中国电信开源意图理解模型Xing4.0-29B-Intent：激活仅4B，58分反超18款通用旗舰

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正式发布并开源意图理解专用模型 Xing4.0-29B-Intent，同步开放约275万条训练语料、模型权重、推理镜像与配套 Python SDK，全部采用 Apache 2.0 许可。这款基于 29B MoE 架构（每个 Token 仅激活约 4B 参数）的"专精小钢炮"，在官方评测中以总分 58 分反超 Gemini-3.6-Flash、Qwen3.8-Max、GPT-5.6-Sol 等 18 款参评通用大模型的最高分 49 分，其中意图理解单项拿到 81 分，领先第二名 17 分。

把"做选择题"和"做填空题"装进同一个模型

"帮我把卧室的灯调成暖黄。"面对这类日常指令，仅判断出"控制灯光"是不够的，系统还必须知道：哪个房间？什么设备？调成什么状态？官方将这类任务拆成两问：意图分类是"做选择题"，参数抽取是"做填空题"，而 Xing4.0-29B-Intent 同时支持这两类任务，也能处理一句话包含多个意图、多个参数和多个实体的情况。

技术底座是统一模式驱动语义解析框架（USP，Unified Schema-driven Semantic Parsing）：以"类别+参数"的层级结构组织结果，按预先定义的字段规则输出 JSON。意图理解、实体识别、关系抽取、事件抽取等异构任务被统一到同一套输入输出格式约束下，下游系统接入成本低，解析结果稳定可校验。

需要说明的是，模型并非"零配置"——它需要开发者先给定 Schema，也就是候选类别、类别说明和可抽取字段，是在既定业务框架内识别和填值。

为什么不直接用通用大模型？

官方给出三个理由。一是速度：通用大模型习惯"想清楚再回答"，动辄数百上千字的长篇推理，对"工单转给谁"这种问题来说太慢；Xing4.0-29B-Intent 平均只输出几十个 token，完整结果响应时延可做到百毫秒级。二是成本：当一个场景每天要调用上百万次时，"杀鸡用牛刀"的调用差距会成倍放大。三是可靠性：通用大模型输出自由文本，同一问题可能得到十种说法；意图理解模型的输出被严格约束在预定义结构里，字段确定、格式可校验，不给"自由发挥"留空间。

两组评测：抽取要全，判断要稳

第一组评测从 48 个中英文公开数据集中抽取 6000 道题，覆盖意图理解、实体识别、关系抽取和事件抽取四类任务，考察"既分对类、又抽对内容"。Xing4.0-29B-Intent 总分 58，高于 18 款参评通用模型的最高总分 49；四类任务分项得分同样全部领先。其中意图理解 81 分（Gemini-3.6-Flash 为 64 分、DeepSeek-V4.1-Flash 为 56 分），命名实体识别 72 分；关系抽取 38 分与事件抽取 40 分相对偏低，复杂关系判断场景仍需单独实测。

第二组评测共 5606 道题，只看类别判断能否"不漏选、不多选"，其中包含 839 道"无可抽取内容"的负例题。Xing4.0-29B-Intent 决策总分 70，高于轻量决策模型 Jev 两种答法的 56 与 53 分，也高于作为参照的 GPT-6-Luna 的 65 分。拉开差距的关键在多选与负例：它能更完整地锁定全部应选类别，而在负例场景敢于"交白卷"，宁可空手也不硬选凑数，误报控制能力更强。

已在电信万号客服落地，开源四件套齐活

模型基于星辰通用基座 Xing4.0-29B-A4B 微调，目前已应用于电信万号客服（对话意图识别与工单智能路由）和智能家居音箱（口语指令解析为设备可执行的结构化指令）。

此次开源包含四类资源：约 275.3 万条监督微调语料（重构自 61 个公开数据集，覆盖 19 个领域、52 种语言）；面向手机端智能交互场景的中文口语理解基准 CMPA-SLU（相关成果已被 EMNLP 2026 录用）；170+ 意图与 148 个槽位的工业级标签体系；以及模型权重与官方推理镜像。配套 Python SDK xingintent 支持定义意图与字段、组装提示词、输入多轮对话并读取结构化结果，模型服务通过 OpenAI 兼容接口调用，可参考基座模型的 vLLM、SGLang 服务化说明部署。

官方圈定的适用人群很明确：做终端交互（语音助手、智能座舱、IoT 中控）但嫌通用大模型又慢又贵的团队；标注数据不足、不想为每个新意图海量标注的 ToB 客服场景；以及需要一个稳定、低幻觉"语义入口层"的 Agent 与 Function Calling 应用。代码仓库、Hugging Face、魔搭与魔乐社区均可获取。

在 Agent 生产系统里，让专精模型守好意图分流的第一道网关、让千亿级大模型专注深度推理，正在成为越来越主流的工程分工。央企实验室把权重、数据和工业级 Schema 全量开源，这份"四件套"对搭建意图识别流程的团队来说，是一份可以直接裁剪复用的起步材料。