小型モデルで「100万トークン」をローカル処理へ――iFLYTEKがSpark X2.5を公開

iFLYTEK（科大訊飛）の完全子会社Ciyuan Xinghuoは2026年9月1日、エッジデバイス向け言語モデル Spark（Xinghuo）X2.5-4B と Spark X2.5-1.7B を公開し、オープンソース化しました。最大の特徴は、ローカル実行を想定したモデルでありながら、最大100万トークンのネイティブコンテキストウィンドウに対応するとしている点です。同社はこの種のエッジモデルで初の能力だと説明していますが、先行性については第三者による独立検証ではなく、同社の主張として受け取る必要があります。2

「文書を分割して検索する」運用の弱点を補えるか

長大な文書をAIに扱わせる際は、一般に文書を小さな断片へ分割し、必要な箇所を検索して渡す手法が使われます。これは有効な方法である一方、別の章にある例外規定や条件、依存関係を取りこぼす可能性があります。

iFLYTEKが例に挙げるのは、アフターサービスのマニュアルです。マニュアル全体をコンテキストに入れられれば、返品、故障対応、例外、配送、データ消去、費用負担といった複数章の規定を横断して判断できる、という位置付けです。2

ただし、コンテキスト長が大きいこと自体は、推論の正確さや回答の信頼性を保証しません。実導入では、長文書内での必要情報の参照精度、応答時間、必要メモリ、複数条件が絡む規則への追従性を、対象の端末と実データで検証する必要があります。

想定用途：エージェント、コード、スマートホーム、ロボット

両モデルはハイブリッドアテンションを採用し、AIエージェント／ツール利用、プログラミング、数学的推論、指示追従に向けて調整されたとされています。2

利用先としては、車載システム、スマート機器、ロボット、IoT機器など、通信の常時接続、レイテンシー、データの取り扱いが課題になりやすいローカル／エッジ環境が挙げられています。3

同社が示した主な性能・用途は次の通りです。

• コーディング：Spark X2.5-4Bは、アルゴリズム実装、コード補完、コード生成で、自身の2〜3倍のパラメータ規模を持つクラウドモデルと競争できると同社は主張しています。2
• スマートホーム操作：Spark X2.5-1.7Bは、Domuxスマートホームテストセットで、エンドツーエンドの指示実行精度90.3％、平均応答時間0.85秒を記録したと報告されています。これは特定のテストセットでの公表値であり、実環境全般での性能保証ではありません。2
• ロボット・エッジ制御：オンデバイスでの操作・制御、対象追跡、ナビゲーション判断に利用でき、継続的なクラウド接続や固定的なスクリプトへの依存を抑える用途が示されています。2

ローカルの業務支援・個人向け生産性向上にも位置付けられていますが、発表資料では、具体的なオフィス自動化機能の一覧や専用ベンチマークは詳しく示されていません。2

学習規模と対応スタック

iFLYTEKによると、2モデルは国内の計算基盤のみで学習され、多様な事前学習データを約20兆トークン使用。その後、教師ありファインチューニングと強化学習を実施したといいます。2

発表された互換性・導入経路には、以下が含まれます。2

• ハードウェア：NVIDIA、Huawei、Hygon、Hemo
• 推論フレームワーク：vLLM、SGLang、llama.cpp
• 導入ツール：Ollama、LM Studio
• 追加学習：LLaMA-Factory

実際の速度やメモリ消費は、1.7B／4Bのモデル選択、量子化方式、利用するコンテキスト長、搭載ハードウェアによって大きく変わります。100万トークン対応という仕様をそのまま手元の端末で実用的に使えるかどうかは、個別の検証が不可欠です。

公開先とAPI提供

同社は、モデル重み、ソースリポジトリ、デプロイ文書を公開し、Hugging FaceとGitHubで利用可能にしたと説明しています。また、Starry MaaSプラットフォームで関連APIを期間限定で無料提供すると発表しました。26

一方で、無料提供の終了日や利用上限は発表内容で明確にされていません。開発計画に組み込む場合は、現時点のアクセス条件と利用規約を確認するのが安全です。

実用化で見るべき点

Spark X2.5の注目点は、単にオープンソースであることや小型であることではありません。1.7B／4Bという比較的コンパクトなモデルと、最大100万トークンのネイティブコンテキストという組み合わせにあります。

この仕様が実運用でも有効なら、社外へ送信しにくい手順書、技術資料、規程集、コードベースをローカルで横断的に分析する用途で価値を持ち得ます。ただし、導入判断ではベンダー発表の数値だけに頼らず、自社の代表的な長文書・端末構成・応答要件を用いた評価が重要です。