RéponsesPublié22 sources
Spark X2.5 : iFLYTEK mise sur le contexte long pour l’IA locale
La filiale Ciyuan Xinghuo d’iFLYTEK a publié en open source Spark X2.5 4B et Spark X2.5 1.7B le 1er septembre 2026. Ces modèles pour l’exécution locale associent attention globale et attention à fenêtre glissante, et ciblent les agents, le code, les documents longs, la domotique et la robotique.
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- La filiale Ciyuan Xinghuo d’iFLYTEK a publié en open source Spark X2.5 4B et Spark X2.5 1.7B le 1er septembre 2026.
- Ces modèles pour l’exécution locale associent attention globale et attention à fenêtre glissante, et ciblent les agents, le code, les documents longs, la domotique et la robotique.
- Sur le jeu de tests domotique Domux, iFLYTEK annonce pour le modèle 1.7B 90,3 % de précision de bout en bout et 0,85 seconde de latence moyenne : il s’agit d’un résultat communiqué par le fournisseur.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What are iFLYTEK’s open-sourced Spark X2.5-4B and X2.5-1.7B edge models, when and by which subsidiary were they launched, why does iFLYTEK d. Article summary: iFLYTEK’s Spark X2.5-4B and X2.5-1.7B are compact, open-source general language models intended for local/edge deployment on phones, PCs, robots, and other devices. iFLYTEK’s wholly owned subsidiary Ciyuan Xinghuo (XHTok. Topic tags: general, general web, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fa
Deux petits modèles pensés pour tourner au plus près de l’utilisateur
Spark X2.5-4B et Spark X2.5-1.7B sont des modèles de langage généralistes et compacts, destinés à un déploiement local ou en périphérie du réseau (edge), plutôt qu’à un usage exclusivement dans le cloud. La filiale détenue à 100 % par iFLYTEK, Ciyuan Xinghuo, également associée à XHToken et SparkLLM, les a lancés et publiés en open source le 1er septembre 2026. 2
4
Le duo cible notamment les PC, téléphones, objets connectés, robots et systèmes embarqués dans les véhicules. Le projet officiel met en avant la conversation, la rédaction, la traduction, le raisonnement, la programmation, l’usage d’outils et les flux de travail agentiques. 22
La promesse clé : jusqu’à 1 million de tokens de contexte
iFLYTEK présente ces deux modèles comme les premiers modèles open source destinés à l’exécution sur appareil à prendre nativement en charge jusqu’à 1 million de tokens de contexte. Cette position de « premier » est une affirmation de l’entreprise et non un record établi de manière indépendante. 1
2
5
Une fenêtre de contexte native permet, en théorie, de fournir au modèle une très longue séquence d’un seul tenant. Cela peut limiter le recours à une chaîne classique de recherche documentaire, où un manuel ou un dépôt de code est découpé en fragments, puis où quelques passages sont récupérés pour composer une réponse.
Prenons un manuel de service après-vente : une exception peut figurer dans un chapitre, une procédure dans un autre, et un tableau de codes défauts ou de pièces dans un troisième. Conserver davantage de ces éléments dans le même contexte peut aider à préserver leurs liens, au lieu de dépendre d’extraits récupérés séparément. Le raisonnement vaut aussi pour de longues documentations techniques, des lots de documents ou de vastes bases de code.
Mais la longueur de contexte prise en charge ne dit pas tout de l’usage réel. Une analyse tierce souligne que les informations publiées ne précisent pas la mémoire vive nécessaire ni la latence associée au maintien d’un million de tokens sur un téléphone ou un nano-ordinateur. Avant tout déploiement, il faut donc tester le matériel visé, la quantification, la longueur de contexte et la latence acceptable : le maximum annoncé ne sera pas forcément exploitable localement au quotidien. 1
Une architecture d’attention hybride
Spark X2.5 adopte une architecture hybride : une couche d’attention globale (full attention) est associée à trois couches d’attention à fenêtre glissante (sliding-window attention), selon un schéma répété. 6
18
L’attention globale permet de relier des informations éloignées dans une séquence ; l’attention à fenêtre glissante limite, elle, la majorité des calculs aux tokens voisins. L’objectif est de réduire le coût de calcul qu’impliquerait l’attention globale appliquée partout sur une entrée très longue. 6
Dans une conversion destinée à l’inférence embarquée, la version 4B est décrite comme un décodeur dense de 4,11 milliards de paramètres, ce qui illustre son positionnement relativement compact. 18
Des usages d’agents locaux, pas seulement de compréhension de commandes
La présentation de Spark X2.5 ne se limite pas à l’interprétation d’ordres : iFLYTEK veut aussi que des systèmes locaux puissent comprendre une instruction puis enchaîner des étapes pour accomplir une tâche. 3
4
Documents longs, bureautique et développement
Pour la bureautique, iFLYTEK indique que le modèle 4B peut aller de l’analyse de données brutes à la production d’un rapport bilingue. La famille est également optimisée pour le code, l’utilisation d’outils, le raisonnement et les workflows d’agents. 10
16
22
SparkLLM affirme que le 4B peut rivaliser, en programmation, avec des modèles cloud deux à trois fois plus grands. Il s’agit d’une déclaration du fournisseur, rapportée à la taille des modèles ; les sources disponibles ne démontrent pas une supériorité générale dans des benchmarks indépendants, pour toutes les tâches et toutes les configurations matérielles. 16
Commandes domotiques
Le plus petit modèle, le 1.7B, est positionné pour des scénarios de contrôle d’appareils. Sur le jeu de tests domotique Domux, iFLYTEK indique 90,3 % de précision de bout en bout pour les commandes, avec une latence moyenne de 0,85 seconde. 4
10
16
Ces chiffres renseignent sur le résultat communiqué par l’entreprise dans son propre cadre de test. Ils ne constituent pas une comparaison directe avec tous les modèles concurrents ni avec tous les environnements de déploiement.
Robotique et matériel edge
iFLYTEK cite aussi la robotique parmi les débouchés : des workflows locaux pilotés par le langage pourraient servir à l’exploitation de robots et à des tâches sur appareils périphériques impliquant le contrôle, le suivi d’objets et des décisions de navigation. 10
20
Les éléments fournis ne donnent toutefois pas de résultats de benchmark distincts pour la manipulation, le suivi ou la navigation. Il s’agit de cas d’usage et de cibles de déploiement, non de garanties de performances démontrées indépendamment.
L’intérêt de l’exécution locale — et ses limites
Faire tourner un modèle localement peut réduire la dépendance à une connexion réseau et aux allers-retours vers le cloud. Les requêtes et documents peuvent aussi rester sur l’appareil, ce qui peut être utile pour des manuels sensibles, des commandes de domotique ou des workflows robotiques. 3
4
Cela ne rend pas automatiquement toutes les charges de travail rapides ou privées. L’expérience dépend du matériel, du moteur d’inférence, de la quantification, de la capacité mémoire et de la longueur du contexte actif. Un contexte d’un million de tokens est particulièrement exigeant, même si le modèle de base reste relativement petit. 1
Entraînement, compatibilité et disponibilité
iFLYTEK indique avoir entraîné Spark X2.5 sur des plateformes de calcul chinoises, avec environ 20 000 milliards de tokens variés en pré-entraînement. Le post-entraînement a ciblé les agents, le code, les mathématiques et le suivi d’instructions. 10
16
Les modèles prennent en charge le matériel NVIDIA, Huawei, Hygon et HOUMO. Ils sont compatibles avec les outils d’inférence et de déploiement vLLM, SGLang, llama.cpp, Ollama et LM Studio. LLaMA-Factory est cité pour le réglage fin (fine-tuning). 4
10
16
Les poids, les ressources du projet et la documentation de déploiement sont accessibles via le projet XHToken/Spark-X2.5 et les publications associées, notamment sur Hugging Face et GitHub. 2
22 Des versions quantifiées FP8 et INT8 ont été annoncées sur la page Hugging Face de XHToken le 4 septembre 2026.
28
SparkLLM a par ailleurs annoncé une disponibilité par API via iFLYTEK Xingchen/Spark MaaS, avec un accès gratuit pour une durée limitée. Les informations fournies ne précisent ni la durée, ni les conditions d’éligibilité, ni les quotas, ni le statut actuel de l’offre : les développeurs ont donc intérêt à vérifier les modalités directement avant de bâtir un projet dessus. 10
16
À retenir
Spark X2.5-4B et X2.5-1.7B se distinguent par l’association de modèles compacts orientés edge, d’une fenêtre de contexte native annoncée jusqu’à 1 million de tokens et d’une ambition d’agents locaux capables d’exécuter des tâches. Cela ne signifie ni que chaque téléphone peut gérer confortablement un million de tokens, ni que ces modèles ont déjà prouvé une domination globale du marché. L’intérêt concret de la publication est d’offrir des modèles ouverts pour tester cette combinaison de contexte long, d’exécution locale et d’automatisation — avec une évaluation indispensable sur le matériel réellement visé. 1
2
22
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Spark X2.5 : iFLYTEK mise sur le contexte long pour l’IA locale » ?
La filiale Ciyuan Xinghuo d’iFLYTEK a publié en open source Spark X2.5 4B et Spark X2.5 1.7B le 1er septembre 2026.
Quels sont les points clés à valider en premier ?
La filiale Ciyuan Xinghuo d’iFLYTEK a publié en open source Spark X2.5 4B et Spark X2.5 1.7B le 1er septembre 2026. Ces modèles pour l’exécution locale associent attention globale et attention à fenêtre glissante, et ciblent les agents, le code, les documents longs, la domotique et la robotique.
Que dois-je faire ensuite en pratique ?
Sur le jeu de tests domotique Domux, iFLYTEK annonce pour le modèle 1.7B 90,3 % de précision de bout en bout et 0,85 seconde de latence moyenne : il s’agit d’un résultat communiqué par le fournisseur.