三季度单季研发投入超 17 亿元、占营收 25% 以上。国产算力这条路是真金白银砸出来的。
今日其他新发布（8 款）
| 模型 / 产品 | 日期 | 类型 | 要点 |
|---|---|---|---|
| Recursive Flint（Flint-40B-A2B） | 10-21 | 开源权重（Apache 2.0） | 田渊栋与 Richard Socher 联合创办的 Recursive 首个模型，专为本地编程 Agent 设计。总参 398 亿 / 每 Token 激活约 25 亿，256 个路由专家选 6 加 1 个共享专家，上下文 262K。官方实测：M4 Pro（48GB）131 token/s、RTX Spark 155 token/s，比同档稠密模型快约 5 倍。六项编程基准平均 80.6 分（Qwen3.8 为 84.7）。从分词器到 RL 从零训不到 4 个月，自研自动科研系统 Eureka Machine 参与了架构搜索、量化（模型体积缩 71%）和 GPU 内核优化。INT4 量化版约 23GB，48GB 内存可跑。 |
| Claude Duet | 10-21 | 主动型 Agent 应用（研究预览） | 基于 Claude Opus 5.5，iOS / Android / 网页三端，美国 Pro、Max 用户排队申请。与聊天机器人的区别是自带独立虚拟机和浏览器，设备关机也继续干活：每天早上推一份简报，白天盯着已连接的应用，只在需要你决策时发消息。可接 6000+ 连接器（Gmail、Slack、Shopify 等），发信、付款、签文件、删内容必须经你确认；不接触密码与登录令牌。Anthropic 自己承认预览版会误判紧急程度。 |
| MWA-Phoenix（无界动力，开源） | 10-22 | 具身世界模型（7B，开源） | 端侧 7B 完整预训练的隐空间世界模型基座，同时登顶 LIBERO-Plus、LIBERO-Pro、RoboCasa GR1、Bench2Dex、RoboTwin 2.0、RoboDojo 六项榜单（含仿真、真机与真实场景）。不用深度传感器、不依赖 Agent、不复刻测试数据；配套 Phoenix-ILA 把运动与接触一起纳入动作学习，另有交互式仿真世界模型 Phoenix-PhysCanvas 让模型在部署前于云端自我进化。代码与权重已开源。 |
| Tev-27B / Tev-320B（UCLA × Adobe） | 10-22 | 长程 Agent 训练集 + 开源模型 | 针对「开源模型干不了长活」的短板，造了首个带可验证稠密奖励的长程 Agent 训练集 Tev-Gym（1170 个环境、7 个领域），配进度势能奖励塑形 PPRS。Tev-27B 在 Agents' Last Exam 计算与数学（ALE-CM）上 Pass@5 达 0.28，与 GPT-6 Astra、Claude Opus 5 持平；同配方 Tev-320B 是 Terminal-Bench 4.0 该子集上最强的开源模型。论文已公开（arXiv 2610.18868）。 |
| GameScaling（米哈游 + 清华 / 北大等，开源） | 10-22 | 游戏操作模型（0.8B–27B，开源） | 崩坏 AI 团队联合清华、北大、国科大、港大、新加坡国立推出，基于 Qwen3.5 视觉语言模型继续预训练，吃键盘鼠标操作录像。一次调用输出约 200 毫秒的动作序列（6 步 × 33 毫秒 + 鼠标移动与滚轮）。覆盖《我的世界》采矿合成打僵尸、《毁灭战士》战斗寻路、密室解谜逃脱。8 个检查点：0.8B / 2B / 9B / 27B 各两版（S1 只训《我的世界》，S3 多游戏混合、占比 27%），各用 1600 小时数据。Apache 2.0，支持 vLLM，27B 需两张卡张量并行。 |
| Mirendil-Base | 10-21 | 代码基座（100B–500B，未开源） | 一个研究员 + 一群 Agent，3.5 个月、总花费不到 1000 万美元（含此前所有研究与最终训练），只用公开数据从零预训练出百亿到五千亿参数级的代码基座。更值得记的是：预训练用的代码有 99% 由 AI Agent 自己写。后续计划 Base-Large（500B–2T）与 Base-XL（2T–10T）。独立评测、后训练跑分和 API 将在数周内公布——目前没有任何可比的基准数字，先当作路线信号。 |
| SparkAudio 1.0（讯飞） | 10-22 | 语音基座大模型 | 讯飞首个语音基座，把翻译、识别、语义理解、情感识别合成一个模型，支持中英文任意切换（不是先识别完再翻译的串行流程）。与星火 X2.6 同批发布，走的是「一个模型通吃语音链路」的路子。 |
| 可灵 Kling 4.0 API | 10-21 | 视频生成 API（商用） | 模型本体 10 月 15 日已全量上线，10 月 21 日晚 API 才正式首发，逐步向全球企业客户与开发者开放——对想把视频生成接进业务流程的人来说，这才是可用日。单次 3–30 秒、最高 10 张关键帧、15 项多模态参考（10 图 + 5 视频）、双通道立体声、9 种语言口型、提示词上限 8000 tokens、21:9 超宽。注意 1080p/4K 的 10-bit HDR 官方仍标「即将上线」，别按已发布算。 |
关于 Flint 的跑分，有一个必须说清的差异
Flint 官方给的 SWE-bench Verified 是 74.2%，但已有第三方（veduis）用不同口径测出 42.8%，差了 30 多个百分点。这种量级的差距通常来自三件事：用的脚手架（harness）不同、允许重试次数不同、以及是否把「网上搜到答案」算作通过。这不代表官方数据造假，但意味着这个分数现在不能横向对比。它的确定性优势在速度和体量——40B 的模型能在 48GB 内存的笔记本上跑到 130 token/s，这件事本身是可复现的。想用它替本地 Copilot，先在自己的仓库上跑两天，比看榜单可靠。
行业资讯
- DeepSeek 千亿融资落定（10-22，未官宣）：多家媒体援引市场消息称，DeepSeek 最新一轮拟募资约 1000 亿元人民币（约 150 亿美元），腾讯与宁德时代为最大出资方，投前估值维持约 5000 亿元，交易预计数日内完成。上证报记者向接近公司与投资方的多个信源交叉求证，称消息属实，但 DeepSeek 与腾讯均未公开回应，最终金额仍未完全确定。若成立，加上 6 月那轮约 510 亿元，半年累计融资约 1500 亿元。募资主要投向模型训练、算力（内蒙古乌兰察布在建大型数据中心，传新增 1GW）与人才，也被视为科创板 IPO 的前置动作。梁文锋此前在投资人会议上透露公司年化营收运行率已突破 10 亿美元。
- 国产卡从「能推理」走到「能训练」（10-22）：环球时报援引国内媒体报道，深圳河套团队用华为昇腾 910C 完成了 DeepSeek-V4-Pro 的后训练。后训练比推理难得多，这条消息和星火 X2.6 放在一起看，说明国产算力正在补上最关键的短板——不只是跑得动，而是能改得动。
- 个人 Agent 打成一片（10-21/22）：Claude Duet 下场，直接对上 Meta 的 Muse（上月推出后登顶 App Store）、OpenAI 的 dots（开发者大会上的「全天候」助手）。国内也没闲着：阿里千问 Go 已开放体验申请（理赔、预约、比价、订餐），腾讯元宝在研独立 App「元宝助手」，字节据传在测独立助理「小豆」。Gartner 口径：全球 AI 智能体与助手支出将从 2025 年的 164.81 亿美元增至 2027 年的 654.72 亿美元，约 4 倍。入口之争的背后是同一件事——谁拿到用户的邮箱、日历和文件，谁才有长期记忆。
- Anthropic 承认雪藏模型四个月（10-22）：CEO 达里奥发长文回应「AI 安全只是敛财遮羞布」的质疑，首次透露一个已训完的 Mythos 级高级模型被压了约四个月才对外开放，并逐条列出公司过去一年「因安全主动放弃的钱」。导火索是安全调查员 Nathan Calvin 的长文质疑。这场争论没有技术结论，但它暴露了一个现实：前沿模型的发布时间，越来越不只是技术问题。
- 软银股价较 6 月高点近乎腰斩：市场开始质疑「靠举债投 AI」的模式，其信用违约互换（CDS）报价升至近四年高位。这是本轮 AI 资本循环里第一个明显的裂缝，值得盯着——它会影响后续算力合同的融资成本。
- 微软用 AI 证明了 31 年的 KLS 猜想：研究人员的 Agent 探索了约 100 条研究路径，辅助完成 140 页证明。这类新闻单个看是趣闻，连起来看是趋势：AI 开始在「没人知道答案」的问题上出力，而不只是在有标准答案的题上刷分。
- 接下来两周还有两场：据虎嗅报道，月之暗面的 Kimi 与智谱的 GLM 都预计迎来新一轮更新。再加上 DeepSeek V4.1-Flash 上周的 1017 版，国产旗舰这一轮的密集迭代还没结束。
一句话趋势
今天所有新闻其实是同一件事：造模型的成本结构正在被重写。星火 X2.6 证明国产卡能练出旗舰并把价格压到 ¥0.9，Flint 用 4 个月、一个自动科研系统做出了能在笔记本上跑 130 token/s 的 40B 模型，Mirendil 用一个研究员和不到 1000 万美元练出百亿参数代码基座，DeepSeek 则一次性拿到 1000 亿准备把参数推到 2 万亿以上。四条路方向相反——两条在降成本，两条在加杠杆——但指向同一个结论：「有多少卡」不再是护城河，「多快把想法变成可用的模型」才是。对用模型的人，这意味着价格还会往下走，同时「官方跑分」和「你自己场景里的表现」之间的差距会越来越大，选型必须自己压测。
（数据来自官方公告与公开报道，2026-10-22；官方口径与第三方实测已分别标注，未复测项已在文中说明。模型能力强弱会影响选型，但实际价格以本站模型广场实时报价为准。）