一句话变JSON:电信开源29B意图模型,客服路由进百毫秒

流云 2026-10-22 1665 0条评论
摘要: 10月19日,中国电信星辰通用人工智能实验室开源Xing4.0-29B-Intent,一款意图理解专用模型。它不做聊天,也不写长文,只干一件事:把用户的口语指令解析成业务系统能直接...

10月19日,中国电信星辰通用人工智能实验室开源Xing4.0-29B-Intent,一款意图理解专用模型。它不做聊天,也不写长文,只干一件事:把用户的口语指令解析成业务系统能直接处理的JSON。模型基于Xing4.0-29B-A4B稀疏基座微调,总参数29B、每token激活约4B,Apache-2.0许可,权重、代码与配套语料同步开放。

四类任务,一套结果格式

官方把能力划成四类:判出这句话归到哪一类并填出相关参数、从文本里认出命名实体、指出两个实体之间是什么关系、抽出一条事件连同参与方与时间地点。四类的返回长一个样,都是类别名后面跟一组参数,不因为任务换了就换调用方式。换业务时改的是候选类别与字段清单,接口这一层不用重写。调用前要给模型三样东西:候选类别有哪些、每一类是什么意思、这一类允许抽哪些字段。模型只在候选里挑,只在列出的字段里填,不会自己造类别名或字段名。官方配套的XingIntentSDK负责把这份定义拼成prompt,并把返回结果解析回结构化对象。

意图和参数一次出来,填不出就给空数组

判类别与填参数在同一次调用里做完,不分两步走。返回体是JSON数组:一句指令里有几个意图、每个意图带几组参数实例,数组就给几项,按原文出现先后排。“明天从北京飞上海”这种句子,回来的是查航班这一类,加上出发地、目的地、日期三个值。输出规范里写明了一条:某一类下一个参数都填不出来时,args直接返回空数组,而不是硬凑一个值填进去。官方在类别评测里专门放了839道无可抽取内容的负例题,考的就是模型在没有目标内容时会不会误报类别。

与Jev、通用大模型的差异

官方两份独立评测题集不同,分数不能跨表对照。第一组从48个中英文公开数据集抽6000道题,既看类别判对、也看内容取对,18款通用模型参评;Xing4.0-29B-Intent总分58,Gemini-3.6-Flash为49,GPT-6-Luna为39。第二组5606道题只判类别,含839道负例题;Xing4.0-29B-Intent总决策分70,Jev两种答法分别为56和53,GPT-6-Luna为65。延迟这一格方向相反:官方标称Jev小于100ms、Xing4.0-29B-Intent小于200ms,Jev更快。在AI工具导航的模型选型中,这组对比给出的信号很直接:专用模型拼的不是通用能力,而是结构化输出的稳定性和负例识别。

场景与获取方式

模型已落进中国电信线上业务:万号客服系统里承担对话意图识别与工单智能路由,智能家居音箱等终端上把口语指令翻成设备能处理的结构。典型场景包括终端语音助手、ToB客服与企业IM机器人、Agent函数调用参数抽取,以及合同、工单、报文的字段抽取。权重与语料免费,Apache-2.0允许商用;托管接口兼容OpenAI协议,模型名填Xing4.0-29B-Intent即可调用。自部署可用vLLM或SGLang起服务,再用SDK调用。在AI模型库的横向对比里,这类意图专用模型的价值不在榜单总分,而在于把自然语言先钉成结构化参数,再交给执行器——对高频、场景收敛的Agent链路,这层“语义入口”往往比通用大模型更稳、更省。

编辑判断

Xing4.0-29B-Intent的看点不是29B参数,而是“类别+参数”的统一输出和Schema约束。它把意图判断与参数抽取压进一次输出,平均只生成几十个token,输出侧开销明显低于通用模型。对于正在搭客服路由、终端语音或Agent工具调用层的团队,这是一个可自托管、可审计的开源选项。但官方评测是公开数据集分数,不能直接当业务准确率用;换到自家Schema上,仍需按目标字段复测。


文章版权及转载声明:

作者:流云本文地址:https://sanwenge.com/post/1519.html发布于 2026-10-22
文章转载或复制请以超链接形式并注明出处三文阁