星辰开源Xing4.0-29B-Intent意图模型
10月19日,中电信人工智能科技有限公司星辰通用人工智能实验室开源Xing4.0-29B-Intent,将意图分类与参数抽取整合进同一个29B模型,以统一的category+args JSON结构返回结果,并同步开放模型权重、275.3万条SFT语料与推理SDK。据智东西报道,该模型端到端推理延迟低于150毫秒;零样本冷启动评测Micro-F1为70.27;在覆盖48个公开数据集的统一评测中总分58,比第二名Gemini-3.6-Flash高9分。智东西围绕智能空间、智能座舱、企业业务、办公协同与Personal Agent做了11组实测,模型在多对象参数绑定和多任务拆解上表现较好,但在车窗控制中把“禁止打开”处理为0%开度,存在偏差。代码以Apache 2.0协议在GitHub的TeleChat-USP仓库开源;原文给出Hugging Face、魔搭和魔乐的模型或数据集链接,并称数据集与模型权重已上架Hugging Face、官方推理镜像已提供。
该模型把高频的意图判断与结构化参数抽取交给专用开放权重模型,意在减少每接入一个新业务场景就要重新整理意图类别、标注数据和适配的工作量。

智东西 作者 | 江宇 编辑 | 漠影
AI行业正被一个叫Jev的模型搅动。
这款由TypeSafe AI发布的“系统一模型”,验证了一个此前被忽视的判断:意图理解这类高频、低延迟的任务,未必非要劳驾千亿参数的大模型“硬想”,专用模型同样能做到又快又准。一时间,决策层与生成层分离,成了AI Agent落地的热门话题。
但Jev留下了一个问题:判断出用户想做什么之后,谁来负责把事情交代清楚?
例如,用户说“把展厅东侧的灯调到80%、色温4000K,西侧调到30%、2700K,入口灯别动”。识别出“调节灯光”,只能算完成了第一步。系统还需要知道哪盏灯对应哪个亮度、哪种色温,以及哪盏灯必须保持原样。
#China Telecom AI#XingChen AGI Lab#Xing4.0-29B-Intent#Jev#TypeSafe AI#Gemini-3.6-Flash#GPT-4.1#TeleChat-USP#Hugging Face#ModelScope