全国产算力训练的 293B MoE：讯飞星火 X2.6 把训练时间从 4.5 个月压到 1.2 个月

10 月 22 日，科大讯飞在 1024 开发者节上发了星火 X2.6。

参数不算行业最大（293B 总参 / 30B 激活），上下文也不算最长（百万 token 已经有几家了）。这场发布真正值得看的是另一件事：

它把「国产算力到底能不能训练出有竞争力的模型」这个问题，拿出来做了公开回答。

回答的方式很实在——不是喊口号，而是把训练效率、推理缓存、端侧模型、API 定价四件事同时摊在桌上，让你自己算。

一、先看数据：一份完整的账

API 定价（这是最直接的竞争力）

官方说法是「输入缓存未命中、输出价格比 DeepSeek-V4.1-Flash-1017 更低」。

注意那个 0.08 元 的缓存命中价——它比未命中的 0.9 元低了 11 倍。这个价差不是随手定的，它是在明示一件事：请把重复的长上下文用起来，我按成本给你让利。 对做 Agent、知识库问答、长文档处理的团队，这个数字比跑分重要得多。

基准成绩（厂商自测）

代码能力（SWE 系列）拿到第一/第二，这是个明确信号：国产算力训练出来的模型，在最吃工程能力的编码赛道已经能进第一梯队。

按惯例提醒：以上均为讯飞自测数据，第三方复现才是终局裁判。

二、真正的技术难点：在显存和带宽受限的芯片上训模型

这一节是本文的核心。因为「全国产算力训练」这句话的分量，全在这三个字上——训练。

推理已经很成熟了，各家都在国产卡上跑推理。但训练不一样：

国产芯片相对受限的正是显存容量与带宽。所以「能不能训」的答案，取决于你能不能把这两项劣势用工程手段补回来。

讯飞这次给了两个具体方案，都值得记下来。

方案 A：长程任务动态并行训练（训练侧）

要解决的问题：长上下文训练（比如 256K 长度）时，激活值显存占用随序列长度线性甚至超线性增长。传统做法是固定并行策略（固定 TP/PP/DP 切分），但长序列和短序列的最优切分方式完全不同——用一套固定配置，短序列浪费卡，长序列爆显存。

做法：根据任务长度动态分配计算资源，自适应调整并行策略。

效果：飞星二号万卡集群训练 2000B 规模、256K 长度的数据，4.5 个月 → 1.2 个月，效率约 4 倍。

这里最值得注意的是那个「2-3 个月训出 X2.6」的说法——如果属实，意味着这套动态并行已经不只是一个优化技巧，而是把训练周期本身缩短了一个量级，直接改变了模型迭代的节奏。迭代快一倍，等于同样的时间里能多试几版。

方案 B：三项推理侧技术（推理侧）

那个四层 KV Cache 是这次最有工程含量的部分。它的成果直接反映在两个数字上：

• 推理效率：优化前的 4.5 倍
• KV Cache 命中率：63% → 95.7%

为什么「缓存命中率」能带来这么大幅度的效率提升？因为长上下文场景的成本结构是这样的：

一次请求的总计算量
  = 新输入的计算（无法避免）
  + 历史上下文的重复计算（★ 缓存能吃掉的部分）

上下文越长、重复度越高 → 第二项占比越大 → 缓存的价值越大

命中率从 63% 提到 95.7%，意味着原本有 37% 的长上下文需要重算，现在只剩 4.3%。在百万上下文场景下，这一项省下来的算力可能比模型本身优化带来的还多。

顺带一个观察：昨天 DeepSeek 开源的 DeepInfer 里也有分层 KV Cache（内存 SWA Cache + 3FS Block Cache），今天讯飞给了四层国产硬件架构，命中率 95.7%。

两家不约而同把 KV Cache 当成核心战场，这不是巧合。 它说明行业的共识已经形成：长上下文时代的成本瓶颈，不在模型算力，在缓存效率。

三、端云一体：60/30/10 的任务分配，和 96.1% 的路由准确率

这次 X2.6 的差异化定位是「端云一体」。刘庆峰给的分配比例是：

这个比例如果成立，对成本结构的冲击是结构性的——六成任务不花钱。

但整套设计有一个致命前提：路由必须准。 路由判错的代价是双向的：该端办的送云端 → 白花钱；该云办的压在端上 → 答不对。

所以真正有技术含量的是那个数字：

端云路由准确率：81.2% → 96.1%

怎么做到的？讯飞用的是「基于评语模型的端云路由协同训练机制」。

翻译成人话：不是手写规则判断「这个问题该谁做」，而是训一个会打分的模型，让它学会评价「这个任务交给端侧/云端/协同，哪个结果更好」，然后用这个评价信号反向去训练路由决策。

这个思路值得单独拎出来说，因为它绕开了一个经典难题：

隐私设计：脱敏发生在端侧

端云协同的流程值得单独看，因为它决定了这套架构能不能卖给对数据敏感的行业：

① 端侧模型先梳理本地数据（周报、邮件、经营数据）
    ↓
② 端侧模型做脱敏处理            ← 关键：脱敏在本地完成，明文不出设备
    ↓
③ 发起协作申请，脱敏后的内容上云
    ↓
④ 云端模型处理后返回
    ↓
⑤ 端侧模型把脱敏信息还原，生成完整内容

现场演示的场景是一个创业公司总经理让 AStudio 在不联网的情况下查看各大区周报和邮件、分析经营情况，输出可视化表格、三项待办、风险提示，并附上对应邮件链接。

对教育、医疗、法律、政法这类行业，这套「端侧脱敏 + 云端协同 + 端侧还原」的流程，比任何跑分都更有说服力——它是能不能进这个市场的前置条件。

四、端侧 4B：一个被低估的战场

讯飞把 X2.6-4B 开源了。这个选择值得单独说一句，因为端侧模型的竞争逻辑跟云端完全不同。

上一代 X2.5-4B 从 9 月 1 日开源到现在，下载 256 万次，全球端侧模型前四。这个数字比很多云端模型的调用量更能说明生态位。

这次 X2.6-4B 的训练方法也有个细节值得记：

端云一体训练技术：采用端侧模型能力感知的自适应迭代后训练算法，根据端侧能力动态选择教师模型、调整训练比重。

这是知识蒸馏的一个变体。传统蒸馏是「固定用最强的教师模型」，但问题在于——教师的强项未必是学生的短板。端侧 4B 的瓶颈在特定能力（工具调用、长文本），用一个「全面强但风格不匹配」的教师，蒸馏效率不高。

改成按端侧模型的实际能力表现动态挑教师，等于每次蒸馏都针对当前最弱的那一项。这个思路可以迁移到任何「大模型教小模型」的场景。

五、一个必须记录的坦诚：差距还在

这场发布会里，我认为最值得引用的一句话不是任何技术指标，而是刘庆峰的这句：

国产算力对标全球仍有两代左右的差距，但差距会逐步缩小。

在自家产品发布会上公开承认差距，这在国产模型发布会里不常见。

这句话的价值在于它给了整场发布一个正确的解读框架：X2.6 证明的不是「国产算力已经追平」，而是「国产算力上的工程优化，已经能把差距压缩到产品可用的程度」。

这两件事完全不同：

• 前者是硬件问题，短期内解决不了
• 后者是软件问题，可以靠算法和工程一点点啃

而这次拿出来的所有数字——4 倍训练效率、4.5 倍推理效率、63%→95.7% 缓存命中、81.2%→96.1% 路由准确率——全部是软件层面的收益。也就是说，它们是在「硬件差两代」这个既定前提下，用工程手段抢回来的。

这个思路对所有做国产化适配的团队都适用：硬件的账算不过，就先在软件栈上把每一分算力榨干。

六、三条可以带走的判断

判断一：KV Cache 命中率正在成为比跑分更重要的选型指标

讯飞 95.7%、DeepSeek 96%——两家头部不约而同把命中率做到 95% 以上，而且都把它当成核心卖点。

对你的实际意义：下次选模型，别只问「跑分多少」，问「缓存命中怎么算钱」。

一个跑分高 5 分但缓存命中率只有 60% 的模型，在长上下文 Agent 场景里，真实成本可能比便宜模型贵一倍以上。因为你的账单里，重复上下文的比重往往远大于新输入。

判断二：端云路由是一个被忽视的架构层

大多数团队做 AI 应用时，架构只有两种：纯云、纯端。中间那层「按任务决定在哪跑」几乎没人认真做。

但 60/30/10 这个分配揭示了它的价值：如果能准确判断 60% 的任务不需要上云，你的推理成本直接砍掉一大半。

而做这件事的门槛，比想象中低——不需要自研芯片，只需要一个可靠的路由判断（哪怕先用关键词规则起步，再逐步训评语模型）。成本优化的性价比，在路由层往往高于模型层。

判断三：2026 年的国产模型竞争，已经从「刷分」转到「算账」

看这次发布的组合拳：

• 训练效率（迭代速度 → 抢时间窗口）
• 推理效率（单位成本 → 抢价格空间）
• 缓存命中（长上下文成本 → 抢 Agent 场景）
• 端侧开源（装机量 → 抢生态位）
• 定价（0.9/0.08/3.6 → 直接对标友商）

没有一项是在比「谁更聪明」，全部是在比「谁的成本结构更好」。

这个转向对整个行业是好事——因为能力差距在缩小，而成本差距会直接决定谁能活下来。

七、一句话总结

星火 X2.6 最值得记的不是 293B，也不是百万上下文，而是它给出的这个证明方式：

在硬件落后两代的既定条件下，用动态并行、四层 KV Cache、评语模型路由这几项纯工程手段，把训练周期砍掉 3/4、推理效率提到 4.5 倍、缓存命中做到 95.7%。

如果这套方法可复现，那么「国产算力能不能训出好模型」这个问题，答案已经不再是「等硬件追上来」，而是「先看软件能把现有硬件榨到多干」。