คำตอบเผยแพร่แล้ว22 แหล่งที่มา
Spark X2.5 ของ iFLYTEK กับโจทย์ AI บนอุปกรณ์ที่อ่านบริบทได้ถึง 1 ล้านโทเค็น
Ciyuan Xinghuo บริษัทลูกที่ iFLYTEK ถือหุ้นทั้งหมด เปิดซอร์ส Spark X2.5 4B และ X2.5 1.7B เมื่อวันที่ 1 กันยายน 2026 โมเดลใช้ attention แบบไฮบริด โดยสลับ full attention กับ sliding window attention เพื่อรองรับงานบริบทยาวบนอุปกรณ์ท้องถิ่น ในการทดสอบ Domux ของ iFLYTEK รุ่น 1.7B ทำความแม่นยำคำสั่งสมาร์ตโฮมแบบต้นทางถึงปล...
เผยแพร่โดยแก้ไขด้วย GPT-5.6 Terraรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Ciyuan Xinghuo บริษัทลูกที่ iFLYTEK ถือหุ้นทั้งหมด เปิดซอร์ส Spark X2.5 4B และ X2.5 1.7B เมื่อวันที่ 1 กันยายน 2026
- โมเดลใช้ attention แบบไฮบริด โดยสลับ full attention กับ sliding window attention เพื่อรองรับงานบริบทยาวบนอุปกรณ์ท้องถิ่น
- ในการทดสอบ Domux ของ iFLYTEK รุ่น 1.7B ทำความแม่นยำคำสั่งสมาร์ตโฮมแบบต้นทางถึงปลายทาง 90.3% และมีเวลาตอบสนองเฉลี่ย 0.85 วินาที ซึ่งเป็นผลที่บริษัทรายงานเอง
AI พรอมต์
openai.comCreate a landscape editorial hero image for this Studio Global article: What are iFLYTEK’s open-sourced Spark X2.5-4B and X2.5-1.7B edge models, when and by which subsidiary were they launched, why does iFLYTEK d. Article summary: iFLYTEK’s Spark X2.5-4B and X2.5-1.7B are compact, open-source general language models intended for local/edge deployment on phones, PCs, robots, and other devices. iFLYTEK’s wholly owned subsidiary Ciyuan Xinghuo (XHTok. Topic tags: general, general web, user generated. 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 fa
Spark X2.5-4B และ X2.5-1.7B คืออะไร
Spark X2.5-4B และ Spark X2.5-1.7B คือโมเดลภาษาขนาดกะทัดรัดแบบใช้งานทั่วไป ที่ออกแบบมาเพื่อรันในเครื่องหรือบนอุปกรณ์ปลายทาง (edge) แทนการพึ่งคลาวด์เพียงอย่างเดียว Ciyuan Xinghuo บริษัทลูกที่ iFLYTEK ถือหุ้นทั้งหมด ซึ่งเกี่ยวข้องกับ XHToken และ SparkLLM เปิดตัวและเปิดซอร์สโมเดลทั้งสองเมื่อวันที่ 1 กันยายน 2026 2
4
เป้าหมายคืออุปกรณ์อย่างพีซี โทรศัพท์ ฮาร์ดแวร์อัจฉริยะ หุ่นยนต์ และระบบในรถยนต์ โดยโปรเจกต์ทางการระบุความสามารถตั้งแต่สนทนา เขียน แปลภาษา ให้เหตุผล เขียนโค้ด ใช้เครื่องมือ ไปจนถึงเวิร์กโฟลว์แบบเอเจนต์ 22
จุดขาย “1 ล้านโทเค็น” สำคัญอย่างไร
iFLYTEK ระบุว่าโมเดลทั้งสองเป็นโมเดลโอเพนซอร์สบนอุปกรณ์กลุ่มแรกที่รองรับหน้าต่างบริบทแบบเนทีฟได้สูงสุด 1 ล้านโทเค็น อย่างไรก็ดี นี่คือคำกล่าวอ้างของบริษัท ไม่ใช่สถิติอันดับหนึ่งของอุตสาหกรรมที่ได้รับการยืนยันอย่างอิสระ 1
2
5
คำว่า “เนทีฟ” ในที่นี้หมายถึงโมเดลถูกออกแบบให้รับข้อมูลลำดับยาวมากเป็นบริบทเดียวได้ โดยหลักการจึงอาจลดการพึ่งพาระบบค้นคืนข้อมูล (retrieval) ที่ต้องหั่นคู่มือหรือโค้ดเบสเป็นชิ้นย่อย ค้นบางส่วน แล้วค่อยนำข้อความที่คัดมาเรียบเรียงเป็นคำตอบ
ตัวอย่างเช่น คู่มือหลังการขายอาจมีข้อยกเว้นอยู่คนละบทกับขั้นตอนดำเนินการ และมีตารางนิยามรหัสอะไหล่หรือรหัสความขัดข้องอีกส่วนหนึ่ง การเก็บข้อมูลเหล่านี้ไว้ในบริบทเดียวกันช่วยรักษาความเชื่อมโยงระหว่างกันได้ดีขึ้น หลักการเดียวกันใช้กับเอกสารเทคนิคขนาดยาว เอกสารจำนวนมาก หรือโค้ดเบสขนาดใหญ่ได้
แต่ต้องแยกระหว่าง ขนาดบริบทที่โมเดลรองรับ กับ ขนาดที่ใช้งานได้จริงบนเครื่องหนึ่ง ๆ รายงานจากแหล่งภายนอกชี้ว่า ข้อมูลเผยแพร่ยังไม่ได้ระบุการใช้แรมหรือความหน่วงของการคงบริบทเต็ม 1 ล้านโทเค็นบนโทรศัพท์หรือคอมพิวเตอร์บอร์ดเดี่ยว ผู้สนใจจึงควรทดสอบกับฮาร์ดแวร์จริง รูปแบบควอนไทซ์ ความยาวบริบท และเป้าหมายความหน่วงของตนเอง แทนการคาดว่าค่าสูงสุดจะรันแบบโลคัลได้สบายเสมอ 1
สถาปัตยกรรม hybrid attention
Spark X2.5 ใช้โครงสร้าง attention แบบไฮบริด: full-attention 1 ชั้นจับคู่กับ sliding-window attention 3 ชั้น แล้ววนซ้ำตามรูปแบบนี้ 6
18
Full attention ช่วยให้โมเดลมองความสัมพันธ์ที่ห่างกันมากภายในลำดับข้อมูล ขณะที่ sliding-window attention ให้ชั้นส่วนใหญ่สนใจเฉพาะโทเค็นในช่วงใกล้เคียง เพื่อลดต้นทุนการประมวลผลที่สูงมากหากใช้ full attention กับอินพุตที่ยาวมากในทุกชั้น 6
รุ่น 4B ถูกอธิบายในการแปลงโมเดลสำหรับรันบนอุปกรณ์ว่าเป็น dense decoder ขนาด 4.11 พันล้านพารามิเตอร์ ซึ่งสะท้อนขนาดที่ค่อนข้างกะทัดรัดตามแนวทาง Edge AI 18
ใช้เป็นเอเจนต์ในเครื่องได้กับงานใดบ้าง
การเปิดตัวนี้วางตำแหน่ง Spark X2.5 ว่าไม่ใช่แค่โมเดลที่เข้าใจคำสั่ง แต่ตั้งใจให้ระบบในเครื่องตีความคำสั่งและทำงานหลายขั้นตอนต่อได้ 3
4
เอกสารยาว งานออฟฟิศ และโค้ด
สำหรับงานสำนักงาน iFLYTEK นำเสนอรุ่น 4B ว่าสามารถทำงานตั้งแต่วิเคราะห์ข้อมูลดิบจนส่งมอบรายงานสองภาษาได้ ส่วนฝั่งนักพัฒนา โมเดลตระกูลนี้ได้รับการปรับจูนสำหรับการเขียนโค้ด ใช้เครื่องมือ ให้เหตุผล และเวิร์กโฟลว์เอเจนต์ 10
16
22
SparkLLM ระบุว่ารุ่น 4B สามารถแข่งขันด้านการเขียนโค้ดกับโมเดลคลาวด์ที่มีขนาดใหญ่กว่า 2–3 เท่าได้ นี่เป็นคำกล่าวอ้างจากผู้พัฒนาโดยเทียบตามขนาดโมเดล และแหล่งข้อมูลที่มีไม่ได้พิสูจน์ว่าโมเดลเหนือกว่าคู่แข่งทั่วไปในทุกเบนช์มาร์ก ทุกงาน หรือทุกฮาร์ดแวร์ 16
ควบคุมสมาร์ตโฮม
รุ่นเล็ก 1.7B ถูกวางไว้สำหรับเวิร์กโฟลว์ควบคุมอุปกรณ์ บนชุดทดสอบสมาร์ตโฮม Domux นั้น iFLYTEK รายงานความแม่นยำในการทำคำสั่งแบบต้นทางถึงปลายทาง 90.3% และเวลาตอบสนองเฉลี่ย 0.85 วินาที 4
10
16
ตัวเลขดังกล่าวเป็นตัวชี้วัดผลทดสอบของบริษัท แต่ไม่ควรตีความเป็นการเปรียบเทียบโดยตรงกับโมเดลคู่แข่งทั้งหมดหรือสภาพแวดล้อมการติดตั้งทุกรูปแบบ
หุ่นยนต์และฮาร์ดแวร์ Edge
iFLYTEK ยังระบุหุ่นยนต์เป็นกรณีใช้งานเป้าหมาย โดยเวิร์กโฟลว์ที่ขับเคลื่อนด้วยภาษาซึ่งรันในเครื่องอาจใช้กับการควบคุมหุ่นยนต์ รวมถึงงานอุปกรณ์ปลายทางที่เกี่ยวกับการควบคุม การติดตามวัตถุ และการตัดสินใจนำทาง 10
20
อย่างไรก็ตาม ข้อมูลที่ให้มายังไม่มีผลเบนช์มาร์กแยกสำหรับการหยิบจับ การติดตาม หรือการนำทาง จึงควรมองสิ่งเหล่านี้เป็นเป้าหมายการนำไปใช้ ไม่ใช่การรับประกันประสิทธิภาพที่พิสูจน์แล้วอย่างอิสระ
ข้อดีของการรันในเครื่อง—และสิ่งที่ยังไม่ได้แก้
การรันโมเดลแบบโลคัลช่วยลดการพึ่งพาเครือข่ายและการเดินทางไป-กลับของข้อมูลกับคลาวด์ อีกทั้งช่วยให้พรอมป์ตและเอกสารอยู่บนอุปกรณ์ ซึ่งอาจเป็นประโยชน์กับคู่มือที่มีความอ่อนไหว คำสั่งควบคุมบ้าน หรือเวิร์กโฟลว์หุ่นยนต์ 3
4
อย่างไรก็ดี การรันในเครื่องไม่ได้ทำให้งานทุกแบบรวดเร็วหรือเป็นส่วนตัวโดยอัตโนมัติ ประสบการณ์จริงขึ้นอยู่กับฮาร์ดแวร์ runtime สำหรับอนุมาน การควอนไทซ์ ปริมาณหน่วยความจำ และความยาวของบริบทที่ใช้งานอยู่ โดยเฉพาะบริบท 1 ล้านโทเค็นที่ยังต้องใช้ทรัพยากรมาก แม้ตัวโมเดลพื้นฐานจะมีขนาดไม่ใหญ่นัก 1
การฝึก เครื่องมือที่รองรับ และการเข้าถึง
iFLYTEK ระบุว่า Spark X2.5 ฝึกบนแพลตฟอร์มคอมพิวต์ภายในประเทศจีน ด้วยข้อมูลพรีเทรนหลากหลายราว 20 ล้านล้านโทเค็น และปรับแต่งหลังการฝึกโดยเน้นเอเจนต์ โค้ด คณิตศาสตร์ และการทำตามคำสั่ง 10
16
โมเดลรองรับฮาร์ดแวร์ NVIDIA, Huawei, Hygon และ HOUMO และใช้งานร่วมกับเครื่องมืออนุมานหรือดีพลอย เช่น vLLM, SGLang, llama.cpp, Ollama และ LM Studio ได้ โดยมี LLaMA-Factory สำหรับไฟน์จูน 4
10
16
น้ำหนักโมเดล ซอร์ส และเอกสารการดีพลอยเข้าถึงได้ผ่านโปรเจกต์ XHToken/Spark-X2.5 และหน้าปล่อยโมเดลที่เกี่ยวข้อง รวมถึง Hugging Face และ GitHub 2
22 หน้า XHToken บน Hugging Face ประกาศรุ่นควอนไทซ์ FP8 และ INT8 เมื่อวันที่ 4 กันยายน 2026
28
SparkLLM ยังประกาศให้ใช้ API ผ่าน iFLYTEK Xingchen/Spark MaaS โดยเปิดให้ใช้งานฟรีแบบจำกัดเวลา แต่ข้อมูลที่มีไม่ได้ระบุระยะเวลา เงื่อนไขผู้มีสิทธิ์ โควตา หรือสถานะปัจจุบันของข้อเสนอนี้ นักพัฒนาจึงควรตรวจสอบรายละเอียดจากแพลตฟอร์มโดยตรงก่อนวางแผนใช้งาน 10
16
สรุป
Spark X2.5-4B และ 1.7B น่าสนใจจากการจับคู่ขนาดโมเดลที่เน้นการใช้งานบนอุปกรณ์ กับหน้าต่างบริบทแบบเนทีฟ 1 ล้านโทเค็นตามที่บริษัทกล่าวอ้าง และการมุ่งสู่เอเจนต์ที่ทำงานในเครื่อง ประเด็นสำคัญจึงไม่ใช่ว่าโทรศัพท์ทุกเครื่องจะรันงานบริบท 1 ล้านโทเค็นได้อย่างคล่องตัวในวันนี้ หรือโมเดลได้รับการพิสูจน์แล้วว่าเป็นผู้นำตลาด แต่คือ iFLYTEK ได้ปล่อยโมเดลเปิดที่ทดลองผสานบริบทยาว การดีพลอยแบบโลคัล และการลงมือทำงานเข้าด้วยกัน—ทำให้การประเมินบนฮาร์ดแวร์เป้าหมายจริงเป็นขั้นตอนสำคัญ 1
2
22
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Spark X2.5 ของ iFLYTEK กับโจทย์ AI บนอุปกรณ์ที่อ่านบริบทได้ถึง 1 ล้านโทเค็น" คืออะไร
Ciyuan Xinghuo บริษัทลูกที่ iFLYTEK ถือหุ้นทั้งหมด เปิดซอร์ส Spark X2.5 4B และ X2.5 1.7B เมื่อวันที่ 1 กันยายน 2026
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Ciyuan Xinghuo บริษัทลูกที่ iFLYTEK ถือหุ้นทั้งหมด เปิดซอร์ส Spark X2.5 4B และ X2.5 1.7B เมื่อวันที่ 1 กันยายน 2026 โมเดลใช้ attention แบบไฮบริด โดยสลับ full attention กับ sliding window attention เพื่อรองรับงานบริบทยาวบนอุปกรณ์ท้องถิ่น
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ในการทดสอบ Domux ของ iFLYTEK รุ่น 1.7B ทำความแม่นยำคำสั่งสมาร์ตโฮมแบบต้นทางถึงปลายทาง 90.3% และมีเวลาตอบสนองเฉลี่ย 0.85 วินาที ซึ่งเป็นผลที่บริษัทรายงานเอง