iFlytek unveils Spark X2.5, a 293B MoE trained on domestic 10k-card cluster
On September 7, 2026, iFlytek released the Spark X2.5 model, a 293B-A30B MoE architecture focused on code and agent capabilities, covering over 200 languages. The model was pre-trained and post-trained on a domestic 10,000-card 910B cluster, with inference also on domestic platforms using multi-step speculative decoding. Notably, Spark X2.5 now participates in optimizing NPU operators, marking AI's role in refining underlying compute.
Coverage timeline
机器之心机器之心
编辑｜Clio 最近几个月，国产 AI 算力开始密集跨过一个新的数量级。 7 月，全国产十万卡 AI 超集群落成；9 月初，无锡国产万卡级智算中心一期 2000 张摩尔线程 MTT S5000 GPU 智算卡已全部投入运行，集群算力需求基本达到满载；国产卡正在进一步向万卡乃至十万卡级训练基础设施迈进。 无锡（惠山）国产智算中心机房内 集群规模越来越大，新的问题也随之而来：这些芯片究竟能发挥出多少实际训练能力？ 大模型训练里，卡数增加的同时，系统复杂度也会跟着上升。一块芯片上的算子效率差异，放到数万块芯片上会不断被放大；小规模训练里不太显眼的通信等待，到了万卡集群会变得很可观；节点数量增加、训练周期拉长之后，软硬件故障也会更频繁地进入日常运维。 因此，评价一套算力系统，除了看芯片数量和单卡性能，还要看算子、通信、并行调度、故障恢复以及软件栈之间能不能配合起来。 最近一个新发布的模型引起了我们的注意。 9 月 7 日，科大讯飞正式发布星火 X2.5。该模型采用 MoE 架构，参数规模为 293B-A30B，重点提升代码和智能体能力，同时覆盖 200 余种语言，在语言理解、答题、推理等通用任务上保持优异效果。 其中，万卡规模国产 910B 集群承担了模型的预训练和后训练，线上推理基于国产平台，并配合多步投机解码提升推理效率。 值得一提的是，随着代码和工具调用能力增强，星火 X2.5 也开始参与 NPU 算子优化，AI 开始反过来参与底层算力的优化。 通过这次真实的大模型训练，也可以进一步探讨万卡国产算力面临的几个具体工程问题：算子效率、长上下文处理、万卡通信和长周期训练稳定性，以及模型与底层算力之间正在形成怎样的反馈关系。 这次星火 X2.5 的训练优化，也基本围绕这些问题展开。 万卡国产芯片，怎么真正干活？ 可以把大模型训练想象成一座超大型工厂。 万卡集群里的芯片，是成千上万名「工人」；显存是存放模型参数、上下文和中间数据的「仓库」；通信网络则是芯片之间交换数据的「运输通道」。当规模扩大到万卡级，计算速度、显存容量、通信效率和系统稳定性，都会直接影响整座「工厂」的效率。 而推理和训练，对这座「工厂」的要求并不相同，这也是「推理适配」和「全国产训推」的关键区别。 推理适配主要解决模型能否在国产芯片上高效部署运行；完整训练还涉及参数持续更新、跨卡同步、数值稳定和长周期故障恢
