讯飞星火X2.6发布：全国产算力端云一体，60%应用本地跑，4B端侧模型同步开源

2026年10月22日下午，2026科大讯飞全球1024开发者节主论坛在合肥举行，本届主题为“解放生产力，释放想象力”。科大讯飞正式发布端云一体讯飞星火X2.6大模型，并同步开源讯飞星火X2.6-4B端侧模型。

01 · Event Overview
事件速览：价格战之外，讯飞交出“端云一体”答卷

这次发布的背景，是国产大模型“Flash赛道”的连续降价。据36氪10月20日报道，10月17日，DeepSeek V4.1 Flash-1017上线；10月19日，MiniMax M3.1 Flash正式发布。前者闲时输入未命中价格为1元/百万tokens，后者输入价格同样为1元/百万tokens，一度让市场把大模型竞争焦点集中到“每百万tokens能便宜到什么程度”。

讯飞星火X2.6选择的是另一条路线。它不是继续围绕单一API价格做文章，而是把模型、算力、部署方式和应用分配放进同一套体系：刘庆峰在现场提出，通过端云一体化，有望实现60%的应用在本地完成，30%的应用通过云端协同完成，剩下10%由云端大模型单独训练解决。

本次发布的讯飞星火X2.6定位为端云一体大模型，首次基于全国产算力实现代码和智能体能力突破，并在国际公开测试集Benchmarks中，多项技术指标对标业界一流水平。模型采用293B-A30B参数MoE架构，上下文长度由上一代X2.5的256K扩展至1M，覆盖200余种语言，并提供专业安全防护及按任务场景自定义安全策略的能力。

与此同时，面向端侧部署的X2.6-4B同步发布并采用Apache 2.0协议开源。它延续混合注意力架构、原生1M token上下文和200多种语言支持，并通过后训练强化智能体、代码和工具调用能力，还加入不思考、低思考、高思考三档推理模式。

因此，这次发布并不是一次常规版本更新，而是讯飞对大模型落地阶段核心矛盾的一次系统回应：数据是否出域、单次调用是否昂贵、国产算力能否支撑训练与推理，三个问题必须同时回答。

02 · 60 / 30 / 10
60/30/10：端云一体要解的题

据财联社、通信世界、搜狐科技等报道，刘庆峰在现场给出了明确判断：

“通过端云一体化，有望实现60%的应用在本地完成，数据不出本地，没有推理成本；30%的应用通过云端协同完成；剩下10%需要云端大模型单独训练解决。”

——刘庆峰在2026科大讯飞全球1024开发者节主论坛的现场表述

这里的60/30/10不是已经落地的统计结果，而是刘庆峰提出的目标判断与任务分配框架。它试图解决大模型从演示走向生产系统后最现实的矛盾：一端是数据边界，另一端是推理成本。

先看数据边界。企业级AI一旦进入真实业务，便不再只是“输入一段文字再返回答案”。用户个人信息、网络运行数据、生产经营数据都可能参与模型调用，数据是否出域会直接影响安全审查、合规评估和应用能否上线。对于政企、医疗、法律、金融等行业，“模型效果好”只是第一道门槛，“原始数据能否留在组织内部”往往是更硬的约束。

再看推理成本。语音交互、智能客服、内容生成等应用常常以高频调用为特征。如果每次请求都支付云端API费用，应用规模越大，token账单越容易成为持续成本。模型参数越强、思考链越长、上下文越长，调用成本又可能进一步上升。刘庆峰将这一矛盾概括为：“大模型的安全性和极致性价比，一定要通过云端一体化来解决。”

1. 约60%：本地完成。适合可由端侧模型承接、原始数据不宜出域、调用频率较高的任务。数据留在本地，可以避免按token计费的云端推理调用。
2. 约30%：云端协同。由本地与云端模型共同完成，常见方式包括端侧先做意图识别、敏感信息处理或基础推理，再把必要任务交给云端复杂模型。
3. 约10%：云端大模型单独训练解决。面向端侧模型难以覆盖的复杂推理、专业知识和大规模生成任务，由能力更强的云端模型承担。

这项框架的关键，不是简单地把一部分请求“搬家”，而是按任务性质重新分配计算：本地完成对应数据不出域，云侧协同承接复杂能力，专门训练解决端侧难覆盖的问题。如果所有请求都走云端，便宜与安全容易发生冲突；如果所有请求都硬塞进端侧，又可能牺牲复杂任务的效果。

还要注意，“没有推理成本”更准确地说，是没有按token计费的云端推理调用成本。本地设备折旧、能源、运维和模型分发仍应进入企业总账。刘庆峰同时强调，解决方案应在全栈自主可控的平台上进行，这也是全国产算力路线与端云一体能够结合的前提。

03 · Model Specs
模型规格拆解：从“更大”转向“更长、更能干、更可控”

X2.6的主模型采用293B-A30B MoE架构。按照MoE的参数表达方式，293B代表总参数规模，A30B代表每个token处理时激活约30B参数。这样做的价值在于保留大模型的通用能力与知识容量，同时避免每次推理都激活全部参数。

上下文从256K扩展到1M，是X2.6最直观的能力变化之一。1M代表100万token量级，可为长文档分析、复杂代码仓库理解、长时间多轮任务和跨语言处理提供更大的上下文空间。不过，上下文容量并不等于每次都能稳定输出同样长度，实际表现仍受模型、运行时、任务类型与工程配置影响。

语言覆盖达到200余种，对跨境客服、多语言内容生产和实时语音应用尤其有价值：同一套模型底座可以减少为不同语种维护多套独立系统的负担。

在安全方面，X2.6不只提供通用防护，还允许按任务场景自定义安全策略。这意味着企业可以根据医疗、金融、政务、教育等不同业务的数据等级和处理规则设置边界，而不是只选择一个全局开关。

作为代际参照，更早的Spark X2输入最大64K、输出128K；面向Agent场景优化、输入最大192K的Spark-X2-Flash，9月4日更新后的价格为输入1元、输出2元每百万tokens。它们与本次Spark-X2.6属于不同型号与定价口径，比较时不应混用。

04 · Domestic Training
全国产算力训练：从“能跑”走向“高效跑”

全国产算力是本次发布最具辨识度的标签。刘庆峰在现场表示：

“只有星火一家是用全国产算力训练的，其他全是在N卡上训练，而且科大讯飞的尺寸是最小的。”

——刘庆峰现场表态；这是其对发布信息所作的说明

这句话所对应的技术难点，是国产芯片在显存容量和显存带宽等方面面临的约束。如果训练过程只能被硬件结构牵着走，模型扩大、上下文变长后，就可能出现利用率不高、通信开销过大、混合训练效率偏低等问题。

为解决这些问题，X2.6引入了长程任务动态并行训练技术：根据任务长度自适应分配计算资源。短任务不必长期占用同等规模的并行资源，长任务则可获得与其长度、计算需求相匹配的调度，从而减少空转和等待。

这项技术的意义不只是单一跑分。长上下文任务越长，计算与通信越难保持稳定，单纯堆叠算力并不能自动获得线性收益。动态并行训练解决的是“资源如何跟着任务走”，让国产集群不只具备训练能力，也能更高效地承担1M上下文模型的后训练与持续优化。

更深一层看，全国产算力路线提供的是算力供应链自主性。在外部高端GPU供给存在不确定性的情况下，训练任务不必完全依赖单一外部硬件路线，也能够基于国内设备、框架和调度体系持续演进。所谓“训练不受限”的核心价值，不是算力从此没有任何物理限制，而是训练进程不再受制于某一种外部卡源的单一供给条件。

对开发者而言，这种路线最终要落到三个可感知结果上：模型能否按计划完成训练、已有国产设备能否提高利用率、同一模型能否被复制部署到不同环境。X2.6把全国产算力与端云一体同时推出，正说明训练端自主和部署端自主被视为同一项系统工程。

05 · Inference Efficiency
推理效率创新：KVCache为什么直接决定账单

训练决定模型能否被造出来，推理则决定模型能否被持续、普遍地用起来。星火X2.6在推理侧采用基于国产集群的自适应存算协同推理技术，并结合首个基于全国产设备的四层KVCache技术与分布式推理技术，使整体推理效率提升4.5倍。

自适应存算协同解决的是计算与存储资源如何配合。模型推理不是每一步都做同等强度的计算，但中间结果需要被及时保存和读取。如果存储供给跟不上计算需求，硬件会等待；如果计算资源与数据位置不匹配，也会产生额外开销。存算协同的目标，就是让数据在需要时以更合理的成本被使用。

四层KVCache则是缓存机制与国产设备结合的关键技术。通俗地说，模型处理长对话或长文档时，会把前面已经计算过的内容保存为Key和Value，也就是KV信息。后续请求若包含相同前缀，模型可以直接复用已有结果，不必把全部内容重新计算。

“很多东西不用重新计算，直接用原有结果即可。”

——这一思路可用一句话理解X2.6的缓存与分布式推理优化

缓存利用效率直接影响两项结果：一是延迟，长前缀内容不必重复计算；二是成本，已经命中的输入token可以按更低的缓存价格结算。对于客服、搜索、文档问答、企业知识库等重复上下文较多的应用，缓存命中率往往比标价本身更能决定实际账单。

分布式推理则把无法装入单卡或单节点的任务拆开处理，让多台国产设备协同完成推理。它与四层KVCache、自适应存算协同共同构成X2.6的推理侧技术组合：前者提高多设备协作效率，后两者减少重复计算并改善数据读写效率，最终实现官方披露的4.5倍效率提升。

这也解释了讯飞为何没有把端云一体仅理解为“把模型缩小”。端侧负责高频、低风险、可本地化任务，云端负责复杂推理，底层再通过缓存和分布式推理降低云端消耗，三层共同作用，才可能让“数据不出域”和“成本可控”不再互相冲突。

06 · Pricing
价格拆解：单点不是最低，但总成本要重新计算

讯飞星火X2.6现已在讯飞星火官网开放试用。讯飞星辰MaaS平台页面显示的限时定价为：输入0.9元/百万tokens，页面标注原价1.5元；输入缓存命中限时0.08元/百万tokens；输出限时3.6元/百万tokens，页面标注原价6元。X2.6-4B在平台的定价为0元，属于限时免费。

说明：Spark-X2.6为讯飞星辰MaaS平台页面标注的限时价格；DeepSeek价格区分闲时与高峰时段。价格比较仅反映公开标价口径，不代表最终账单。

从单点看，X2.6的限时输入价0.9元低于表中DeepSeek与MiniMax的1元输入价，限时输出价3.6元也低于两者的4元；但DeepSeek闲时缓存命中仅0.02元，明显低于X2.6的0.08元。因此，讯飞并非在每一个价格项上都是最低，开发者仍应按实际缓存命中率、输入输出比例和调用时段测算。

端云一体真正的差异，在于成本口径从“每一次云端调用”扩大为“完成一项应用所需的总成本”。如果应用按照刘庆峰提出的目标判断，有相当比例任务在本地完成，这部分便不会产生按token计费的云端推理费用；剩余任务再由云端协同或云端模型处理。对于数据敏感且调用频繁的企业场景，综合成本可能因此更低。

不过，这一判断不能简化成“本地一定免费”。更完整的核算至少应包含四项：本地硬件与部署、云端token费用、模型调用中的缓存命中率，以及任务在端云之间的分配比例。尤其当输入内容高度重复时，缓存收益会很明显；当每次请求都高度个性化、输出又很长时，云端输出价格与思考长度就会成为主要变量。

07 · Open-source Edge Model
X2.6-4B同步开源：端侧模型进入智能体能力竞争

端云一体要落地，端侧不能只是缩水版聊天模型。讯飞星火X2.6-4B端侧大模型同步正式发布，官方将其描述为率先实现端侧大模型智能体能力阶跃，相比X2.5-4B各项跑分明显提升。

模型沿用Spark-X2.5-4B架构，包括混合注意力架构、原生支持最长1M token上下文、支持200多种语言；能力提升主要来自后训练。其开放方式为Apache 2.0协议开源，允许开发者在遵守协议的前提下进行使用、修改和分发。新增的不思考、低思考、高思考三档推理模式，则把选择权交给实际应用。

官方公布的评测数据采用thinking=high档位，结果如下：

这组成绩覆盖函数调用、MCP与工具使用、浏览检索、代码工程及复杂推理等方向。对端侧模型而言，提升并不只是“回答更像人”，而是能否稳定理解任务、调用工具、处理多步骤流程，并在本地环境中完成工作。BrowseComp从40.9提升至53.1、SWE Verified从41.6提升至62.8，显示X2.6-4B的重点明显放在智能体与复杂任务能力上。

下载渠道已经覆盖主流开源生态：

使用Ollama时，命令原文为：

ollama run SparkLLM/Spark-X2.6-4B

官方文档覆盖Transformers、SGLang、vLLM、MLX、llama.cpp等运行时，方便开发者根据设备、系统与并发需求选择部署方式。官方同时表示，自研推理框架下的推理效率较ollama有所提升，但没有公布可外推的固定倍数，实际效果仍取决于硬件和任务配置。

据IT之家从发布会获悉，9月1日星火X2.5-4B端侧模型开源以来，下载量已进入全球端侧模型前四。这意味着讯飞在4B端侧模型上已经形成一定开发者基础，而X2.6-4B的Apache 2.0协议、三档思考模式和更多智能体评测成绩，为进一步扩大生态提供了条件。X2.6-4B的推理定价目前为0元，限时免费。

08 · Developer Festival Ecosystem
1024开发者节“全家桶”：模型开始进入岗位与流程

本届开发者节的主题是“解放生产力，释放想象力”。围绕这一主题，除星火X2.6与X2.6-4B外，讯飞还集中展示了从模型、平台到硬件和垂直应用的完整产品线。

模型侧，全国产语音基座大模型Spark-Audio正式亮相，覆盖语音识别、同声传译、实时语音交互和复杂音频理解。它与端侧模型形成互补：端侧适合处理设备附近的实时交互，语音基座模型则提供更复杂的音频理解能力。星帆WinWork数字员工平台也正式发布，方向从“回答问题”进一步转向让数字员工进入具体岗位与业务流程。

硬件及终端方面，讯飞AI办公本、讯飞AI眼镜、星火智慧座舱3.0、机器人超脑平台最新版本集中亮相。模型能力只有进入设备，才能更直接地体现端云协同价值：低延迟交互、数据本地处理和设备离线能力，是云端API无法完全替代的方向。

行业应用也呈现出从单点功能向连续流程延伸的趋势。教育领域，讯飞星光结合教育专属知识库和用户画像记忆，为老师打造超级智能体工作台；讯飞学习机推出“探究式学习”新模式。医疗领域，讯飞晓医从单次咨询向持续健康管理延伸。法律领域，讯飞晓法覆盖收案评估、案情分析、诉前准备、庭审策略到案件归档的法律全流程。

此外，北京、合肥双城科博展同步开启：北京展聚焦全栈自主可控AI底座与具身智能，合肥展设置AI体验空间。开发者节因此不再只是模型发布会，而更像一次从算力底座、模型能力到行业生产力的集中展示。

09 · Industry Observation
行业观察：大模型竞争进入“落地成本＋数据边界”下半场

大模型行业此前一直在追逐能力上限。10月7日，OpenAI GPT-6全量上线；10月13日，谷歌Gemini 4 Argon全球上线。到了10月中下旬，市场风向开始发生明显变化：据36氪报道，行业更关注谁能以更低成本，把模型能力变成开发者和企业真正用得起的生产力。

Flash价格战正是这一变化的集中体现。10月17日上线的DeepSeek V4.1 Flash-1017，将闲时输入未命中价格压至1元每百万tokens；10月19日正式发布的MiniMax M3.1 Flash同样把输入价格定在1元，缓存读取0.1元、输出4元。MiniMax团队称，Agentic任务综合使用成本较前代降低70%。

MiniMax M3.1 Flash此前还以匿名模型“Space Bunny”出现在开发者社区，曾在OpenCode调用量榜排名第二，并在OpenRouter一度排名第一。两款模型前后登场，使国产Flash赛道形成“双强”格局，也把云端推理价格迅速推至新的低位。

但价格战与端云一体并非替代关系，而是分工关系：

• Flash路线解决“云上更便宜”。适合需要最新云端能力、任务个性化程度高、调用量又不至于形成巨大本地投入的应用。
• 端云一体回答“哪些活根本不用上云”。当数据不能出域、调用足够频繁，或本地模型已能覆盖任务效果时，继续压低云端单价未必是唯一答案。
• 全国产算力补上供应链与合规视角。在安全合规要求高的政企、医疗、法律、金融场景中，“数据不出域”往往不是加分项，而是准入条件。

市场空间也说明这个问题不能回避。据IDC数据，2025年中国企业级AI智能体市场规模约为212亿元，2026年预计增至449亿元。当更多数字员工进入真实流程，企业会同时追问两个问题：调用是否足够便宜，数据是否仍在可控边界内。落地成本与数据边界，正在成为决定智能体渗透速度的两大变量。

不过，60/30/10仍然是刘庆峰给出的目标判断，而不是已经实现的行业统计。实际比例取决于端侧算力、模型体积与效果的平衡，也取决于任务路由、数据预处理、云端协同协议和运维体系。端侧设备能否稳定运行复杂智能体、云端延迟是否可接受、缓存能否有效命中，都需要工程验证。

10 · Practical Advice
实操建议：三类人该怎样使用X2.6

讯飞星火X2.6已经可以在讯飞星火官网开放试用，星辰MaaS平台提供带限时价格的API。对不同用户而言，真正值得做的不是先争论“哪家模型更强”，而是按自己的任务验证匹配度。

当头部模型的基础能力差距逐步缩小，竞争胜负手正在从“能不能做出来”转向“能不能安全、可持续地用起来”。讯飞星火X2.6给出的，是一个更偏工程化的答案：用全国产算力解决训练与供应链自主，用端云一体解决数据边界与推理成本，再用4B开源模型把端侧能力交给开发者。

60/30/10能否从现场判断变成真实部署比例，仍需时间检验；但其方向已经清楚：云端模型不必包办所有任务，本地模型也不必独自承担所有智能。对于企业而言，真正要选择的不是一个“最强模型”，而是一套能让数据、算力、成本和效果同时成立的系统。

延伸阅读

站内相关主题关键词：

• 国产大模型API价格对比
• 端侧大模型本地部署
• MoE混合专家模型
• 1M长上下文应用
• 全国产算力与AI基础设施
• 企业级AI智能体
• KVCache与推理成本
• Ollama本地模型
• 数据不出域解决方案