中国电信发布意图理解专用模型 Xing4.0-29B-Intent，综合表现超越主流通用大模型

封面为AI生成的主题示意图，非新闻现场照片。

中电信人工智能科技有限公司星辰通用人工智能实验室近日正式发布并开源意图理解专用模型 Xing4.0-29B-Intent。该实验室同步开放了 275 万条训练语料、模型权重与推理镜像，旨在为开发者提供支持业务场景接入的配套资源。Xing4.0-29B-Intent 模型将意图识别与参数抽取能力结合，能够将用户口语指令转换为结构化信息。目前，该模型已在电信万号客服、智能家居音箱等终端产品中落地应用，服务于对话意图识别、工单智能路由及口语指令解析。与仅能进行‘选择题’决策的通用大模型不同，Xing4.0-29B-Intent 支持‘填空题’式的参数提取，能够处理包含多意图、多参数和多个实体的复杂语句。模型采用统一模式驱动语义解析框架（USP），输出遵循预定义的 JSON 格式约束，显著降低了下游任务迁移成本。针对通用大模型在响应速度、决策成本和可靠性方面的短板，该专用小模型进行了优化。其平均输出仅需几十个 token，完整结果响应时延可达百毫秒级；同时，由于规模较小且输出结构严格受限，其在特定场景下的调用成本更低，解析稳定性更高。在评测中，Xing4.0-29B-Intent 展现了优于主流通用大模型的表现。基于 48 个中英文公开数据集的测试显示，该模型总分为 58，高于本次参评的 18 款通用模型最高总分 49，在意图分类、实体检测、关系检测和事件抽取四项任务中的得分均领先对手。另一项仅针对类别判断的评测包含 5606 道题，涵盖单选、多选及负例三种情况。结果显示，Xing4.0-29B-Intent 总决策分为 70，其中单选题得分为 65、多选题得分为 68、负例得分为 70；相比之下，参评的 Jev 模型总决策分仅为 56，显示出前者在精准度与全面性上具有明显优势。此次开源行动标志着意图理解领域不再依赖通用大模型的强推理能力。专用小模型通过快响应、低成本和高可靠性的特性，为电信客服、智能家居等对实时性要求较高的业务场景提供了新的技术选择。