讯飞星火 X2.5 上手指南：293B 旗舰与 4B 端侧开源怎么选、怎么接

太长不看

你的情况	建议	原因
想在云端调用、写代码或跑 Agent 工作流	走旗舰版 293B 的 API	256K 上下文、原生兼容 Anthropic / Responses 两种协议，改个 base_url 就能接进现有工具
数据不能出内网，或者想离线用	部署 Spark-X2.5-4B	Apache-2.0 可商用，q4 量化后约 2.6GB，6~8GB 显存甚至纯 CPU 都能跑
只是想做长文档摘要、翻译、简单问答	先试 1.7B 端侧版	BF16 权重 3GB 出头，四比特量化后减半，手机上都能跑
英文长文深度阅读、海外 SaaS 调试、多模型交叉验证	星火不够用	见第七节，这类任务仍然得海外模型兜底
预算极紧、只想先跑通	端侧模型的 MaaS API 目前限时免费	先用免费额度验证效果，再决定要不要上付费旗舰

先说结论：这次发布最值得关注的不是那 293B 的旗舰参数，而是”旗舰 + 端侧 + 双协议兼容”这三件事被拼到了一条线上。 一个模型家族同时覆盖云端调用和离线部署，还愿意适配别家工具的协议,这在国产模型里不算常态。

一、九月上旬到底发了什么

节奏很密，三天一件事：

9 月 1 日：子公司词元星火在 Hugging Face 开源 Spark-X2.5-4B 与 Spark-X2.5-1.7B 两款端侧模型
9 月 7 日：旗舰版星火 X2.5（293B-A30B）发布，上线讯飞开放平台与星辰 MaaS
9 月 8 日：官方稿件正式宣布旗舰版上线，同步给出限时五折价格

按官方口径，两款端侧模型原生支持最长 100 万 Token 上下文，是端侧模型里少数做到这个量级的产品；4B 版本在开源后不久冲上 Hugging Face 趋势榜第一,这个信号比任何跑分都直观——社区真的把它拉下来跑了。

旗舰版这边，核心是四个数字：总参数 2930 亿、每次推理激活 300 亿、上下文 256K、覆盖 200 余种语言。官方强调的升级点是代码生成和智能体（工具调用）能力，而不是闲聊质量。

另一个容易被忽略的细节：全流程训练与推理都跑在国产算力集群上。 对政企、涉密场景来说，这是选型的硬门槛，比多几分跑分重要得多。

二、价格：五折是不是真的便宜

先看官方公布的旗舰版定价（限时五折期间的价目）：

计费项	折后价（元 / 百万 Token）	原价
输入	1.6	3.2
输入（缓存命中）	0.24	0.48
输出	6	12

怎么看这个价目表，有三点值得说：

第一，缓存命中的差价很大。 输入 1.6 元、缓存命中 0.24 元,差了将近 7 倍。这意味着”把固定的系统提示词和长文档放在前面、让后面反复命中缓存”这种用法，成本会明显低于你的直觉估算。做 Agent 的人尤其要注意这一点——长系统提示词是刚需，缓存策略直接决定账单。

第二，输出才是大头。 输出价格是输入的近 4 倍。所以”让模型先长篇解释再给答案”的提示词写法很贵，直接要结构化输出更划算。

第三，五折是限时。 别按折后价做长期预算模型。订阅制产品的定价窗口期都不长,按原价估、按折后价用，是更稳的财务习惯。

三、API 怎么接：两种原生协议是关键

这次最实用的设计是原生支持 Anthropic 与 Responses 两种协议。官方明确提到可以快速接入 Claude Code、Codex、OpenClaw 等第三方 Harness 框架,这意味着你不需要为它专门写一层适配代码。

原理很简单：这些工具都允许把请求地址指向自定义的兼容端点。以 Claude Code 一类工具为例，通常设置两个环境变量就能切换：

1 2	export ANTHROPIC_BASE_URL="<讯飞控制台提供的兼容端点>" export ANTHROPIC_AUTH_TOKEN="$XINGHUO_API_KEY"

端点地址和模型名以讯飞开放平台的控制台文档为准,各家兼容层命名可能随版本调整，接入前先确认一次，别照抄第三方博客里的旧地址。

如果你要自己写调用代码，走标准 HTTP 请求即可：

curl -X POST "$BASE_URL/chat/completions" \
  -H "Authorization: Bearer $XINGHUO_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "<控制台中的模型名>",
    "messages": [{"role": "user", "content": "把这段财报里的三个异常项挑出来"}]
  }'

⚠️ 三个实操提醒：

不要把 API Key 写进代码再提交到 Git。 用环境变量或密钥管理服务，这是最低要求。
先跑通一条最短链路——一次简单请求返回正常，再去接 Harness。跳过这步的代价通常是花两小时排查工具配置，结果发现是 Key 没配好。
留意协议兼容的边界。 兼容协议不等于功能完全对等,某些工具的高级特性（比如特定的工具调用格式、思考块）可能只在原生协议上完整支持。接入后务必跑一轮真实任务验证，别只看”能连上”。

四、端侧 4B：本地跑长上下文要多少显存

这部分对个人用户最实用。因为权重开源、协议宽松（Apache-2.0，可免费商用，微调后无需开源），Spark-X2.5-4B 可以真正部署在自己的机器上。

先看体积与硬件需求（官方与社区整理的口径）：

精度版本	文件体积	建议配置
BF16 原版	约 8.2GB	12GB 显存以上
q8_0 量化	约 4.4GB	6GB 显存起步，8GB 更稳
q4_k_m 量化	约 2.6GB	4GB 显存可试，纯 CPU 也能跑

具体怎么跑起来，走 llama.cpp 这条路最省事：

# 1. 从 Hugging Face 或 ModelScope 找到 Spark-X2.5-4B 的 GGUF 仓库
# 2. 起来一个 OpenAI 兼容的本地服务
llama-server -m ./Spark-X2.5-4B-Q4_K_M.gguf \
  --ctx-size 32768 \
  --port 8080

# 3. 之后按普通 OpenAI 接口调用 http://localhost:8080/v1

Ollama 和 LM Studio 也都支持，图形界面用户可以直接在模型库里搜,具体 tag 名以官方仓库为准。

这里要说一句可能不太好听的话：官方宣传的”1M 上下文”，在端侧是理论值，不是许愿池。

1M Token 的 KV 缓存是实打实的显存开销，即便模型用了 1 层全注意力 + 3 层滑动窗口交替的混合架构（官方称长文本显存占用约为传统全局注意力的四分之一），普通 8GB 显卡也撑不住跑满。务实做法是按需设置 --ctx-size：日常问答给 32K，读长手册给 64K~128K，真要用满百万级上下文，那是云端该干的活。

顺带一提，1.7B 版本体积更小——BF16 权重 3GB 出头，四比特量化后体积还能减半，官方称可以在普通手机上运行。作为手机上做翻译、摘要、简单指令分发的小模型，定位是合理的。

五、实测与基准：哪些数字能信

搜了一圈媒体实测，能提取的事实性结论有这么几条：

智东西把星火 X2.5 接进 DeepSeek Harness 做了实测，测的是游戏开发等真实任务，而不是单轮问答
另一篇实测把它接进 Codex 跑了三道任务：生成粒子动画、解析一份 61 页财报、顺手查出一段代码里的 Bug
官方演示的场景里，长任务是重点——给一堆零散报表，让它读取、核对、画图、写总结一条龙做完

关于跑分，4B 版本官方自测的部分 Agent、编程、数学基准超过了 Qwen3.5-9B 和 Gemma4-12B；1.7B 在 MCP-Atlas 评测拿到 23.4 分，官方称是同尺寸最高；在 Domux 智能家居测试集上控制指令端到端正确率 90.3%、平均响应 0.85 秒。

这些数字要打三个折扣看：

一是自测口径。厂商自己跑的分数，环境、提示词、评测集版本都可能有优化空间。二是场景特化。智能家居指令类测试的分高，不代表开放域问答也强——小模型做窄场景，本来就有优势。三是Agent 能力的天花板受框架影响很大。同一模型接进不同 Harness，实际表现可以差出一截,所以”某模型 Agent 能力强”这种结论，最好绑定具体工具一起说。

六、和 GLM、Qwen、DeepSeek 怎么选

不列跑分排行榜，列几条真正影响决策的维度：

维度	星火 X2.5	选型时怎么想
算力来源	全流程国产算力	涉密、政企、有自主可控要求 → 权重最高的一项
协议兼容	原生支持 Anthropic / Responses	已在用 Claude Code 一类工具、不想改工作流 → 换模型成本最低
本地可部署	4B / 1.7B 开源，Apache-2.0	数据不能出内网、要离线 → 只有开源权重这条路
长上下文	旗舰 256K，端侧标称 1M	长文档处理是主场景 → 注意端侧实际能跑多少
生态成熟度	相对较新	要大量现成教程和社区方案 → 老牌家族仍占优

一个务实的组合建议：主力工作流用你已经在用的那家（迁移成本是真实成本），把星火当作”第二意见”和”涉密场景备胎”。 多模型交叉验证本来就是降低幻觉的常用手段，多一家国产选择，对做跨境业务的人尤其有价值——毕竟海外模型的链路抖动是你控制不了的变量。

七、绕不开的一节：跨境链路

这里要说清一个容易混淆的问题：用国产模型，本身不需要任何跨境网络。 星火的 API 就在国内，直连即可。

但现实里，很多人是这样用它的：

把星火接进 Claude Code、Codex 这类 Harness 当后端模型——这些工具本身以及它们默认的海外模型调用需要稳定的国际链路
一边用国产模型处理内部资料，一边用 Claude、GPT 读英文长文档、调试海外 SaaS 的 SDK,后者对链路稳定性更敏感
长时 Agent 任务跑到一半断线，几小时的上下文直接作废,这类损失不是”重试一次”能补的

所以如果你的工作流是”国产模型 + 海外工具”的混合形态，一条稳定的国际网络链路仍然是前置条件，不是可选项。

八、FAQ

Q1：免费额度够用吗？ 端侧模型对应的 API 目前限时免费，旗舰版是五折付费。个人试水用免费额度足够验证效果；一旦进入日常使用，按量付费比找免费额度更省时间。

Q2：4B 模型能替代云端旗舰吗？ 不能，也不该这么比。4B 的价值是”离线、私有、零调用成本”，适合长文档解析、本地知识库问答、简单脚本生成。正经复杂编码任务，27B 以下的模型普遍吃力,这是社区的共识口径，不是某一家的短板。

Q3：1M 上下文是噱头吗？ 不算噱头，但要看代价。原生支持百万级上下文意味着模型架构上做了准备，实际能用多少取决于你的显存和 KV 缓存预算。云端按量付费的旗舰版更能发挥这个能力。

Q4：本地部署会不会很难？ Ollama、LM Studio 这类工具已经把下载、量化、加载封装好了，会装软件就能跑起来。真正需要技术判断的是三件事：选哪个量化版本、上下文开多大、显存够不够——这三件事我在第四节给了参考值。

Q5：企业用它要注意什么？ 数据边界永远是第一位。不管是走云 API 还是本地部署，先确认数据存放位置、保留期限、以及会不会用于训练。功能可以后补，数据边界出问题很难补救。

Q6：迁移成本高吗？ 如果你的工具支持自定义兼容端点，成本主要在验证环节——跑一轮真实任务确认行为一致。如果是从头写调用代码，那要考虑提示词适配和评估基线重建，这才是真正的迁移成本。

Q7：现在入场会不会太早？ 不算早。旗舰版已经上线开放平台，端侧模型已经开源可下载，官方还提到会在 1024 开发者节推出基于全国产算力的新一代主力模型,说明迭代节奏还会继续。现在跑通一条链路，等新版本出来迁移成本很低。

Q8：和 DeepSeek 相比谁更强？ 这个问题没有稳定答案，两者迭代都快。判断标准应该是”我的任务上谁更稳”，而不是”谁分数高”。自己拿三件真实任务各跑一遍，得到的结论比任何评测都可靠。

总结

星火 X2.5 这次发布，值得记住的是三件事：

它不是单点产品，是一个家族。 云端旗舰管复杂任务，端侧 4B / 1.7B 管离线场景，两套价格体系覆盖了从个人到政企的不同预算。
双协议兼容是这次最聪明的设计。 降低迁移摩擦，比多几个基准分更能换来真实用户。
国产算力全流程跑通的意义在特定场景才显现。 对普通用户它是背景信息，对政企和涉密业务它是决定性的。

先拿一件手上真实的麻烦事去试,比看完十篇评测都有用。唯一要提醒的是：宣传口径里的”1M 上下文”“同尺寸第一”，都是起点不是结论，自己跑一遍才算数。

服务商	特点	适合人群
👉 访问光速云官网	IEPL + IEPL专线多路复用，100+ 节点，主力推荐	重度 AI 用户、追求稳定
👉 访问飞猫云官网	老牌 IEPL，链路稳定	长时间挂机、agent 长任务
👉 访问飞猫云官网	IEPL 专线 + 住宅 IP，节点覆盖广	多地区切换、账号环境
访问微风网络官网	全球 80+ 地区，¥6.99/月起	学生党、轻度使用先跑通