Hogar
El Xunfei Xinghuo X2-Flash sale al mercado con una potencia de cálculo local mejorada y compatibilidad con textos largos de 256 KB
El 29 de abril, iFLYTEK presentó oficialmente el nuevo modelo Spark X2-Flash y abrió su interfaz API, lo que supone un nuevo hito en materia de eficiencia para las aplicaciones de modelos a gran escala desarrolladas en el ecosistema nacional de potencia de cálculo.
El modelo utiliza la arquitectura MoE (Mixture of Experts) predominante en la actualidad, con un total de 30 000 millones de parámetros. Su característica más destacada es la compatibilidad con un contexto ultralargo de hasta 256K. Cabe destacar que el Spark X2-Flash se entrenó íntegramente en el clúster Ascend 910B de Huawei, lo que pone de manifiesto la sinergia entre el software y el hardware nacionales para el entrenamiento en aprendizaje profundo.

En cuanto al rendimiento básico, Spark X2-Flash ofrece mejoras significativas en las capacidades de generación de agentes y código. Las pruebas de terceros muestran que su rendimiento en tareas complejas —como el procesamiento de informes de investigación en profundidad, la gestión y activación de habilidades, y la ejecución del control del sistema— ha alcanzado el nivel de los modelos industriales de primer nivel con billones de parámetros.
En cuanto al coste, algo que preocupa a los desarrolladores, el Spark X2-Flash destaca. En pruebas de flujos de trabajo idénticos, su consumo de tokens es solo un tercio del de los grandes modelos convencionales actuales, lo que reduce en gran medida la barrera para crear aplicaciones de agentes complejas. Por ejemplo, al crear habilidades complejas de generación de vídeo, el modelo no solo capta rápidamente los requisitos, sino que también ofrece explicaciones detalladas que abarcan desde la estructura de la habilidad hasta las funciones principales.

Técnicamente, Spark X2-Flash es el primero en combinar DSA (atención dispersa) y MTP (predicción multitoken) en chips nacionales. Esta innovación resuelve el problema de la lentitud del entrenamiento de textos largos en las plataformas informáticas nacionales, multiplicando por 4,5 la eficiencia del entrenamiento en comparación con clústeres de escala similar. Además, para escenarios de aprendizaje por refuerzo con agentes, el modelo mejora la eficiencia de la inferencia por muestreo en más del doble mediante optimizaciones combinadas de algoritmos e ingeniería, aliviando eficazmente los cuellos de botella de rendimiento en escenarios de interacción prolongada.
Actualmente, aplicaciones como AstronClaw y Loomy han sido las primeras en completar la integración. El modelo también se alinea profundamente con los marcos de agentes internacionales más destacados, como OpenClaw y Claude Code, ofreciendo a los desarrolladores de todo el mundo una opción de potencia de cálculo nacional más rentable.
Artículo relacionado
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr
Google prueba el agente Remy AI para Gemini a medida que el enfoque se desplaza hacia el control del usuario
Según Business Insider, Google está probando Remy, un nuevo agente personal de IA para Gemini. Esta herramienta tiene como objetivo ejecutar tareas en nombre de los usuarios, optimizando tanto los flujos de trabajo profesionales como las rutinas diar
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
El 29 de abril, iFLYTEK presentó oficialmente el nuevo modelo Spark X2-Flash y abrió su interfaz API, lo que supone un nuevo hito en materia de eficiencia para las aplicaciones de modelos a gran escala desarrolladas en el ecosistema nacional de potencia de cálculo.
El modelo utiliza la arquitectura MoE (Mixture of Experts) predominante en la actualidad, con un total de 30 000 millones de parámetros. Su característica más destacada es la compatibilidad con un contexto ultralargo de hasta 256K. Cabe destacar que el Spark X2-Flash se entrenó íntegramente en el clúster Ascend 910B de Huawei, lo que pone de manifiesto la sinergia entre el software y el hardware nacionales para el entrenamiento en aprendizaje profundo.

En cuanto al rendimiento básico, Spark X2-Flash ofrece mejoras significativas en las capacidades de generación de agentes y código. Las pruebas de terceros muestran que su rendimiento en tareas complejas —como el procesamiento de informes de investigación en profundidad, la gestión y activación de habilidades, y la ejecución del control del sistema— ha alcanzado el nivel de los modelos industriales de primer nivel con billones de parámetros.
En cuanto al coste, algo que preocupa a los desarrolladores, el Spark X2-Flash destaca. En pruebas de flujos de trabajo idénticos, su consumo de tokens es solo un tercio del de los grandes modelos convencionales actuales, lo que reduce en gran medida la barrera para crear aplicaciones de agentes complejas. Por ejemplo, al crear habilidades complejas de generación de vídeo, el modelo no solo capta rápidamente los requisitos, sino que también ofrece explicaciones detalladas que abarcan desde la estructura de la habilidad hasta las funciones principales.

Técnicamente, Spark X2-Flash es el primero en combinar DSA (atención dispersa) y MTP (predicción multitoken) en chips nacionales. Esta innovación resuelve el problema de la lentitud del entrenamiento de textos largos en las plataformas informáticas nacionales, multiplicando por 4,5 la eficiencia del entrenamiento en comparación con clústeres de escala similar. Además, para escenarios de aprendizaje por refuerzo con agentes, el modelo mejora la eficiencia de la inferencia por muestreo en más del doble mediante optimizaciones combinadas de algoritmos e ingeniería, aliviando eficazmente los cuellos de botella de rendimiento en escenarios de interacción prolongada.
Actualmente, aplicaciones como AstronClaw y Loomy han sido las primeras en completar la integración. El modelo también se alinea profundamente con los marcos de agentes internacionales más destacados, como OpenClaw y Claude Code, ofreciendo a los desarrolladores de todo el mundo una opción de potencia de cálculo nacional más rentable.
Las acciones de EE. UU. alcanzan un hito histórico mientras gigantes de la IA y la aeroespacial se preparan para su debut de un billón de dólares
Elon Musk, Sam Altman y Dario Amodei, tres titanes del sector tecnológico, están avanzando hacia ofertas públicas iniciales para sus respectivas empresas. Con SpaceX, OpenAI y Anthropic, tres gigantes de la industria que se acercan a valoraciones de
La startup sueca de inteligencia artificial Lovable Eyes alcanza una valoración de 13.200 millones de dólares tras una importante ronda de financiación
Mientras las herramientas de codificación impulsadas por inteligencia artificial ganan terreno, la startup sueca Lovable ha asegurado una importante ronda de financiación. La empresa tiene como objetivo recaudar 3 000 millones de dólares, lo que podr











