Spark X2.5 ska ge lokal AI en kontext på upp till en miljon token

iFLYTEK:s helägda dotterbolag Ciyuan Xinghuo lanserade och öppnade den 1 september 2026 två språkmodeller för edge-enheter: Spark (Xinghuo) X2.5-4B och Spark X2.5-1.7B. Den mest uppseendeväckande specifikationen är ett inbyggt kontextfönster på upp till en miljon token även vid lokal körning. iFLYTEK beskriver dem som de första edge-modellerna i kategorin med den förmågan, men det är ett bolagspåstående och inte ett oberoende verifierat resultat. 2

Tanken: mer dokumentation på enheten, mindre uppdelning i delar

Modellerna har en arkitektur med hybrid attention och har optimerats för agenter och verktygsanrop, programmering, matematisk problemlösning och instruktionsföljning. iFLYTEK uppger att de presterar starkt mot öppna modeller i liknande storleksklass, utan att samtidigt redovisa oberoende jämförande resultat. 2

Målmiljöerna är lokala och så kallade edge-miljöer: exempelvis smart hårdvara, fordon, robotar och IoT-enheter. Där kan molnuppkoppling, svarstid och hantering av data vara begränsande faktorer. 3

I dagens arbetsflöden delas långa handböcker, regelverk och kodbaser ofta upp i mindre textstycken som hämtas vid behov. Metoden kan fungera väl, men riskerar att missa ett undantag eller beroende som finns i en annan del av materialet.

iFLYTEK använder en eftermarknadshandbok som exempel. Om hela handboken ryms i samma uppmaning kan modellen, enligt bolaget, resonera över regler om returer, felhantering, undantag, logistik, dataradering och kostnadsansvar samtidigt. Poängen är att minska risken att tvärgående sammanhang försvinner när materialet delas upp i isolerade stycken. 2

Ett stort kontextfönster är dock inte i sig ett bevis på tillförlitlig problemlösning eller faktamässig korrekthet. Den som ska använda modellerna i drift behöver fortfarande testa bland annat träffsäkerhet, svarstid, minnesbehov och om modellen faktiskt tillämpar rätt regel i ett långt dokument.

Bolagets uppgifter om användning och prestanda

iFLYTEK positionerar Spark X2.5 som lokal assistans för produktivitet, men har inte publicerat någon detaljerad funktionslista för kontorsautomation eller något särskilt kontorsbenchmark i lanseringsmaterialet. 2

För andra användningsfall uppger bolaget följande:

• Programmering: Spark X2.5-4B ska kunna konkurrera med molnmodeller som har två till tre gånger fler parametrar inom algoritmimplementering, kodkomplettering och kodgenerering. 2
• Smarta hem: Spark X2.5-1.7B ska ha nått 90,3 % träffsäkerhet för instruktioner från början till slut på testsviten Domux, med en genomsnittlig svarstid på 0,85 sekunder. Det är ett rapporterat resultat på ett namngivet test, inte en garanti för hur modellen fungerar i verkliga hem. 2
• Robotik och lokal styrning: Modellerna presenteras för styrning och manipulering på enheten, målspårning och navigationsbeslut, med mindre beroende av kontinuerlig molnanslutning och fasta, förprogrammerade rutiner. 2

Träning och driftsättning

Enligt iFLYTEK har båda modellerna tränats helt på inhemska beräkningsplattformar med omkring 20 biljoner varierade token i förträningen. Därefter följde övervakad finjustering och förstärkningsinlärning. 2

Den angivna kompatibilitetslistan omfattar hårdvara från NVIDIA, Huawei, Hygon och Hemo, liksom inferensramverken vLLM, SGLang och llama.cpp. Ollama och LM Studio nämns som driftsättningsvägar, medan LLaMA-Factory anges för stegvis finjustering. Faktisk hastighet och minnesåtgång beror på modellval, kvantisering, kontextlängd och den aktuella hårdvaran. 2

Var modellerna finns

iFLYTEK uppgav att modellvikter, källkodsförråd och driftsättningsdokumentation släpptes, med tillgång via Hugging Face och GitHub. Bolaget annonserade också tillhörande API:er på plattformen Starry MaaS med gratis åtkomst under begränsad tid. Varken slutdatum eller kvot för erbjudandet angavs, så utvecklare bör kontrollera de aktuella villkoren innan de planerar kring det. 26

Slutsatsen för den som vill testa

Det som särskiljer Spark X2.5 är inte bara öppna modellvikter eller det relativt lilla formatet på 1,7 respektive 4 miljarder parametrar. Det är kombinationen med ett av leverantören uppgivet inbyggt kontextfönster på en miljon token.

Om kapaciteten håller i praktisk drift kan den vara intressant för lokal och mer integritetskänslig analys av hela handböcker, tekniska arkiv och kodbaser där samband mellan flera avsnitt är avgörande. Nästa steg är därför praktisk utvärdering: testa modellerna på representativa uppgifter med långa kontexter och på exakt den enhet och programvarustack där de ska användas.