十月二十二日，科大讯飞在北京国家会议中心二期开了一年一度的 1024 开发者节。董事长刘庆峰上台发布星火 X2.6，一句话概括卖点：这是在国产算力上训练出来的旗舰模型，而且把「哪些活在本机干、哪些活送上云」做成了一套可以自动判断的架构。
发布会现场的演示是一份采购合同：模型先在本地把银行账号、法定代表人、金额标出来并打码，脱敏之后再把剩下的内容送去云端审条款。这个顺序是刻意的——先把敏感字段留在设备上，再谈云端能力。
真正值得琢磨的是数字本身。这篇不谈立场，只把发布会给出的数与这些数背后的空白一起摆出来。
三个数字先记住：2930 亿、30 亿、100 万
云端版星火 X2.6 是混合专家架构，总参数约 2930 亿，每个词元激活大约 300 亿，上下文窗口做到 100 万词元。这组配置放在今年的国产模型里属于第一梯队，和站内此前写过的 DeepSeek V4.1-Flash 换内核是同一个量级的对手。
刘庆峰给了一个很具体的训练账：拿飞星二号万卡集群训练 2000B、256K 长度的数据，过去要 4.5 个月，现在 1.2 个月，超长上下文训练效率提到原来的 4 倍。推理侧则靠分布式推理加四层 KV Cache，官方说飞星二号的推理效率是优化前的 4.5 倍，KV Cache 命中率从 63% 提到 95.7%。
这几个数字对应的是国产芯片最实际的两个短板：显存不够大、带宽不够宽。长上下文场景的痛点是「放不下」，KV Cache 命中率低就是「算不快」。它们不是跑分，但是比跑分更能说明工程做了多少活。
跑分：两项第一，第三项输 0.2 分
官方公布的成绩是这样：SWE Pro 77.3 分，第一；SWE Multilingual 95.0 分，第一；SWE Verified 95.4 分，第二名，第一名是 DeepSeek V4.1-Flash 的 95.6 分。
差 0.2 分当然可以忽略，但发布会的口径是「部分性能超越 DeepSeek」，而对比对象选的是 Flash 档——不是对方旗舰。这种选法在行业内很常见，不算撒谎，但读的时候要知道自己看的是哪个对照组。
智能体方向，官方说在企业运维类 Agent 与 MCP-Atlas 工具调用测试中处于第一梯队，推理方向在 AA-LCR v1.1 与 MiniMax M3 持平。「第一梯队」「持平」这类说法没有具体分数，也就没法验证。
更关键的一点：这些成绩全部由厂商自测发布，目前没有第三方独立复现，也没有公开的模型卡说明测试环境与提示词模板。想要判断它能不能接你的活，最可靠的办法仍然是自己拿真实任务跑一遍——这也是老达在 AI 实践专题里反复强调的习惯。
端云一体：96.1% 不是模型能力，是分活能力
这次架构上真正的创新不在模型，在路由。系统先由端侧模型判断：这个任务纯本地办、纯云端办，还是端云协同办。官方公布端云路由准确率从 81.2% 提升到 96.1%，靠的是基于评语模型的协同训练。
配合一个开源的端侧模型 X2.6-4B，逻辑就闭合了：手机上装一个 4B 的小模型负责判断与敏感处理，难的题再外包给云端旗舰。刘庆峰给的长期预判是，未来约六成任务在端侧完成、三成端云协同、一成纯云端。
这里有个值得留意的落差。发布会现场同时提到，端侧可独立完成的任务占比从 12.8% 提到了 40% 以上；而六成的预判属于方向判断。40% 与 60% 之间还差着一截，而 40% 这个数字的统计口径——用的是哪套任务集、怎么判定「完成」——官方没有披露。
想理解这类「端侧到底能干什么」的边界，可以对照站内写过的 面壁 MiniCPM-V 4.7 端侧多模态，那篇把端侧模型的真实能力天花板说得比较细。
能下载的只有 4B，这才是普通开发者该看的部分
整场发布会里，对个人开发者最有用的信息其实被埋得比较深：2930 亿的云端旗舰是闭源的，开源的只有 X2.6-4B，Apache 2.0 许可，面向机器人、车载与 AI PC。
这句话值得单独拎出来。上一代星火 X2.5-4B 从九月一日开源至今下载量 256 万次，官方称位列全球端侧模型前四。也就是说，讯飞在端侧这条线上已经积累了真实的开发者基础，这一代是在这个基础上迭代。
如果你是在给自己做本地工具、做私有化小助手，能用的就是这 4B；如果你要的是那句「百万上下文、代码跑分第一」，那是 API 那头的事。这两件事在传播里经常被混成一件。
顺带一句，端云协同这件事不只模型厂商在做，硬件侧也在往前推。站内写 STEPX Neo 智能体手机时提过同一条线：把模型、系统和开发工具打包进一台设备，卖的其实是「端侧到底能替你干多少活」。
价格：0.9 元一百万字元，但要看清是限时
公布的首发限时价为：输入 0.9 元每百万词元，缓存命中输入 0.08 元每百万词元，输出 3.6 元每百万词元，端侧推理限时免费。
缓存价格是这里面最有意思的一项——不到普通输入的一成。对智能体类应用来说，每一轮都要带着系统提示、工具定义和任务历史，缓存能不能命中，直接决定这门生意能不能算得过账。
但「限时」两个字必须记住。真要拿它做产品，至少得先问清活动结束时间、阶梯计费规则、缓存有效期、并发限制和私有化部署报价。单价便宜不等于总成本便宜，这一条在 DeepSeek 那次调价里已经演过一遍。
三个没有回答的问题
第一，训练用的到底是什么芯片，发布会没有披露具体型号。今年四月的业绩说明会上曾提到十月在昇腾 950 平台发布旗舰模型，到发布当天这个问题被绕过去了。国产算力这条路线本身是真事，但「全国产」这三个字目前只有厂商单方面陈述，没有第三方审计。
第二，端侧任务覆盖度 41.9% 的分母是什么。任务集规模、难度分布、判定标准都没公开，这个百分比就只能当方向看。
第三，跑分缺少第三方复现。SWE 系列是公认较硬的测试，但提示词模板、重试次数、脚手架版本这些细节足以让分数上下浮动好几点。
老达点评
一、这次最硬的东西不是跑分，是训练账。 4.5 个月压到 1.2 个月、KV Cache 命中率 63% 到 95.7%，这两个数指向的是国产集群的真实利用率。芯片被卡住的时候，能榨出多少有效算力，比在榜单上多两分重要得多。这部分我愿意给高分。
二、开源的是 4B，别把新闻当产品。 「星火 X2.6 开源」这句话在传播里很容易变形。真正能下载、能改、能商用的是那个 4B，2930 亿的旗舰只能调 API。做选型的时候，先确认自己要的是哪一个，能省掉大量误解。
三、发布会的话术痕迹要认得出来。 「部分性能超越 DeepSeek」——选的是 Flash 档；「多项指标对标业界一流」——不给具体分；「未来六成任务在端侧」——是预判不是现状。这些都不是造假，是把最好看的角度放在最前面。读发布会跟读财报一样，得自己把口径补齐。
四、对普通用户，最实际的变化是「敏感字段不出本机」这个动作。 合同里的账号、身份证号先在本地打码再上云，这个流程一旦成为默认，很多原本不敢用 AI 处理的材料就能用了。这比参数表上的任何一行都更接近日常。
想继续看端侧与智能体这条线的实践，可以翻 AI 智能体与自动化专题，那里把「哪些环节真的能自动化、哪些只是演示」拆得比较细。至于开源阵营的整体水位，站内那篇 Meta 八千一百六十亿参数却被国产模型反超给了另一个参照系。
