Spark X2.5: małe modele AI od iFLYTEK z deklarowanym kontekstem 1 mln tokenów

iFLYTEK, za pośrednictwem swojej w pełni kontrolowanej spółki zależnej Ciyuan Xinghuo, 1 września 2026 r. uruchomił i udostępnił jako open source dwa modele językowe przeznaczone do pracy na urządzeniach brzegowych: Spark (Xinghuo) X2.5-4B oraz Spark X2.5-1.7B. Ich najważniejszą deklarowaną cechą jest natywne okno kontekstu do 1 mln tokenów przy działaniu lokalnym. iFLYTEK przedstawia je jako pierwsze modele tej klasy dla urządzeń brzegowych z taką możliwością, ale jest to deklaracja producenta, a nie niezależnie zweryfikowany wynik. 2

Do czego zaprojektowano Spark X2.5

Modele o 4 mld i 1,7 mld parametrów korzystają z architektury hybrydowej uwagi. Zostały dostrojone pod kątem pracy agentowej i używania narzędzi, programowania, rozumowania matematycznego oraz wykonywania instrukcji. iFLYTEK twierdzi, że wypadają dobrze na tle otwartych modeli o zbliżonym rozmiarze, lecz w komunikacie nie przedstawiono niezależnych porównań. 2

Docelowe środowiska to zastosowania lokalne i brzegowe: inteligentne urządzenia, systemy samochodowe, roboty oraz urządzenia Internetu Rzeczy. W takich scenariuszach znaczenie mogą mieć opóźnienia, dostępność połączenia z chmurą i sposób przetwarzania danych. 3

Po co milion tokenów w urządzeniu lokalnym

Przy pracy z długimi dokumentami często stosuje się dzielenie materiału na fragmenty, czyli tzw. chunking. Instrukcja serwisowa, zbiór procedur lub baza kodu są wtedy rozbijane na mniejsze części, z których system pobiera pojedyncze ustępy. To praktyczne podejście, ale może pominąć wyjątek, warunek albo zależność ukrytą w innym rozdziale.

Jako przykład iFLYTEK podaje instrukcję obsługi posprzedażowej. Jeśli cały dokument mieści się w kontekście, model może analizować łącznie reguły dotyczące zwrotów, obsługi usterek, wyjątków, logistyki, usuwania danych oraz odpowiedzialności za koszty. Firma przedstawia to jako sposób na ograniczenie utraty kontekstu między rozdziałami po podziale dokumentu na odizolowane fragmenty. 2

Samo duże okno kontekstu nie jest jednak dowodem niezawodnego rozumowania ani gwarancją poprawności odpowiedzi. Przed wdrożeniem warto sprawdzić jakość wyszukiwania i analizy, opóźnienia, wymagania pamięciowe sprzętu oraz to, czy model prawidłowo stosuje zasady rozproszone w całym dokumencie.

Deklarowane zastosowania i wyniki

iFLYTEK pozycjonuje Spark X2.5 jako rozwiązanie do lokalnego wsparcia produktywności, choć materiały premierowe nie zawierają szczegółowej listy funkcji biurowych ani dedykowanego benchmarku automatyzacji pracy biurowej. 2

Firma podaje ponadto następujące deklaracje:

• Programowanie: Spark X2.5-4B ma konkurować z modelami chmurowymi mającymi dwa–trzy razy więcej parametrów w implementacji algorytmów, uzupełnianiu i generowaniu kodu. 2
• Sterowanie inteligentnym domem: Spark X2.5-1.7B miał osiągnąć 90,3% dokładności wykonania instrukcji od początku do końca w zestawie testowym Domux, przy średnim czasie odpowiedzi 0,85 s. To zgłoszony wynik z konkretnego zestawu testowego, a nie ogólna gwarancja działania w rzeczywistych warunkach. 2
• Robotyka i sterowanie brzegowe: modele są prezentowane jako rozwiązanie do lokalnego sterowania i manipulacji, śledzenia obiektów oraz decyzji nawigacyjnych. Ma to ograniczać zależność od stałego połączenia z chmurą i od sztywnych, wcześniej zaprogramowanych reguł. 2

Trening i środowisko wdrożeniowe

Według iFLYTEK oba modele wytrenowano w całości na krajowych platformach obliczeniowych, wykorzystując około 20 bln zróżnicowanych tokenów wstępnego treningu. Następnie zastosowano dostrajanie nadzorowane i uczenie ze wzmocnieniem. 2

Na liście deklarowanej kompatybilności znalazły się platformy sprzętowe NVIDIA, Huawei, Hygon i Hemo; frameworki inferencyjne vLLM, SGLang i llama.cpp; ścieżki wdrożenia przez Ollama oraz LM Studio; a także LLaMA-Factory do przyrostowego dostrajania. Faktyczna szybkość działania i zużycie pamięci będą zależeć m.in. od wybranego modelu, kwantyzacji, długości kontekstu i użytego sprzętu. 2

Dostępność modeli i API

iFLYTEK poinformował o publikacji wag modeli, repozytoriów kodu oraz dokumentacji wdrożeniowej. Modele mają być dostępne przez Hugging Face i GitHub. Firma zapowiedziała także powiązane API na platformie Starry MaaS, dostępne bezpłatnie przez ograniczony czas. Nie podano jednak daty zakończenia promocji ani limitu użycia, dlatego przed oparciem projektu na tej ofercie należy sprawdzić aktualne warunki dostępu. 26

Co to oznacza w praktyce

Wyróżnikiem Spark X2.5 nie jest wyłącznie otwartość modeli ani ich niewielki rozmiar. Kluczowe jest połączenie modeli 1,7B i 4B parametrów z deklarowanym przez producenta natywnym kontekstem do miliona tokenów. Jeżeli ta możliwość potwierdzi się w praktycznych wdrożeniach, może być przydatna zwłaszcza w prywatnej, lokalnej analizie kompletnych instrukcji, archiwów technicznych i baz kodu, gdzie istotne są zależności między odległymi częściami materiału.

Dla osób rozważających wdrożenie najważniejszym krokiem pozostaje własna ocena: testy na reprezentatywnych zadaniach długiego kontekstu oraz na dokładnie tym sprzęcie i w tym środowisku programowym, na którym model ma działać.