全国产芯片训练的大模型来了！百万上下文，价格比DeepSeek V4.1 Flash更低

智东西

作者 | 程茜

编辑 | 心缘

智东西10月22日报道，今日，科大讯飞发布数个大模型及AI应用新成果，包括端云一体大模型讯飞星火X2.6、语音基座模型SparkAudio 1.0、星火具身多模态交互技术、WinWork数字员工平台、超级AI教师助手讯飞星光等。

其 端云一体讯飞星火X2.6基座模型 基于 全国产算力 完成能力升级，包含 云端的293-A30B模型 及端侧的 X2.6-4B模型 ，后一模型已开源。

云端模型293-A30B支持百万token上下文，输入价格为0.9元/百万tokens，输入缓存命中价格为0.08元/百万tokens，输出价格为3.6元/百万tokens。 输入缓存未命中、输出价格 比DeepSeek-V4.1-Flash-1017更低。

根据科大讯飞公布的测试结果，星火X2.6-4B模型在信息搜索问答、办公文档处理、日程任务管理、本地表格操作、跨工具协同、多轮工具调用、复杂知识搜索上均超越了其上一代Spark-X2.5-4B以及Qwen3.5-4B、Gemma4-E4B、Qwen3.5-9B模型。

此外科大讯飞还官宣了数个AI硬件，如 讯飞AI录音环、讯飞AI眼镜、讯飞AI PC系列 等产品。其中灵机N9000 AIPC笔记本最高具备160 TOPS本地AI算力；星火办公一体机提供2240 TOPS AI算力，支持大模型私有化部署。

目前，科大讯飞的产品矩阵已经以讯飞星火基座大模型为底座，在教育、医疗、教育、法律、汽车、机器人等领域实现应用。

科大讯飞创始人、董事长刘庆峰称，今天的AI正成为人类历史上有史以来最具颠覆性的技术革命和产业革命，没有之一。

他认为，全栈自主可控大模型是AI安全性和极致性价比的必然选择，这就需要全栈自主可控的端云一体大模型来解决。未来会有60%的任务在本地跑，30%的任务通过云端协同处理，10%的任务在云端独立处理，这也是科大讯飞此次推出端云一体大模型X2.6的关键原因。

一、基于全国产算力训练，首发端云一体大模型

在科大讯飞公开的基准测试结果中，代码能力方面，星火X2.6在SWE Pro、SWE Multilingual两项测试集中拿下第一，SWE Verified测试集中仅次于DeepSeek-V4.1-Flash 1017；智能体赛道上，其在企业运维类Agent和通用工具调用MCP-Atlas中，都处于第一梯队；在推理能力方面，星火X2.6在AA-LCR v1.1测试集中与MiniMax M3持平。

在训练侧，该模型突破了国产芯片长程任务训练瓶颈，以国产超大规模智算平台飞星二号万卡训练2000B 256K长度数据时间为例，训练时间由4.5个月缩短至1.2个月，超长上下文训练效率提升至原来的 4倍 。刘庆峰称，星火X2.6就是在过去2-3个月训练出来的。

推理层面，科大讯飞基于国产异构算力的分布式推理技术、首个全国产硬件的四层KV Cache架构，攻克了长上下文场景下容量不足、推理时延高、缓存命中率低等难题，飞星二号国产芯片推理效率达到优化前的 4.5倍 ，KV Cache命中率由63%提升至 95.7% 。

在端侧模型方面，科大讯飞打造了星火X2.6-4B模型。刘庆峰称，这是因为4B大小是非常适合在机器人、汽车平台、AI PC上部署使用的。其上一代星火X2.5-4B端侧模型从9月1日开源至今，下载量达到 256万次 ，位列全球端侧模型前四。

为提升端侧模型能力，科大讯飞采用了 端云一体训练技术 。星火采用端侧模型能力感知的自适应迭代后训练算法，根据端侧能力动态选择教师模型、调整训练比重。

基于端侧模型精准路由的“云+端”协同架构，先由端侧模型判断任务交给哪种方式完成：纯端办、纯云办、还是由端云协办。这之中的一个关键问题就是端云路由是否准确，科大讯飞引入基于评语模型的端云路由协同训练机制，将端云路由准确率由81.2%提升至 96.1% 。

在端云一体的星火X2.6模型之上，科大讯飞推出了两款产品： 星火Loomy 面向日常办公，帮助用户写报告、做PPT、分析数据，让日常工作轻松完成； 星火AStudio 面向专业办公，帮助用户写代码、搞研究，让复杂工作自主推进。

现场演示人员扮演一个创业公司的总经理，让星火AStudio可以在不联网的情况下，帮用户查看最近各大区的周报、邮件，然后分析经营情况并进行整理。模型在检索内容后，会生成可视化表格、三项待办事项、风险等，还会提供相应的对应邮件链接。

在和云端模型协作的任务中，模型会先对本地数据进行梳理，有需要云端协作任务时，再发起协作申请。在这之前，本地模型会对数据进行脱敏处理。云端处理完后，本地模型会将之前的脱敏信息在此处理，生成完整的内容。

二、语音基座大模型能分析复杂音频，讯飞AI录音环一点就能随时录音、整理

在让AI从数字世界进入物理世界方面，科大讯飞发布了星火语音基座大模型SparkAudio 1.0以及新款AI硬件讯飞AI录音环等。

星火语音基座大模型SparkAudio 1.0 ，基于全国产算力训练。现场SparkAudio 1.0分析出了一段复杂音频中的背景音乐、男性声音、机械运转声、自行车铃声等诸多声音。

这一模型背后有三项技术创新，分别为半监督音频编码器带来20%的效果提升，动态分段端到端建模使响应时间降低15%，双范式协同解码使成本降低60%。

该模型已经在讯飞输入法16.0、讯飞听见、讯飞智能办公本、讯飞翻译机等产品中上线。其中，讯飞智能办公本升级后，支持手写标注说话人姓名，后续发言自动对应；抢话、多人交叠发言时也能区分说话人；识别中英混合、专业术语。

科大讯飞还发布了一款新的AI硬件 讯飞AI录音环 ，重量为35g，贴合手机磁吸设计。用户只需点击录音环上的录音按钮，就是随时随地记录。录音结束后，其会通过WiFi 6高速传输，2小时录音约10秒传至手机、2分钟转成文字，还能智能区分说话人、生成AI会议纪要、提炼重点及待办事项，并支持多语种同声转译。

该设备目前已在电商平台开售，售价1299元。

在多模态交互方面，科大讯飞主要提升了座舱、眼镜等智能终端理解需求的能力。

讯飞AI眼镜 具备显示能力，重量为40g，支持90dB展会噪声抑制，8米远距拾音。这一设备能翻译120+语种，可以连接PC与云端智能体，支持远程指挥电脑端办公工作。该设备售价为4299元起。

讯飞星火智慧座舱SparkAuto Space 3.0 的多人交互响应率、多么题啊交互正确率、车外远场交互距离、复杂智能体任务成功率等都大幅提升。

机器人的具身多模态交互会面临开放空间机器人移动降噪识别、多人交互声源及视觉时空对齐、多模态交互及动作联动协同等难题。

基于此，科大讯飞发布了 机器人超脑平台V3.0 ，能实现复杂空间的动态降噪、多目标人的交互意图识别、语音与动作统一的规划与执行、视觉触发的主动交互。

在“7×24小时”AI无人超市场景中，机器人可以结合语音、视觉与位置信息，识别不同顾客的需求，在多人插话或者用户需求反复变化时，也能完成取货、递送与扫码结账等任务。

机器人超脑平台V3.0将向开发者开放，包括星火超脑板、多模态交互模组、具身智能开发套件及具身多模交互Harness。

在为组织提效方面，AI要完成从个人提效到组织提效的跨越，核心在于读懂业务、嵌入业务流程，实现人、数字员工协同作业。

基于此，讯飞推出讯飞 星帆WinWork平台 。该平台可以通过搭建企业业务本体的方式，沉淀企业的业务规程、业务数据与专家知识库，让数字员工更理解业务；WinWork还能嵌入企业业务流程，支撑数字员工参与完整工作闭环，从自主识别任务、拆解规划、智能分发，到联动各类业务系统执行。

此外，科大讯飞还推出了基于星火端云大模型、国产操作系统的 讯飞AI PC系列产品 。其中灵机N9000 AIPC笔记本最高具备160 TOPS本地AI算力；星火办公一体机提供2240 TOPS AI算力，支持大模型私有化部署。

三、给老师、学生、律师、医生、患者都配上AI助手

在教育领域，讯飞发布了一款面向老师的 超级AI助手讯飞星光 。

讯飞星光将备课、教研、家校沟通和事务助理整合到同一工作台，支持教案、动画、情景视频创编、多角色模拟圆桌研讨、规范填报、统计分析与可视化呈现，对内打通智学网，校信等内部通道，对外打通企业微信、QQ、飞书、钉钉等多平台远控通道。

▲帮老师填写家校沟通表

在备课场景中，为了让学生理解电流方向与磁极方向的关系，老师向讯飞星光提出需求，系统生成可旋转观察的三维交互资源，还可结合摄像头手势操作，让学生模拟右手螺旋定则。

▲可旋转观察的三维交互资源

针对学生， 科大讯飞AI学习机上线了“探究学”功能 。例如蚂蚁爬行最短路径问题，可以通过三维立体观察，展开长方体表面比较不同路线，让孩子先思考、再动手、最后验证。

在医疗领域， 讯飞影像云 是全球性医学影像AI服务平台，覆盖了全国超过2.6亿人口的区域。医学影像云平台支持影像共享、智能辅诊、质控与报告生成；讯飞晓医是居民身边的AI健康助手，已累计完成AI咨询超过2.2亿次，下载量突破4400万。

在法律领域，科大讯飞推出一站式 AI超级法律助手讯飞晓法 ，覆盖案情梳理、证据审查、诉讼策略、庭审策略和文书起草等任务。

结语：AI落地需精细化调度模型，端云协同是大势所趋

从科大讯飞本次的新模型与系列新品集中发布可以看出，其正基于讯飞星火基座模型，逐步为企业和个人，打造一套直接可交付的商业化AI方案。

其这次首发的端云一体大模型X2.6，核心是对AI任务需求做精细化拆分调度，以此平衡性能、成本、数据安全三者的矛盾，给开发者与企业提供新的落地选择。尤其对教育、医疗、法律这类对数据出境非常敏感的行业来说，这套架构可以契合其私有化、本地部署的需求。

此外，如今大模型行业的竞争，正持续向算力适配、场景落地、数据安全、软硬一体交付等方向延伸，未来只有模型能力、缺少行业闭环与硬件载体的纯底座玩家或被淘汰。

资讯由采集器定时从公开的机器人 / AI 信息源自动聚合。