中国电信星辰开源Xing4.0意图理解专用模型 性能优于通用大模型

意图理解专用模型评测表现突出

星辰通用人工智能实验室推出的Xing4.0-29B-Intent模型，在专项评测中展现出显著优势。技术团队开展的两组评测结果显示，该模型在类别判断与内容抽取的综合得分达58，远高于18款主流通用模型的最高得分49；在仅考察类别判断的场景中，其总决策分、单选/多选/负例得分均领先于对比模型，尤其在多目标识别和防误报场景中表现优异。

该模型支持意图分类、参数抽取、信息抽取等多种功能，推理延迟控制在200毫秒内，对比轻量级决策模型，它新增了参数抽取等能力，适配更多复杂场景。

为何需要专用意图理解模型

很多人会疑惑，通用大模型已具备强大能力，为何还要开发专用意图理解模型？这是因为在客服、智能家居等对响应速度、成本、可靠性要求高的场景中，通用大模型存在三大短板。

首先是响应速度不足，通用大模型习惯先推理再输出，动辄生成大量无关内容，而这类场景需要快速反馈，否则会影响用户体验。专用模型仅输出关键决策信息，响应时延可控制在百毫秒级，效率大幅提升。

其次是成本过高，用通用大模型做分类和信息提取如同“杀鸡用牛刀”，而专用模型规模小、调用成本低，在高频调用场景下优势显著。

第三是可靠性不足，通用大模型输出自由文本，同一问题可能有多种表述，下游系统难以稳定解析；专用模型则严格遵循预定义结构输出，确保格式统一、可校验，避免“自由发挥”带来的问题。

模型功能与应用场景

Xing4.0-29B-Intent将意图识别与参数抽取功能结合，可把用户的自然语言指令转化为业务系统能直接处理的结构化信息。比如用户说“把卧室的灯调成暖黄”，系统能精准提取出“卧室”“灯”“暖黄”等关键参数，而非仅识别“控制灯光”这一意图。

目前，该模型已在多个场景落地：在客服系统中，它负责对话意图识别和工单智能路由，帮助不同诉求快速分类流转；在智能家居场景中，它将用户的口语指令转化为设备可执行的结构化指令，衔接自然交互与设备操作。

对于开发者来说，该模型尤其适合三类场景：一是终端交互，如语音助手、智能座舱等，需要同时处理意图和参数，且对速度成本要求高；二是企业客服或IM机器人，在冷启动阶段缺乏标注数据，无需为每个新意图标注大量样本；三是智能体或工具调用应用，需要稳定、低错误率的语义入口层。

开源资源与试用方式

此次开源的Xing4.0-29B-Intent包含四类核心资源：275.3万条监督微调训练语料，重构自61个公开数据集，覆盖19个领域、52种语言；针对终端交互场景的中文口语理解基准语料；模型权重；官方推理镜像。

开发者可通过代码仓库、开源社区平台获取资源，围绕自身场景开展评测和试用，相关技术团队也欢迎开发者反馈问题与建议。