中电信星辰开源意图理解专模 Xing4.0-29B-Intent：275 万条语料 + 权重 + 镜像，百毫秒级

它解决什么：把一句话拆成「类别 + 参数」

以「帮我把卧室的灯调成暖黄」为例，系统不仅要判断出「控制灯光」，还要提取「哪个房间（卧室）、什么设备（灯）、什么状态（暖黄）」。Xing4.0-29B-Intent 同时支持「做选择题」（Jev 类决策，从候选里挑答案）与「做填空题」（参数抽取，提取完成任务所需的具体信息），也支持一句话包含多个意图、多个参数、多个实体。模型采用统一模式驱动语义解析框架（USP），以「类别 + 参数」层级组织结果，按预定义字段输出 JSON。

为什么不用通用大模型：速度、成本、可靠性三笔账

• 输出速度通用大模型习惯长篇推理，问「工单转给谁」往往等它说完客户已挂电话；该模型平均只输出几十个 token，完整结果百毫秒级。
• 决策成本用通用大模型做分类和信息提取是「杀鸡用牛刀」，一天上百万次调用时成本差距成倍放大。
• 决策可靠性通用大模型输出自由文本、同一问题十种说法；该模型输出被约束在预定义结构里（字段确定、格式可校验），下游系统稳定解析。

效果与开源范围

测评从 48 个中英文公开数据集按比例抽 6000 道题，覆盖意图理解、实体识别、关系抽取、事件抽取四类任务；Xing4.0-29B-Intent 总分 58，高于本次参评 18 款市面主流通用模型的最高总分 49，四类任务分项也均高于参评通用模型。团队还构建了面向手机端智能交互的中文口语理解基准 CMPA-SLU，相关成果被 EMNLP 2026 录用。开源包同步放出 275 万条训练语料、模型权重与推理镜像。

已在哪些场景跑起来

目前已在电信万号客服、智能家居音箱等终端产品中应用，服务于对话意图识别、工单智能路由和口语指令解析。对政企，工单分流、客服意图、语音指令解析这类「高频、场景收敛、要快」的活，正是小专模的主场。

来源：C114 通信网（星辰意图理解模型 Xing4.0-29B-Intent 发布，2026-10-20）。测评分数为厂商公布口径，以官方发布与复现结果为准。本文仅转述公开报道，不评判任何企业与产品，不构成投资建议。