近日，科大讯飞更新星火大模型产品线。讯飞星辰 MaaS 平台显示，Spark-X2.5 是一款基于全国产平台训练的 MoE 大模型，官方型号标注为"293B-A30"。该模型支持 256K 上下文，覆盖 200 多种语言，并将代码生成和智能体能力列为升级重点。
此次升级并非强调多模态交互，Spark-X2.5 目前定位为文本生成模型。其核心价值在于 MoE 架构、国产算力训练背景，以及对代码和智能体场景的深度投入。
模型规模与 MoE 架构解析
Spark-X2.5 采用混合专家（MoE）架构。官方页面将模型规模标注为"293B-A30"，业界普遍解读为：模型总参数约 2930 亿，单次推理激活参数约 300 亿。
MoE 架构的机制在于系统根据输入内容动态选择部分“专家”参与计算，从而在扩大模型容量的同时有效控制推理成本。需注意的是，参数规模并不直接等同于模型能力，实际效果还取决于专家划分、路由机制、训练数据及推理优化等因素。由于官方暂未披露具体的专家数量及路由结构，不宜仅凭参数量判断其性能强弱。
图：编辑绘制的简化示意，非 Spark-X2.5 官方架构图；数字根据官方型号标注及公开报道整理
聚焦代码生成与智能体能力
讯飞官方明确指出，本次升级重点提升了智能体及代码能力。这两个方向正逐渐融合：代码模型不仅需补全函数，更需理解项目结构、调用工具、修改文件并运行测试；智能体模型则需在长任务链中完成规划、执行与纠错。
Spark-X2.5 的产品定位显然旨在进入此类复杂工作流，而非仅限于问答和文本续写。然而，截至发稿前，官方尚未发布针对 293B-A30 旗舰模型的完整技术报告或主流基准测试成绩。因此，“能力提升”目前主要体现为产品描述，其实际表现仍需更多标准化测试和项目验证。
256K 上下文的实际意义
Spark-X2.5 支持 256K 上下文，适用于处理长文档、多轮对话、代码仓库片段及复杂任务记录。但需注意，256K 指输入容量，不代表模型能生成同等长度的内容，也不意味着输入越长记忆越精准。
长文本体验的实际表现，还受制于信息检索准确率、中间内容召回能力、指令保持能力及推理稳定性。目前官方暂未公布完整的长上下文评测数据。
全球 200 多种语言覆盖
官方资料显示，Spark-X2.5 覆盖全球 200 多种语言。这对于出海业务、多语言客服、内容翻译及跨语言信息处理具有显著价值，尤其是在低资源语言的理解与生成方面。
不过，“支持 200 多种语言”不代表各语种表现一致。高资源与低资源语言在训练数据、表达自然度及术语准确性上可能存在差距。企业在将其应用于翻译、客服或合规场景时，仍建议针对目标语种进行单独测试。
国产算力平台的工程突破
讯飞将 Spark-X2.5 定义为“基于全国产平台训练”。科大讯飞在 2026 年半年度报告中强调，星火大模型正持续推进全栈自主可控。在大模型训练日益依赖算力集群、通信系统和软件栈协同的背景下，能在国产平台上完成大规模 MoE 模型的训练与部署，本身就是一项重要的工程能力。
需说明的是，现有公开信息未披露具体芯片型号、集群规模、训练时长及算力利用率，本文不对底层硬件配置作进一步推测。
API 服务与开源模型区分
Spark-X2.5 的 293B-A30 旗舰版本目前可通过讯飞星辰 MaaS 平台调用，API 价格以平台实时信息为准。需特别区分的是，Spark-X2.5 系列还包含 1.7B 和 4B 两款开放权重的小模型。
这两款小模型支持最长约 100 万 Token 的原生上下文，并覆盖多语言、代码和工具调用等能力。它们与 MaaS 平台上的旗舰模型规模不同，不可混淆。
非标准化体验测试反馈
在一组涉及 HTML 小游戏、网页原型、数学题、长文写作和 3D 内容生成的非标准化体验测试中，Spark-X2.5 表现出明显的任务差异：
- HTML 小游戏：初版存在内容缺失，经提示后可修正并完成基本功能。
- 网页原型：页面结构可运行，但视觉效果和排版有待优化。
- 数学题：在 AIMO 相关题目中给出了正确答案。
- 长文写作：结果整体可用，但仍需人工编辑。
- 3D 内容生成：多次尝试未达预期效果。
该测试更接近媒体体验而非严格评测，样本量有限且受提示词环境影响，不能作为最终排名依据。但这表明 Spark-X2.5 已具备参与代码和智能体工作的能力，但在首次交付完整度、复杂工具执行及稳定性上，仍需人工介入检查。
总结与建议
Spark-X2.5 的价值不仅在于"2930 亿参数”，更在于科大讯飞利用 MoE 架构扩大模型容量，并将代码、智能体、多语言和国产算力整合的产品策略。这符合大模型从聊天工具向任务执行系统演进的趋势。
现阶段不宜仅凭官方参数下定论。对于开发者和企业用户，更务实的做法是结合自身代码、文档、语种和业务流程进行测试，重点关注复杂任务完成率、长上下文稳定性、调用成本及人工返工比例。参数决定模型上限，而稳定性和可验证的结果才是进入生产环境的关键。
信息来源