AnswersPublished27 sources
Spark X2.6 satsar på AI både i molnet och lokalt
iFLYTEK presenterade Spark X2.6 och SparkAudio 1.0 den 22 oktober 2026. X2.6:s molnmodell har 293 miljarder parametrar, omkring 30 miljarder aktiva per token och ett kontextfönster på en miljon token.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- iFLYTEK presenterade Spark X2.6 och SparkAudio 1.0 den 22 oktober 2026. X2.6:s molnmodell har 293 miljarder parametrar, omkring 30 miljarder aktiva per token och ett kontextfönster på en miljon token.
- Bolaget uppger att träningen av en långkontextuppgift på Feixing 2 klustret gick från 4,5 till 1,2 månader och att inferensen blev 4,5 gånger effektivare.
- Modellfamiljen kombinerar molnmodellen med en öppen 4B modell för lokal användning.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did iFLYTEK announce at its October 22, 2026 Global 1024 Developer Festival about the Spark X2.6 device-cloud model family, including i. Article summary: iFLYTEK announced the Spark X2.6 device-cloud model family and SparkAudio 1.0 at its October 22, 2026 Global 1024 Developer Festival, presenting them as advances in AI trained entirely on domestic Chinese compute. [6] Th. Topic tags: general, general web. 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 fake numbers, clic
iFLYTEK presenterade Spark X2.6 och ljudmodellen SparkAudio 1.0 vid sin Global 1024 Developer Festival den 22 oktober 2026. Huvudbudskapet var att X2.6 tränats helt med kinesisk, inhemsk beräkningsinfrastruktur och att modellen förbättrar kodning och agentuppgifter på den hårdvaran. Benchmarkresultaten och effektivitetsvinsterna nedan kommer från bolaget; de tillgängliga uppgifterna visar inte att resultaten har verifierats oberoende. 1
4
21
En stor molnmodell och en mindre modell för enheter
Molnversionen av Spark X2.6 använder en så kallad Mixture of Experts-arkitektur, där olika delar av modellen aktiveras för olika uppgifter. Den har totalt 293 miljarder parametrar, varav omkring 30 miljarder aktiveras per token, och ett kontextfönster på en miljon token. iFLYTEK uppgav att träningen tog ungefär två till tre månader. Bolaget redovisade däremot inte vilken specifik chipmodell som användes. 1
17
23
Vid lanseringen presenterades också Spark X2.6-4B, en modell med öppen källkod avsedd att köras lokalt på en enhet. iFLYTEK uppgav att modellen kunde utföra 41,9 procent av de agentuppgifter som bolaget testade lokalt. Bolaget lyfte även fram förbättringar i förståelse av långa texter, verktygsanvändning över flera turer och samordning mellan verktyg. Procentsiffran beskriver bolagets testmått, inte modellens kvalitet i allmänhet. 5
6
28
Vad bolaget säger om kodning och agenttester
I utvärderingar som iFLYTEK hänvisar till placerade sig molnmodellen först i SWE Pro och SWE Multilingual, och tvåa i SWE Verified, efter DeepSeek-V4.1-Flash 1017. Bolaget placerade också Spark X2.6 i den främsta gruppen i tester av agenter för företagsdrift och i MCP-Atlas, ett test av generell verktygsanvändning. 17
Resultaten bör läsas som bolagets redovisning av benchmarktester, inte som oberoende bekräftade jämförelser. Det tillgängliga underlaget räcker inte för att avgöra om alla modeller testades på identiska villkor eller för att kontrollera resultaten på egen hand. 21
Effektivare träning och inferens – enligt iFLYTEK
Bolaget uppger att dess metod för dynamisk parallellträning anpassar beräkningsresurserna efter uppgiftens längd. På Feixing-2-klustret med 10 000 kort ska träning på två biljoner token med en längd på 256K ha tagit 1,2 månader, jämfört med 4,5 månader tidigare. iFLYTEK beskriver det som ungefär fyra gånger högre träningseffektivitet för långa kontexter. 17
19
För inferens – när modellen används för att skapa svar – pekar bolaget på distribuerad beräkning över olika typer av hårdvara och på samordning mellan lagring och beräkning. En fyrskiktad KV Cache ska återanvända beräkningar som redan gjorts. Enligt iFLYTEK ökade cacheträffarna från 63 till 95,7 procent, samtidigt som inferensen blev 4,5 gånger effektivare än före optimeringen. Även dessa siffror är bolagets egna. 17
19
24
Uppgifter kan hanteras lokalt, i molnet eller med båda
Den presenterade arkitekturen kan skicka en uppgift till enheten, molnet eller en kombination av båda. iFLYTEK uppgav att gemensam träning för denna routing höjde träffsäkerheten från 81,2 till 96,1 procent. I en demonstration analyserade den lokala modellen mejl och maskerade känsliga avtalsuppgifter innan materialet granskades i molnet. Demonstrationen visar inte i sig hur fullständig maskeringen är eller exakt vilka uppgifter som överförs i alla tillämpningar. 5
28
35
48
Vid lanseringen rapporterades tillfälliga API-priser på 0,9 RMB per miljon inmatningstoken, 0,08 RMB per miljon inmatningstoken när cachen gav träff och 3,6 RMB per miljon utmatningstoken. Det var kampanjpriser som rapporterades kring lanseringen, inte en garanti för dagens pris. 10
50
Föregångaren Spark X2.5-4B uppgavs ha passerat 2,56 miljoner nedladdningar efter lanseringen den 1 september och ligga bland världens fyra främsta modeller för enheter. Även de siffrorna kommer från bolaget. 54
SparkAudio 1.0 ska förstå mer än tal
iFLYTEK presenterade också SparkAudio 1.0, tränad med inhemsk beräkningsinfrastruktur. De annonserade funktionerna omfattar taligenkänning, simultantolkning och interaktion, ljudförståelse, känsloigenkänning, separation av talare i realtid och förståelse av omgivningsljud. I en demonstration analyserade modellen dialog, musik och fordonsljud i ett filmklipp för att dra slutsatser om scenen. 1
7
8
Bolaget uppgav att den samlade prestandan förbättrats med 20 procent, att svarstiden minskat med 15 procent och att användningskostnaden gått ned med 60 procent. Enligt rapporteringen rullades modellen ut i bland annat iFLYTEK:s smarta anteckningsenheter, tangentbordsapp, översättare och Tingjian-produkter. Förbättringarna har inte oberoende verifierats i det tillgängliga underlaget. 1
6
28
Vad lanseringen visar – och vad den inte bevisar
Lanseringen visar en tydlig produktidé: en mindre modell sköter uppgifter lokalt, medan en större molnmodell tar vid när mer kapacitet behövs. iFLYTEK lyfter fram träning på kinesisk beräkningsinfrastruktur, resultat i kodning och agentuppgifter samt billigare inferens med långa kontexter som tekniska argument för Spark X2.6. 1
5
17
Den viktiga reservationen gäller bevisläget. Benchmarkplaceringar, routingträffsäkerhet, uppgiftstäckning och effektivitetsvinster bygger på resultat som iFLYTEK själv har rapporterat i samband med lanseringen. De visar vad bolaget säger att modellerna klarar, men ska inte förväxlas med oberoende verifierade testresultat. 17
21
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Spark X2.6 satsar på AI både i molnet och lokalt"?
iFLYTEK presenterade Spark X2.6 och SparkAudio 1.0 den 22 oktober 2026. X2.6:s molnmodell har 293 miljarder parametrar, omkring 30 miljarder aktiva per token och ett kontextfönster på en miljon token.
What are the key points to validate first?
iFLYTEK presenterade Spark X2.6 och SparkAudio 1.0 den 22 oktober 2026. X2.6:s molnmodell har 293 miljarder parametrar, omkring 30 miljarder aktiva per token och ett kontextfönster på en miljon token. Bolaget uppger att träningen av en långkontextuppgift på Feixing 2 klustret gick från 4,5 till 1,2 månader och att inferensen blev 4,5 gånger effektivare.
What should I do next in practice?
Modellfamiljen kombinerar molnmodellen med en öppen 4B modell för lokal användning.