9月1日，端侧开源模型 Spark X2.5-4B/1.7B 上架；9月7日，293B 的云端旗舰星火 X2.5 上线开放平台；9月16日，语音基座 Spark-Audio-1.0-Preview 又补了一刀。三周三连发，把这个国产大模型阵营里的"老玩家"直接顶回了讨论区前排。知乎知乎
有意思的是社区的分裂：知乎上"讯飞星火X2.5，是机会还是泡沫？“的问题挂了两周，一边是"业界首个百万上下文端侧模型”“4B 跨级打 9B"的刷屏解读，另一边是"上一次更新还是春节期间”“缓存 0.24 还是有点贵"的冷水。 争论分裂的底层，其实是两张反差极大的账：一边是星火 App 月活 236 万、在国内 AI 应用榜排第 22（AI产品榜今年6月口径），对面是豆包、千问们亿级的活跃用户；另一边是上半年研发投入 30 亿+、同比增长 25.73%，扣非净亏损扩大到 6.37 亿，大模型中标数量和金额还继续保持行业第一。 36氪那句"做得早、投入久、没离开牌桌，但换不来用户和商业回报”，说的就是这种错位——模型在牌桌上，生意在后台里。知乎36氪
做独立横评的博主 toyama nao 给了个克制的位置：X2.5 在纯国产算力阵营里超过所有对手，极限来到国模第三梯队头部，但稳定性和前代类似，“不确定性极大”。知乎
判断型内容最怕只信一面。这篇不复述任何一张跑分表，把三周里的多源信息并到一起，只算三个数字：0.24、64K、238.8万。它们分别对应选型时的三本账：跑分可信度、端侧真实边界、Agent 用量成本。
第一本账：跑分表里有多少是"自测"
先把开源这事的细节对齐：这次开源的两款端侧模型，发布方是科大讯飞全资子公司"词元星火"（Hugging Face 账号 XHToken），不是讯飞本号；许可证 Apache-2.0，可商用；云端那个 293B-A30B 的 X2.5 则没有开源。 有人因此嘀咕"开源换了个马甲"，这个动作本身值得记一笔，但不改变模型卡上的数字。知乎知乎
数字怎么读？官方模型卡里最炸眼的一条：BrowseComp 40.9，对标 Qwen3.5-9B 的 8.3——4B 尺寸在 Agent 检索类基准上跨过 9B 打。τ³-bench、MCP-Atlas、IFBench 这些智能体指标也普遍越级。但要注意两条口径：其一，成绩全部来自官方 thinking 模式自测，路过银河和独码侠都交叉核对过 DataLearnerAI 与魔搭镜像，确认"一致"——问题是这些镜像的源头还是同一份官方模型卡；其二，SWE-Bench Verified、GPQA 等通用项并没有全面领先，符合"参数规模的物理规律"。知乎
反证信号也得放进来：toyama nao 的逻辑题横评给 X2.5 的定位是"第三梯队头部、稳定性差"，这位博主上一句还是"半年前的模型仿佛来自上世纪"——在"2 个月进化一代"的节奏里，讯飞这次是把进度条拉回来了，而不是领跑。
这页账的结论：拿它当"国产算力阵营里最强的端侧开源选项"来看是成立的；拿"打 9B"的截图去期待它替代云端主力，目前只有自测证据。
第二本账："端侧百万上下文"在你的机器上是 64K
1M 上下文是这轮最大的卖点：1 层全注意力 + 3 层滑动窗口注意力的混合架构，config 里 max_position_embeddings 写到 1,048,576，宣称一份几十页的手册一次读完。
官方口径和实测口径之间，隔着内存。把 X2.5-4B 拉进本地 Agent 客户端跑了 12 项任务的实测（Apple M1 Pro、32GB 统一内存、llama.cpp）给出的修正是：BF16 权重约 8GB 常驻，默认以 64K 上下文启动就能覆盖绝大多数任务；实测可稳定拉到 128K；所谓"一次读完"的超 64K 大输入，需要显式以 ≥128K 启动才会不溢出——超了直接长度中断。1.7B 更保守，-c 49152。4bit 量化后权重还能再砍半，进 8GB 显存级设备才有谈"原生 1M"的余地。知乎
另一处坑在工程侧而非模型侧：官方 fork 的 /v1/responses 只实现了 function 类工具，Codex 原生的文件类、web_search 工具类型会被丢弃，导致 Codex 驱动本地模型时"空回复退场"；换 Claude Code（Anthropic 协议）或 Hermes 走 OpenAI 协议才跑得通。也就是说，"官方深度集成 Codex/Claude Code"这句话，在你的笔记本上要按客户端和协议版本逐条验证。知乎
干活能力本身，实测是"能干活，但结论要人工复核"：77 行订单表埋 32 处异常，4B 自己写脚本标出 73 处——总量方向对，但"重复订单"判定用整行匹配漏掉了同单号不同内容的行；两份 8000 字技术方案对比，4 类埋雷全抓出，报告自述"13 处核心差异"与明细逐类相加的 14 处又对不上。 4B 的问题是长报告的自我统计一致性，这恰是把它接入自动化流水线前必须设人工关卡的地方。知乎
第三本账：定价页比跑分页诚实
云端 X2.5 的定价值得单独看：输入 1.6 元/百万 Token、缓存命中输入 0.24 元、输出 6 元，限时 5 折（原价 3.2/0.48/12）。智东西的首发实测给了一份天然的账单：让 X2.5 做一款 HTML 枪战游戏，两轮生成合计 17 分 30 秒，累计 Token 约 238.8 万——其中缓存读取 227.9 万、未缓存输入 6.51 万、输出 4.39 万。知乎
按 5 折价算：227.9万×0.24 + 6.51万×1.6 + 4.39万×6 ≈ 0.91 元，一个可玩的 Agent 任务。但看结构：95% 的 Token 走的是 0.24 的缓存价。如果缓存完全不命中，同一次任务光输入就要 3.7 元上下，原价口径直接逼近 7.5 元。做 coding agent 的用量成本，几乎由缓存命中率一个变量决定——定价页把缓存价压到输入的 15%，说明讯飞清楚自己要吃的就是多轮重复上下文的工作负载。
反方账本也摆出来：星空灵核那句"缓存价格 0.24 还是有点高了，个人没什么兴趣"，前提是同日上线的讯飞星辰 MaaS 对 X2.5 端侧/云端 API 开放限时免费，个人玩家还有魔搭和 GGUF 本地路线——而且这个 MaaS 平台本身已整合 50 多个主流开源模型、兼容 OpenAI/Anthropic 协议，星火只是货架上最新的一层。 所以对号入座：API 定价账只对"量大到免费额度罩不住"的人成立，普通尝鲜者先薅限时免费和本地开源。知乎36氪
谁该动、谁再等
端侧模型玩家/本地 Agent 折腾党：值得马上动手，下载 Q4 量化跑你自己的真实任务（官方推荐采样 temperature=1.0 / top_p=0.95），别拿跑分截图当预期；内网、数据不出设备的场景，Apache-2.0 + 昇腾训练 + vLLM/SGLang/llama.cpp 全家桶支持，是目前国产端侧里工程选项最全的一档。
用开放平台的个人开发者：先查自己的缓存命中率再算账，5 折是"限时"，盯紧恢复原价的时间点；轻量需求先用星辰 MaaS 免费额度顶。
等语音能力落到硬件的人：Spark-Audio-1.0 号称 202 种方言、99 种语言端到端识别，但官方口径是 API 后续才上开放平台，实时延迟、长音频上限均未公布——10 月的 1024 开发者大会才是消费硬件侧跟进的信号点，现在不用为它改变购买决策。知乎
纯围观用户：这轮更新短期内不会改变耳机、录音笔这些产品的价格，等等党维持原判。
接下来盯三个信号
星火 X2.5 的"限时 5 折"何时收，以及 293B 云端版会不会松动开源口径；
Spark-Audio API 上开放平台后的定价，以及讯飞消费硬件有没有任何一款官宣接入；
迭代节奏——toyama nao 那句"2 个月是模型的地质纪年"是说给所有国产厂商的：讯飞上一次和这一次之间隔了大半年，如果下个版本又要等半年，这次的三连发就只是补课，不是转身。
你现在把星火 X2.5 系列接进工作流了吗——是本地 4B 党、MaaS 免费额度党，还是被 0.24 缓存价劝退的那一派？评论区聊聊你的实测账单。
