模型：Spark-X2.5-4B（XHToken / 词元星火）
许可证：Apache-2.0（可商用）｜ 参数：4.11B（同族另有 1.7B 端侧款与 293B-A30B MoE 云端款）
资料：Hugging Face 官方模型卡
说明：成绩均为官方公布的 thinking 模式自测；标注 * 的为竞品公开模型卡/论文数据
一、4B 模型两周登顶 Hugging Face
9 月 1 日，科大讯飞全资子公司词元星火（XHToken）正式开源星火 X2.5-4B 与 X2.5-1.7B 两款端侧通用大模型。上架仅两周，官方 4B 仓库下载量超 1.1 万、点赞近千，一度登顶 Hugging Face 趋势榜。
该模型的核心卖点在于成为业界首个支持百万级上下文的端侧模型。其能力不仅限于基础对话，更能一次性读取几十页产品手册并提炼重点，或根据表格指令直接完成任务，标志着端侧智能从“能对话”向“能干活”的实质性跨越。
二、四大核心技术亮点
1. 混合注意力架构：原生支持 1M 上下文
模型采用"1 层全注意力 + 3 层滑动窗口注意力（SWA）”交替的混合架构，大幅降低长上下文算力与 KV 缓存开销。原生支持最高 100 万 Token 上下文（config 中 max_position_embeddings 达 1,048,576），并结合千亿 Token 级长文数据专项训练，实现长文档、完整代码仓库及多轮任务的“一次读完”。
2. 全球语言覆盖
预训练语料涵盖网页、书籍、学术文献、代码与百科等，支持 200 余种语言，全面覆盖中英日常交流与专业翻译场景。
3. Agent 原生深度集成
官方宣布与 Codex、Claude Code、OpenClaw、Hermes 等主流 Agent harness 深度集成。此外，DeepSeek Harness、OpenCode、Pi 等开源 Harness 也可直接接入本地开发与自动化流程。
4. 全国产算力全流程打通
模型在华为昇腾集群上完成预训练与大规模强化学习，采用 MOPD 多策略融合后训练。部署侧兼容英伟达、昇腾、海光、后摩等硬件，支持 vLLM、SGLang、llama.cpp、MLX 等框架，Ollama 与 LM Studio 可一键启动，LLaMA-Factory 支持增量微调，是典型的“去 CUDA 依赖”路线代表。
三、性能评测：小尺寸展现越级能力
官方数据显示，Spark-X2.5-4B 在多项硬核基准测试中表现优异，部分指标超越更大参数的竞品模型（如 Qwen3.5-9B、Gemma4-12B 等）。
| 类别 | 基准 | 4B 成绩 | 参考对比 |
|---|---|---|---|
| Agent | BFCL-V4（工具调用） | 65.1 | Qwen3.5-9B 66.1* |
| Agent | BrowseComp（长文检索） | 40.9 | Qwen3.5-9B 仅 8.3* |
| Agent | MCP-Atlas | 54.6 | Qwen3.5-9B 47.4* |
| Agent | Workspace Bench | 31.2 | Qwen3.5-9B 25.5 |
| Agent | τ²-bench | 75.1 | Qwen3.5-9B 79.1* |
| 代码 | SWE-Bench Pro | 44.4 | Qwen3.5-9B 33.8 / Gemma4-12B 21.9 |
| 代码 | SWE-Bench Verified | 41.6 | Qwen3.5-9B 53.1* |
| 代码 | Multilingual | 53.3 | Qwen3.5-9B 43.3 |
| 数学 | 高考 2026（满分 150） | 133.4 | Qwen3.5-9B 135.5 |
| 数学 | AIME 2026 | 90.7 | Qwen3.5-9B 88.2 |
| 数学 | IMO-AnswerBench | 74.2 | Qwen3.5-9B 69.8 |
| 通用 | IFEval | 93.0 | Qwen3.5-9B 91.5* |
| 通用 | GPQA | 67.4 | Qwen3.5-9B 77.2* |
核心看点：在 BrowseComp 长文检索任务中，40.9 分对 Qwen3.5-9B 的 8.3 分形成跨级优势；在 SWE-Bench Pro、MCP-Atlas 等硬核 Agent 基准上全面领先 9B 竞品。尽管在 SWE-Bench Verified、GPQA 等个别通用项上受限于参数量未全面超越大模型，但整体表现符合甚至超出物理预期。
端侧实测佐证：在 Domux 智能家居场景中，X2.5-1.7B 的控制指令端到端执行正确率达 90.3%，平均响应时间仅 0.85 秒。
注：以上为官方自测（thinking 模式），*号数据来自竞品公开渠道，实际效果建议下载 GGUF 版本本地测试验证。
四、部署方案与资源选择
官方仓库提供多种精度版本（均遵循 Apache-2.0 协议），适配不同硬件环境：
| 版本 | 体积 | 适用场景 |
|---|---|---|
| BF16 权重（5 分片） | ≈8.2GB | 16GB+ 显存 / 大内存 CPU 完整精度 |
| BF16 GGUF | ≈8.2GB | llama.cpp 系完整精度 |
| Q8_0 GGUF | ≈4.4GB | 8GB 显存环境 |
| Q4_K_M GGUF | ≈2.6GB | 4GB 级显存 / 纯 CPU 尝鲜 |
| FP8 / INT8 | 官方仓库提供 | 国产显卡 / 高吞吐场景 |
部署示例：用户可克隆 XHToken 的 llama.cpp fork 编译后导入 GGUF 创建本地模型，或通过 vLLM 单卡 Docker 快速启动服务。
推荐采样参数：temperature=1.0 / top_p=0.95 / top_k=-1；默认开启 thinking 模式（可关闭）。此外，讯飞星辰 MaaS 平台提供限时免费 API 调用；同日上线的云端大模型星火 X2.5（293B-A30B MoE，256K 上下文）定价为输入 1.6 元/百万 Token、输出 6 元/百万 Token。
五、权威资源链接
https://huggingface.co/XHToken/Spark-X2.5-4B
https://huggingface.co/XHToken/Spark-X2.5-4B-GGUF
https://huggingface.co/collections/XHToken/spark-x25
注：若国内访问 Hugging Face 不便，可将链接中的 huggingface.co 替换为 hf-mirror.com。
六、综合点评
核心价值：作为 4B 尺寸的"Agent 卷王”，其在 SWE-Bench Pro、BrowseComp 等硬核基准上展现出越级打击 9B 模型的能力；首创端侧原生百万上下文，完美解决长文档与整仓代码处理痛点；基于 Apache-2.0 协议可商用，且实现从昇腾训练到多硬件部署的全链国产化，保障本地数据安全；提供从 2.6GB 到 8.2GB 的多种量化版本，通过 Ollama/LM Studio 即可低门槛运行。
理性建议：基准数据源于厂商自测的 thinking 模式，部分通用项（如 SWE-Bench Verified、GPQA）并未全面领先大参数模型。若计划将其作为本地 Agent 主力，建议先下载 Q4_K_M 版本针对真实业务场景进行测试验证。
结论：对于寻找“本地可运行 Agent 小模型”的用户而言，星火 X2.5-4B 是 2026 年 9 月最值得优先尝试的解决方案。