中国电信星辰开源 Xing4.0-29B-Intent：意图理解既做选择题，也做填空题

对着音箱说一句”帮我把卧室的灯调成暖黄”，系统要做的远不止听清这句话。它得判断这是”控制灯光”，还得知道是哪个房间、什么设备、调成什么状态。对每天要处理上百万次指令的客服和家居系统来说，这套”听懂并拆开”的能力，决定了后面所有流程能不能自动跑起来。

一分钟速览

• 中国电信人工智能科技有限公司星辰通用人工智能实验室发布并开源意图理解专用模型 Xing4.0-29B-Intent。
• 同步开放 275 万条训练语料、模型权重与推理镜像。
• 模型同时支持意图分类（做选择题）与参数抽取（做填空题），一句话里的多个意图、多个参数可一起拆出。
• 采用统一模式驱动语义解析框架，以”类别＋参数”层级输出 JSON，意图理解、实体识别、关系抽取、事件抽取共用一套输入输出格式。
• 平均输出几十个 Token，完整响应在百毫秒级，官方称低于 200 毫秒。
• 已在电信万号客服、智能家居音箱等产品中应用，覆盖对话意图识别、工单智能路由与口语指令解析。

为什么不用通用大模型

通用大模型并非不会做意图识别，而是三个环节不合适。第一是速度：它习惯”想清楚再回答”，动辄数百上千字推理，而”工单转给谁”这种问题等不起，客户可能已经挂断。第二是成本：用通用模型做分类与信息提取，单次调用尚可，一天上百万次就会把差距成倍放大。第三是可靠性：自由文本的输出，同一个问题可能给出十种说法，下游系统难以稳定解析。

Xing4.0-29B-Intent 的思路是把输出关进结构里。它以统一模式驱动语义解析框架（USP）组织结果，按预定义字段规则输出 JSON，字段确定、格式可校验，不给”自由发挥”留空间。技术团队的说法是，异构任务目标——意图理解、实体识别、关系抽取、事件抽取——统一采用同一套输入输出约束，便于下游接入，迁移成本低。

两组评测考的是两件事

第一组考”既分类对，也抽得对”。评测从 48 个中英文公开数据集按比例抽取 6000 道题，覆盖四类任务，类别正确但内容缺失不算完整正确。结果显示，Xing4.0-29B-Intent 总分 58，高于参评 18 款通用模型的最高分 49；分项为意图分类 81、实体检测 72、关系检测 38、事件抽取 40。

第二组只看类别决策，考”不漏选、不多选、不误报”。5606 道题中包含 3940 道单一正确类别题、1666 道多个正确类别题，以及 839 道”无可抽取内容”的负例题。Xing4.0-29B-Intent 决策总分 70，高于 Jev 的 56 与 GPT-6-Luna 的 65；在多选与负例两个最容易出错的子项上，得分分别为 68 和 70。负例得分高，意味着它在没有目标内容时敢于”交白卷”，而不是硬凑一个答案。

专用小模型的位置

过去一年，轻量级决策模型在开发者社区快速走红，说明”意图理解不必依赖大模型强推理”这个判断正在被接受。但决策模型大多只做选择题：从给定候选中挑一个，不支持函数调用参数抽取，也不做信息抽取与事件抽取。Xing4.0-29B-Intent 的差异在于把两类任务合并：既能选类别，也能把完成任务所需的具体信息填进去。

这类模型的价值不在榜单，而在调用结构。当系统每天要处理百万级请求，百毫秒延迟、可控的输出格式、可校验的字段，比综合分更能决定一套业务能不能自动化。开源 275 万条语料与推理镜像，也意味着团队可以拿自己的业务数据做二次验证，而不是只看厂商评测。

需要提醒的是，上述评测由厂商技术团队自行开展，反映的是特定数据集与设置下的表现。真实部署里，电话录音、车载麦克风、会议室远场三类声学环境的差异极大，口语表达的省略与指代也远超测试集。上线前用自有数据跑一遍，仍然是必要的一步。