Spark X2.5 : iFLYTEK mise sur 1 million de tokens de contexte en local

Le 1er septembre 2026, Ciyuan Xinghuo, filiale détenue à 100 % par iFLYTEK, a lancé et publié en open source deux modèles de langage destinés aux appareils en périphérie : Spark (Xinghuo) X2.5-4B et Spark X2.5-1.7B. Leur caractéristique phare est une fenêtre de contexte native pouvant atteindre un million de tokens, y compris en exécution locale. iFLYTEK les présente comme les premiers modèles de cette catégorie à proposer cette capacité ; il s’agit toutefois d’une affirmation du constructeur, non d’un résultat validé de manière indépendante. 2

À quoi servent les modèles Spark X2.5 ?

Les versions à 4 et 1,7 milliard de paramètres reposent sur une architecture à attention hybride. Elles ont été optimisées pour les agents IA et l’usage d’outils, la programmation, le raisonnement mathématique et le suivi d’instructions. iFLYTEK affirme qu’elles se montrent compétitives face à des modèles ouverts de taille comparable, sans publier de comparaison indépendante détaillée. 2

Leur terrain de jeu est l’exécution locale : matériel connecté, systèmes embarqués dans les véhicules, robots et objets connectés. Dans ces environnements, dépendre en permanence du cloud peut poser des problèmes de connectivité, de latence ou de traitement des données. 3

L’intérêt d’un contexte d’un million de tokens

Pour interroger de longs documents, la pratique habituelle consiste à les découper en petits extraits, puis à retrouver les passages pertinents. Cette approche peut fonctionner, mais elle risque d’écarter une exception, une règle ou une dépendance située dans un autre chapitre.

iFLYTEK prend l’exemple d’un manuel de service après-vente. En gardant le document entier dans le contexte, le modèle peut croiser les règles de retour, de traitement des pannes, d’exceptions, de logistique, d’effacement des données et de prise en charge des coûts. L’entreprise présente cette approche comme une manière d’éviter la perte de contexte entre chapitres provoquée par un découpage en fragments isolés. 2

Une très grande fenêtre de contexte ne garantit cependant ni la qualité du raisonnement ni l’exactitude des réponses. Avant un déploiement, il reste nécessaire de mesurer la qualité de la recherche d’information, la latence, les besoins mémoire et la capacité réelle du modèle à appliquer correctement les règles dispersées dans un document complet.

Capacités annoncées et chiffres à interpréter avec prudence

iFLYTEK positionne Spark X2.5 comme un assistant local de productivité, mais n’a pas publié de liste détaillée de fonctions d’automatisation bureautique ni de benchmark spécifique dans les informations de lancement. 2

Pour les autres scénarios, l’entreprise avance les résultats suivants :

• Programmation : Spark X2.5-4B serait capable de rivaliser, pour l’implémentation d’algorithmes, la complétion et la génération de code, avec des modèles cloud comptant deux à trois fois plus de paramètres. 2
• Maison connectée : Spark X2.5-1.7B aurait atteint 90,3 % de précision d’exécution des instructions de bout en bout sur le jeu de test Domux, avec un temps de réponse moyen de 0,85 seconde. Ce chiffre concerne un jeu de test précis et ne constitue pas une garantie de performance en conditions réelles. 2
• Robotique et contrôle embarqué : les modèles sont proposés pour la manipulation ou le contrôle sur appareil, le suivi de cible et les décisions de navigation, afin de moins dépendre d’une connexion cloud continue et de routines figées. 2

Entraînement et déploiement

Selon iFLYTEK, les deux modèles ont été entraînés entièrement sur des plateformes de calcul nationales, à partir d’environ 20 000 milliards de tokens de préentraînement diversifiés. Ils ont ensuite fait l’objet d’un ajustement supervisé et d’un entraînement par renforcement. 2

La liste de compatibilité annoncée comprend du matériel NVIDIA, Huawei, Hygon et Hemo ; les moteurs d’inférence vLLM, SGLang et llama.cpp ; les voies de déploiement Ollama et LM Studio ; ainsi que LLaMA-Factory pour l’affinage incrémental. Les performances et la consommation mémoire dépendront néanmoins du modèle choisi, de la quantification, de la longueur du contexte et du matériel utilisé. 2

Où les trouver ?

iFLYTEK indique avoir publié les poids des modèles, les dépôts de code et la documentation de déploiement, avec une disponibilité via Hugging Face et GitHub. Le groupe a également annoncé des API associées sur sa plateforme Starry MaaS, avec un accès gratuit temporaire. Ni la date de fin de l’offre ni le quota ne sont précisés : les développeurs ont donc intérêt à vérifier les conditions en vigueur avant de bâtir un projet autour de cette promotion. 26

À retenir

L’argument différenciant de Spark X2.5 n’est pas seulement son caractère open source ni son format compact pour l’edge computing. C’est l’association de modèles de 1,7 et 4 milliards de paramètres à une fenêtre de contexte native revendiquée d’un million de tokens. Si cette capacité se confirme en usage réel, elle pourrait intéresser les équipes souhaitant analyser localement, avec davantage de confidentialité, des manuels complets, des archives techniques ou des bases de code où les liens entre sections comptent. La prochaine étape est donc très concrète : tester les modèles sur des tâches longues représentatives et sur le matériel exact prévu pour leur exécution.