从级联到端到端

过去，大模型处理音频大多采用级联方案：先把语音转成文字，再交给大模型理解。这种做法存在两个短板：一是信息丢失，文字只能记录说了什么，会丢掉语音里的语气、情绪与背景环境音等关键信息；二是链路割裂，语音转写、声纹识别、语音翻译等能力被拆成独立模块串联，模块间存在断点，容易累积错误并带来延迟。

语音基座大模型要解决的正是这些问题：它不再只做语音转文字，而是直接理解语音，一次性听懂人声、环境音、音乐，并理解声音里的语义、情绪与场景。

模型结构

此次首发的 Spark-Audio-1.0-Preview 采用 0.65B（Dense 结构）的音频编码器，搭配 30B-A3B（MoE 结构）的大语言模型，使用了 1300 万小时音频以及大量文本数据，基于纯国产算力集群训练完成。在同一个模型中可输入文本和语音两个模态，支持语音转写、多语言翻译、多方言识别、环境音识别、说话人识别、情感分析以及复杂的音频问答等任务。

评测表现

Spark-Audio-1.0-Preview 可支持 99 种语言及 202 种方言的识别。与同尺寸的 Qwen3.5-omni-flash（35B-A3B）相比，其在多语言、多方言语音识别上展现优势；与尺寸高一个数量级的 Qwen3.5-omni-plus 效果接近。在 Fleurs、KeSpeech、LibriSpeech 等中英文、多语言、多方言语音识别评测任务中，Spark-Audio-1.0-Preview 得分高于 Gemini-3.1 Pro；在 Fleurs-中文测试集中取得了 SOTA。面向更实际的应用场景，在高噪声、小音量等复杂条件下的语音识别评测任务中，该模型也有较为明显的领先优势。

在通用知识、数学与代码等任务上，Spark-Audio-1.0-Preview 没有出现明显降智；同时在指令遵循、对话、音频理解等任务上仍有进步追赶空间。

全栈国产化

作为业界首个基于全国产算力训练的语音基座大模型，Spark-Audio-1.0-Preview 在华为昇腾 910B、海光 BW1000 等国产芯片上完成了音频编码器、预训练、后训练的全流程高效训练。这证明了在国产算力上同样能够训练出效果达到业界领先水平的语音基座大模型。

目前，Spark-Audio-1.0-Preview 已正式开放体验，API 后续将上线讯飞开放平台。

2026 年 9 月 2 日，中国科学院大连化学物理研究所联合科大讯飞、阿里云等单位，正式发布智能化工大模型 3.0Pro。作为国内化工行业首个大模型的升级版本，它实现了从“知识问答”向“化工任务智能执行”的跨越。

化工流程复杂、工程约束多，通用大模型很难适配真实产线需求。3.0Pro 的发布，意味着行业大模型开始从“能回答”走向“能干活”。

四层技术体系与 400 个智能体

3.0Pro 搭建起四层技术体系，把大模型的认知能力与大模型智能体的执行能力结合起来。它集成了 400 余个化工智能体与工具，依托海量化工专业数据完成训练，形成“理解—规划—执行—校验”的完整工作闭环。

这意味着模型不再局限于简单回答化工问题，而是可以协同科研人员完成复杂专业任务：在研发环节辅助配方与路线探索，在工程设计环节参与方案推演，在生产运行环节对接中试与装置。

落地场景

据新华社报道，在千吨级智能中试平台上，3.0Pro 赋能的具身智能设备已开展测试。中科院大连化物所的工作人员也在使用中试装置验证模型能力。

对化工企业而言，这类行业大模型的价值在于把分散在文献、规程与工程师经验中的知识，沉淀为可调用、可执行的智能体，从而降低试错成本、加快从实验室到产线的转化。

行业意义

智能化工大模型 3.0Pro 是“人工智能加垂直行业”落地的典型样本。与通用大模型相比，行业模型强在懂专业、守约束、能执行；与纯问答机器人相比，它把能力推进到任务层面。随着更多垂直行业接入大模型，类似的“认知加执行”闭环，有望成为产业智能化的标准形态。

端侧模型为什么需要百万 Token 上下文

过去端侧模型处理长内容时，常要把文档切成几段分别处理，容易忘记前情、遗漏信息。星火 X2.5-4B 与 1.7B 原生支持百万级上下文，目标不是”塞下更多字”，而是让模型基于完整信息在连续交互中持续理解与处理复杂问题。

长上下文解决”信息能不能看全”，智能体与工具调用能力解决”看完之后能不能动手”。依托科大讯飞在 AI 研发、智能办公与智能硬件的积累，星火 X2.5 可面向个人办公、代码开发、智能硬件与机器人等场景提供本地化能力。

两款模型的定位与能力差异

星火 X2.5-4B 与 1.7B 均采用混合注意力架构，并围绕智能体、代码、数学与指令遵循等核心能力优化。两款模型基于全国产算力平台完成全流程训练，使用约 20 万亿 Token 多样化数据预训练，再通过高质量监督微调与强化学习持续提升推理、代码、智能体与指令遵循表现。

在代码开发场景中，星火 X2.5-4B 在算法实现、代码补全与生成等任务中可对标参数规模大 2 至 3 倍的云端模型。开发者可通过 DeepSeek Harness、OpenCode、Codex、Pi 等开源 Harness 将模型接入本地开发与自动化脚本流程。

如何本地部署星火 X2.5

部署层面，两款模型支持英伟达、华为、海光及后摩等硬件平台，兼容 vLLM、SGLang、llama.cpp 等主流推理框架，可通过 Ollama、LM Studio 等工具快速部署，并支持使用 LLaMA-Factory 开展增量训练。多硬件、多框架适配进一步降低了开发者在不同环境部署、微调与应用的门槛。

在个人办公场景，星火 X2.5 可覆盖数据处理、文档生成与文档翻译；在机器人场景，模型可部署于本体或边缘设备，支持操作控制、目标追踪与导航决策，减少对云端连接与固定预设程序的依赖。

端侧开源意味着什么

2026 年端侧模型密集落地，轻量模型此前多主打”断网能聊几句”，而星火 X2.5-4B 把百万级上下文带进本地设备，标志着端侧竞争从”能不能跑”转向”能不能基于完整上下文持续干活”。对隐私敏感的医疗、政企文档与无稳定网络的现场作业，本地长上下文推理价值尤为突出。

与云端大模型相比，端侧部署无需持续联网、不泄露原始数据、且边际成本趋近于零，适合高频、重复的办公与代码任务。星火 X2.5 以开源方式发布，模型权重与代码已在 Hugging Face 公开，开发者可基于自有数据微调，构建可控的本地智能体。

本文基于哪些信息

本文基于科大讯飞官方发布信息及中国日报 2026 年 9 月 2 日报道整理，关键数据（100 万 Token 上下文、约 20 万亿 Token 预训练、多硬件适配）均来自厂商公开披露。模型许可与部署细节以 Hugging Face 与官方仓库最新说明为准。

全国产算力全流程训练

星火 X2.5 的一个鲜明标签是全程依托国产算力完成训练与推理。科大讯飞表示，模型全面适配国内软硬件生态，并针对国产平台持续优化超长序列的训练与推理效率。在当前算力供应存在不确定性的背景下，全栈国产化意味着模型训练和交付能力不受外部供应链波动影响，这也是星火系列区别于多数国产大模型的核心特征。

模型支持 256K 超长上下文窗口，可处理长文档解析、长代码库理解等任务。在能力侧重上，X2.5 重点强化了代码生成的可靠性与规范性，并增强了多轮交互的稳定性，面向智能体（Agent）开发场景进行了专门优化。

限时五折：输入 1.6 元、输出 6 元

定价方面，星火 X2.5 当前提供限时五折优惠：每百万 Token 输入费用 1.6 元，缓存命中输入 0.24 元，输出 6 元；对应原价分别为 3.2 元、0.48 元和 12 元。与大模型 API 常见的”低价引流后回调”不同，这一价格直接对标主流开源模型 API，对企业用户批量调用具有一定吸引力。

两款端侧模型已开源

除基座模型外，科大讯飞此前已开源星火 X2.5-4B 和 1.7B 两款轻量级端侧模型。两款模型均支持最长 100 万 Token 的上下文长度，可本地部署于长文档处理、代码辅助、数据分析等场景，适合对数据隐私和离线可用性有要求的政企用户。

从端侧 100 万 Token 上下文到云端 2930 亿参数基座，星火 X2.5 形成了覆盖云端推理、本地部署和终端侧运行的完整产品矩阵。对于关注国产算力生态和混合部署方案的开发者与企业而言，这款模型提供了除开源通用模型之外的另一个选择。