科大訊飛於 2026 年 10 月 22 日舉行的全球 1024 開發者節，發表端雲一體模型家族星火 X2.6，以及語音模型 SparkAudio 1.0。公司主打星火 X2.6 全程以中國國產算力完成訓練，並稱其在程式編寫與智能體任務上有所突破。以下跑分、效率與價格資訊均來自公司公布或發布會相關報導；目前可見資料未能證實這些數字已獲獨立驗證。1421

星火 X2.6：雲端大模型搭配端側 4B 模型

雲端版星火 X2.6 採用混合專家（MoE）架構，總參數為 293B，每個 token 約啟用 30B 參數，並支援 100 萬 token 的上下文窗口。科大訊飛表示，模型訓練約花了兩至三個月；相關報導指出，公司未公布實際使用的晶片型號。11723

同場推出的星火 X2.6-4B 是開放原始碼的端側模型，定位是直接在裝置上執行。公司稱，該模型在評測中可於端側完成 41.9% 的智能體任務，並加強長文本理解、多輪工具使用與跨工具協作。這個任務覆蓋率是公司採用的指標，不代表模型整體品質的通用評分。5628

程式與智能體測試：公司公布的排名

根據科大訊飛公布的測試結果，雲端版在 SWE Pro 與 SWE Multilingual 排名第一，在 SWE Verified 排名第二，位於 DeepSeek-V4.1-Flash 1017 之後。公司也將星火 X2.6 列入企業運維智能體與 MCP-Atlas 通用工具使用測試的領先群組。17

這些名次應視為公司公布的測試結果，而非已獲獨立確認的模型比較。目前可見報導未提供足夠細節，無法判斷各模型是否在完全相同的測試條件下評估，也沒有獨立複測資料可供核實。21

國產算力訓練與推論：效率數字怎麼來？

科大訊飛表示，其「長程任務動態並行訓練」方法會依任務長度調整算力配置。公司以飛星二號萬卡集群為例，稱訓練 2 兆 tokens、256K 長度資料所需時間，已由 4.5 個月縮短至 1.2 個月，超長上下文訓練效率約提升至原來的 4 倍。1719

在推論方面，公司提出異構分散式推論與存算協同技術，藉此處理國產晶片在記憶體容量與頻寬上的限制。科大訊飛另公布四層 KV Cache 架構；KV Cache 會保留生成過程中的部分計算結果，減少重複運算。公司稱，快取命中率由 63% 升至 95.7%，推論效率則達最佳化前的 4.5 倍。以上數字均為公司公布。171924

端雲分工、資料處理與 API 定價

星火 X2.6 的端雲架構可依任務選擇在裝置端執行、交由雲端處理，或由兩者協作。科大訊飛表示，透過端雲路由協同訓練，路由準確率由 81.2% 提升至 96.1%。發布會示範中，端側模型先分析本機郵件並遮蔽合約中的敏感資訊，再交由雲端檢視。不過，單一示範不足以證明所有部署情況都能完整遮蔽敏感資料，或說明實際傳送至雲端的資料範圍。5283548

相關報導列出的限時 API 價格為：每百萬個輸入 token 人民幣 0.9 元、輸入快取命中每百萬個 token 0.08 元、輸出每百萬個 token 3.6 元。這是發布前後報導的優惠價格，不代表目前價格必然相同。1050

上一代端側模型星火 X2.5-4B，據報自 9 月 1 日發布後下載量已超過 256 萬次，並進入全球端側模型前四。這些數字同樣來自公司公布。54

SparkAudio 1.0：不只辨識語音，也理解聲音

科大訊飛也發表以國產算力訓練的 SparkAudio 1.0。公司公布的功能包括語音辨識、同步口譯與即時互動、音訊理解、情緒辨識、即時說話者分離，以及環境聲音理解。示範中，模型分析影片片段裡的人物對話、音樂與車輛聲，再推斷場景。178

公司稱，SparkAudio 1.0 整體效果提升 20%、回應時間降低 15%、使用成本降低 60%。相關報導提到，模型已應用於科大訊飛智能辦公本、輸入法、翻譯機與訊飛聽見等產品；目前可見資料未能獨立驗證上述效能改善幅度。1628

這次發表說明了什麼，又有哪些仍待確認？

星火 X2.6 的產品方向相當清楚：讓較小的模型在裝置本機處理合適的工作，較大型的雲端模型承接需要更多運算能力的任務，再由路由機制決定兩者如何分工。科大訊飛以國產算力訓練、程式與智能體測試表現，以及長上下文推論成本與效率，作為星火 X2.6 的技術主張。1517

仍須留意的是證據來源：本文提到的測試排名、路由準確率、任務覆蓋率與效率提升，主要是發布會或相關報導轉述的公司數據。它們可以反映科大訊飛對產品能力的說法，但不應直接等同於已獲第三方驗證的基準結果。1721

科大訊飛於 2026 年 10 月 22 日舉行的全球 1024 開發者節，發表端雲一體模型家族星火 X2.6，以及語音模型 SparkAudio 1.0。公司主打星火 X2.6 全程以中國國產算力完成訓練，並稱其在程式編寫與智能體任務上有所突破。以下跑分、效率與價格資訊均來自公司公布或發布會相關報導；目前可見資料未能證實這些數字已獲獨立驗證。1421

星火 X2.6：雲端大模型搭配端側 4B 模型

雲端版星火 X2.6 採用混合專家（MoE）架構，總參數為 293B，每個 token 約啟用 30B 參數，並支援 100 萬 token 的上下文窗口。科大訊飛表示，模型訓練約花了兩至三個月；相關報導指出，公司未公布實際使用的晶片型號。11723

同場推出的星火 X2.6-4B 是開放原始碼的端側模型，定位是直接在裝置上執行。公司稱，該模型在評測中可於端側完成 41.9% 的智能體任務，並加強長文本理解、多輪工具使用與跨工具協作。這個任務覆蓋率是公司採用的指標，不代表模型整體品質的通用評分。5628

程式與智能體測試：公司公布的排名

根據科大訊飛公布的測試結果，雲端版在 SWE Pro 與 SWE Multilingual 排名第一，在 SWE Verified 排名第二，位於 DeepSeek-V4.1-Flash 1017 之後。公司也將星火 X2.6 列入企業運維智能體與 MCP-Atlas 通用工具使用測試的領先群組。17

這些名次應視為公司公布的測試結果，而非已獲獨立確認的模型比較。目前可見報導未提供足夠細節，無法判斷各模型是否在完全相同的測試條件下評估，也沒有獨立複測資料可供核實。21

國產算力訓練與推論：效率數字怎麼來？

科大訊飛表示，其「長程任務動態並行訓練」方法會依任務長度調整算力配置。公司以飛星二號萬卡集群為例，稱訓練 2 兆 tokens、256K 長度資料所需時間，已由 4.5 個月縮短至 1.2 個月，超長上下文訓練效率約提升至原來的 4 倍。1719

在推論方面，公司提出異構分散式推論與存算協同技術，藉此處理國產晶片在記憶體容量與頻寬上的限制。科大訊飛另公布四層 KV Cache 架構；KV Cache 會保留生成過程中的部分計算結果，減少重複運算。公司稱，快取命中率由 63% 升至 95.7%，推論效率則達最佳化前的 4.5 倍。以上數字均為公司公布。171924

端雲分工、資料處理與 API 定價

星火 X2.6 的端雲架構可依任務選擇在裝置端執行、交由雲端處理，或由兩者協作。科大訊飛表示，透過端雲路由協同訓練，路由準確率由 81.2% 提升至 96.1%。發布會示範中，端側模型先分析本機郵件並遮蔽合約中的敏感資訊，再交由雲端檢視。不過，單一示範不足以證明所有部署情況都能完整遮蔽敏感資料，或說明實際傳送至雲端的資料範圍。5283548

相關報導列出的限時 API 價格為：每百萬個輸入 token 人民幣 0.9 元、輸入快取命中每百萬個 token 0.08 元、輸出每百萬個 token 3.6 元。這是發布前後報導的優惠價格，不代表目前價格必然相同。1050

上一代端側模型星火 X2.5-4B，據報自 9 月 1 日發布後下載量已超過 256 萬次，並進入全球端側模型前四。這些數字同樣來自公司公布。54

SparkAudio 1.0：不只辨識語音，也理解聲音

科大訊飛也發表以國產算力訓練的 SparkAudio 1.0。公司公布的功能包括語音辨識、同步口譯與即時互動、音訊理解、情緒辨識、即時說話者分離，以及環境聲音理解。示範中，模型分析影片片段裡的人物對話、音樂與車輛聲，再推斷場景。178

公司稱，SparkAudio 1.0 整體效果提升 20%、回應時間降低 15%、使用成本降低 60%。相關報導提到，模型已應用於科大訊飛智能辦公本、輸入法、翻譯機與訊飛聽見等產品；目前可見資料未能獨立驗證上述效能改善幅度。1628

這次發表說明了什麼，又有哪些仍待確認？

星火 X2.6 的產品方向相當清楚：讓較小的模型在裝置本機處理合適的工作，較大型的雲端模型承接需要更多運算能力的任務，再由路由機制決定兩者如何分工。科大訊飛以國產算力訓練、程式與智能體測試表現，以及長上下文推論成本與效率，作為星火 X2.6 的技術主張。1517

仍須留意的是證據來源：本文提到的測試排名、路由準確率、任務覆蓋率與效率提升，主要是發布會或相關報導轉述的公司數據。它們可以反映科大訊飛對產品能力的說法，但不應直接等同於已獲第三方驗證的基準結果。1721