讯飞星火X2.5近期上线，参数规模293B-A30B，重点提升代码与智能体能力，覆盖200余种语言。在此之前，讯飞已开源星火X2.5的两款端侧模型，分别为4B和1.7B，都能在端侧原生跑100万Token上下文；其中4B模型一度被社区送上Hugging Face趋势榜第一。
把模型投入真实任务，考验的不只是问答能力。评测中，星火X2.5在半小时内把61页的英伟达Q2财报整理成9份图表和1份投研风险简报，还对一份模拟问卷数据指出了样本少、未实现控制变量等问题。这些任务的共同点，是从“生成内容”走向“交付结果”。
API层面，星火X2.5原生支持Anthropic、Responses协议，开发者可以快速接入OpenClaw、Claude Code、Codex等第三方工作台框架。当Agent成为模型的主要使用方式，接口兼容性与工具调用能力，和模型本身的推理水平同样重要。
Agent不是一锤子买卖。模型要持续更新，工具和任务也一直在变，只做推理适配，解决的永远只是当下遇到的问题；只有打通训练与推理全链路，才能把使用中出现的新需求送回训练端，再让升级后的能力快速回到应用中。
讯飞的选择是把模型训练、强化学习、持续迭代到推理部署整条链路落在国产算力平台上。据其在业绩说明会上披露，MoE模型在国产算力上的训练效率相较同规模A800集群，已从开箱状态的30%提升至93%，背后是算子适配、集群通信与专家路由的长期打磨。星战科技在GPU算力平台与大模型API广场上的方向，同样是把异构算力组织成稳定可调用的资源，让模型的训练与推理形成可持续运转的闭环。
需求端也在推着这条路走。根据国务院2025年8月印发的相关意见，到2027年，新一代智能终端、智能体等应用普及率将超过70%。当Agent大规模铺开，训练、更新和推理都会成为持续发生的需求，算力不仅要够用，还要像水电一样长期稳定供应。
把星火X2.5放到行业主线里看，它刚好把两件事拧在一起：Agent开始从聊天走向交付，国产算力也开始从“跑通模型”走向“托住真实应用”。模型上线只是开工，能把成品稳定交到用户手里，才算真正干活。
