293B参数全程国产算力：讯飞星火X2.6把百万上下文和万卡推理一起摆上台面

10 月 22 日下午，北京国家会议中心，科大讯飞在 2026 全球 1024 开发者节主论坛上发布端云一体的星火 X2.6。这是一款 293B 总参数、每 Token 激活 30B 的 MoE 通用大模型，支持 100 万 Token 上下文，并且——这是发布现场反复强调的一句——全程在全国产算力上完成训练，推理跑在国产万卡集群上。距上一代 X2.5 发布只有约 45 天。

董事长刘庆峰把话讲得很直白：自主可控的算力底座，为世界提供了第二种选择。这句话的分量不在于口号，而在于它背后那套被公开的工程细节——国产芯片的显存带宽一直是短板，超长上下文「训不快、放不下」是行业公认的卡点，而讯飞这次给出的是一组可以核算的效率数字。

训练侧：把 4.5 个月压到 1.2 个月

第一个数字是长程任务的训练效率。讯飞称其突破了国产芯片的长程任务训练瓶颈，做法是「亲和国产平台的长程任务动态并行训练技术」，按任务长度动态分配算力，解决国产芯片显存与带宽受限导致的混训效率低下问题。以飞星二号万卡集群训练 2000B 规模、256K 长度的数据为例，训练时长从 4.5 个月压缩到 1.2 个月，超长上下文训练效率约为原来的 4 倍。

刘庆峰在台上给了一个更直观的对照：同样训一个比较大的版本，别人用 3 个月，讯飞过去要 1 年，现在把这 4 倍补了回来。飞星平台由讯飞联合华为基于昇腾生态打造，是可支撑万亿参数模型训练的国产万卡算力底座——这也是「全国产」三个字具体落在什么硬件上的唯一线索。

推理侧：命中率从 63% 到 95.7%

第二个数字是推理。面向国产异构算力集群，讯飞落地了自适应存算协同推理、异构分布式推理，以及业内首个适配全国产硬件的四层 KVCache 架构（本地 HBM、本地 DRAM、集群 RDMA 内存、集群存储）。官方数据是：飞星二号国产芯片上的推理效率达到优化前的 4.5 倍，KVCache 命中率从 63% 提升到 95.7%。

把这两个数字放在一起看，逻辑是通的：长上下文最贵的成本是 KV 缓存反复重算，缓存命中率提上去，单位 Token 成本才降得下来，百万上下文才不是一个只能演示不能商用的参数。对采购方来说，真正要问的问题不是「支持多少 Token」，而是「在国产卡上跑满 100 万 Token 要多少钱」。

端云一体：六成任务留在端侧

第三个变化发生在架构层面。星火 X2.6 同时升级云端与端侧，首次发布端云一体协同架构，支持纯端侧执行、端云协同、纯云侧执行三种模式，由路由按任务难度、数据安全要求和模型能力分工。官方给出的路由准确率是 96.1%（上一代 81%），预期分布是六成任务留在端侧、三成端云协同、一成交给云端。

支撑这套分工的是端侧模型的跃迁。4B 版本的星火 X2.6-4B 已开源，权重在 Hugging Face 上以 Apache 2.0 释出，官方称端侧可完成的智能体任务覆盖度从业界的 12.8% 提升到 40% 以上，能力方向是工具理解、任务规划与多步骤执行——信息搜索问答、办公文档处理、日程管理、本地表格操作尽量不出设备。上一个版本 X2.5-4B 在 9 月 1 日开源，一个月累计下载 256 万次，官方称已进入全球端侧模型下载量前四。

价格也一并给了：云端 API 输入 0.9 元/百万 Token、输出 3.6 元、缓存命中 0.08 元，限时六折；X2.6-4B 推理限时免费。这套定价放在国内第一梯队里属于偏低水位，配合「六成任务压到端侧」的分工，本质上是把成本从云账单转移到用户设备的算力预算上。

从模型到场景：一份落地清单

发布会同场还给了一串场景数字，值得单独列出来，因为它们决定了这个模型能不能被企业采购：星火语音基座 Spark Audio 1.0 与具身多模交互技术同步发布；星火智慧座舱 3.0 以 Master Agent 多模态中枢运行，已支持 32 门海外语种、覆盖 60 个国家和地区，首批合作品牌包括奇瑞、长城魏牌、东风日产；机器人超脑平台 3.0 已在 500 余家机器人企业、10 万余台设备上集成；星帆 WinWork 数字员工平台首次发布；教育侧智能批阅机覆盖 3000 余所学校、服务超 450 万师生；医疗侧影像云覆盖超 2.6 亿人口。

这些数字都是企业自报，没有第三方审计，但它们指向的判断是可验证的：国产算力训出来的模型，竞争重点已经从榜单分数转向「在国企、教育、医疗、司法这些场景里能不能稳定跑」。刘庆峰自己也是这个口径——他说实际部署表现优于公开基准分数。

把它放进这周的整体图景里

星火 X2.6 不是孤立事件。10 月 20 日，DeepSeek 以 Apache 2.0 开源了自家 API 背后的推理引擎 DeepInfer，同时支持英伟达 GPU 与华为昇腾芯片，带分布式推理、投机解码和结构化输出；本周还有报道称，深圳的一个研究团队已用昇腾 910C 完成 DeepSeek-V4-Pro 的后训练，意味着国产芯片正从「能推理」迈向「能训练」。模型公司与国产芯片供应商的绑定在加深，这条链条上的每一环都在被补齐——想跟踪这类进展，量子位等垂媒的日更是效率较高的入口。

对想做 AI 选型的团队，这件事的现实意义是：政企客户第一次有了一个可以自己跑评测集的自主可控选项。想直接上手的话，科大讯飞官网和星火开放平台都已放出 X2.6 系列的体验入口。

还没被回答的问题

该泼的冷水也要泼。第一，旗舰版 293B 的权重没有开源，开源的只有 4B 端侧版本；第二，官方没有公布基准测试的具体分数，只说了「达到业界领先系统的可比水平」，4B 版本自报的 BFCL-V4 71.8、SWE Pro 54.3 也都未经第三方复现；第三，也是最关键的一点：讯飞没有说明训练用了哪款芯片、多少张卡、多少算力，「万卡」指的是推理集群。刘庆峰说同行都是「N 卡」训练、只有星火是全国产，这句话目前仍是他本人的说法。

再叠加背景：讯飞自 2019 年 10 月起就在美国实体清单上，出口管制让它对国产算力的依赖不是选择题而是必答题。这也解释了为什么它愿意把「全国产」当作核心卖点——在一个被限制的市场里，能自己造出可用的底座，本身就是竞争力。至于这套底座的真实成色，要等第一批企业用户把评测集跑完才知道。

（文 / AI30媒体部 ｜ 最后更新：2026年10月23日）