中国电信星辰开源 Xing4.0-29B-Intent：一句话同时做意图判断与参数抽取

中电信人工智能科技有限公司星辰通用人工智能实验室于 10 月 22 日发布并开源意图理解专用模型 Xing4.0-29B-Intent，同时开放 275 万条训练语料、模型权重与推理镜像。据量子位报道，模型的目标是把用户的一句话直接转换成业务系统可以继续处理的结构化信息。

与常见对话模型不同，这个模型要同时完成两类工作。一类是做选择题：在给定候选里判断用户想做什么，比如识别出控制灯光；另一类是做填空题：把完成任务所需的具体信息抽出来，比如房间是卧室、设备是灯、状态是暖黄。官方称模型支持一句话中包含多个意图、多个参数和多个实体的情况。

技术实现上，模型采用所谓统一模式驱动的语义解析框架，用类别加参数的层级结构组织输出，按预定义字段规则返回 JSON。意图理解、实体识别、关系抽取、事件抽取这些异构任务被统一到同一套输入输出格式，目的是让下游系统接入更稳定、迁移成本更低。

为什么不用通用大模型？报道给出的理由有三点：时延、成本和可靠性。通用模型习惯长篇推理，而工单路由这类问题等不起；每天上百万次调用时，用大模型做分类和信息抽取的成本会被成倍放大；自由文本输出难以稳定解析，而专用模型的字段和格式是可校验的。

官方给出两组自建评测。第一组从 48 个中英文公开数据集抽取 6000 道题，覆盖四类抽取任务，同时考察类别与内容是否正确，Xing4.0-29B-Intent 总分 58，参评的 18 款通用模型最高为 49。第二组只考察类别判断，包含单选题、多选题与无可抽取内容的负例题，模型总决策分 70，官方称其在三个子项上均领先对比模型。

需要说明的是，这两组评测由公司技术团队自行开展，官方也在文末注明结果只反映本次评测数据与测试设置下的表现，不代表所有任务与实际部署效果。这个限定对判断模型的真实水平很重要。

落地方面，模型已在电信万号客服系统中承担对话意图识别与工单智能路由，也在智能家居音箱等终端上把口语指令转成设备可处理的结构化指令。开源部分包括 275.3 万条监督微调语料、模型权重、推理镜像与开放的 Schema，语料重构自 61 个公开数据集。

这类专用小模型的价值不在更聪明，而在把不稳定的一环固定下来。对做终端交互、企业客服机器人和需要函数调用参数的智能体团队来说，一个响应在两百毫秒以内、输出严格受约束的语义入口层，往往比一个能力更强但输出自由的通用模型更好用。接下来要看的是开放语料的实际质量、社区微调后的长尾意图表现，以及它在复合指令上的稳定性。