智东西

作者 | 江宇

编辑 | 漠影

AI 行业正被一个叫Jev的模型搅动。

这款由 TypeSafe AI 发布的 " 系统一模型 "，验证了一个此前被忽视的判断：意图理解这类高频、低延迟的任务，未必非要劳驾千亿参数的大模型 " 硬想 "，专用模型同样能做到又快又准。一时间，决策层与生成层分离，成了 AI Agent 落地的热门话题。

但 Jev 留下了一个问题：判断出用户想做什么之后，谁来负责把事情交代清楚？

例如，用户说 " 把展厅东侧的灯调到 80%、色温 4000K，西侧调到 30%、2700K，入口灯别动 "。识别出 " 调节灯光 "，只能算完成了第一步。系统还需要知道哪盏灯对应哪个亮度、哪种色温，以及哪盏灯必须保持原样。

真实的 AI Agent 场景里，类似的指令比比皆是。判断正确只是基础，能否把用户的自然语言准确转化为结构化参数，同时分清哪些该做、哪些不该做，才是意图理解能力真正的落地考验。

10 月 19 日，中电信人工智能科技有限公司星辰通用人工智能实验室开源 Xing4.0-29B-Intent，尝试补上这一能力缺口。它把意图理解扩展为 " 选择题 + 填空题 "，同时将模型、训练语料和推理 SDK 一并开源。

我们拿了它的接口，围绕智能空间、智能座舱、办公协同和 Personal Agent 等真实场景做了 11 组实测，看看它在更复杂的指令下，究竟能把意图识别与参数提取到什么程度。

开源社区调用地址：

GitHub：

https://github.com/XingChen-AGI/Xing4.0-29B-Intent

HuggingFace：

https://huggingface.co/XingChen-AGI/Xing4.0-29B-Intent

https://huggingface.co/datasets/XingChen-AGI/Xing4.0-29B-Intent-oss

魔搭：

https://www.modelscope.cn/models/XingChen-AGI/Xing4.0-29B-Intent

https://www.modelscope.cn/datasets/XingChen-AGI/Xing4.0-29B-Intent-oss

魔乐：

https://modelers.cn/models/XingChen-AGI/Xing4.0-29B-Intent"

一、一张表看懂：Jev 做选择题，它做的是 " 选择加填空 "

意图理解正在成为 AI Agent 落地的一道重要关卡。过去，人们更关注大模型能否听懂一句话，如今，当 Agent 需要真正接入手机、汽车和企业软件，光能判断意图已经不够了。

先看 Jev 这类决策模型能做什么。

它提供三种决策原语：Noul 布尔判断、Choice 分类选择和 Score 标尺打分。Noul 回答 " 是 / 否 "，返回一个 0 到 1 的概率；Choice 从一组互斥选项里挑最匹配的那个；Score 则在一个有序量表上给出分数。

三种原语可以并行，延迟低到 70 毫秒。其优势在于快速完成预定义范围内的判断。

但这类决策原语的输出仍受候选选项限制，无法直接覆盖真实业务中复杂、开放的参数抽取需求。

例如，" 把卧室的灯调到 30%，客厅调到 70%"，模型需要分别找出卧室、客厅两个对象，并将 30%、70% 的亮度准确对应。如果换成 " 把工单 TK-2048 转给陈知远，优先级设为高，TK-2051 保持原样 "，模型还得理解两个工单对应着截然不同的处理要求。

这类任务涉及意图分类、信息抽取、实体关联以及上下文理解。用户说得越自然，背后的参数往往越复杂。

Xing4.0-29B-Intent 则选择将意图分类与参数抽取整合进同一个模型。

它既能判断一段输入对应什么意图，也能进一步提取其中的实体、数值及相关属性，并通过统一的 JSON 结构返回。

这意味着，面对同一句包含多项指令的自然语言输入，模型可以同时给出意图类别和对应参数，减少业务系统再去解析原始文本的工作。

以展厅灯光测试为例。用户要求将展厅东侧的灯调到 80%、色温 4000K，将西侧的灯调到 30%、2700K，入口灯保持不动，同时将大厅背景音乐音量调到 15%。

模型一次返回了两类意图。其中，" 调节灯光 " 对应两个参数对象，分别包含东侧、西侧的亮度和色温；" 调节音量 " 则提取了大厅、15% 两个参数。由于入口灯被要求保持原样，模型没有将其列入需要调节的设备。

实测：模型同时识别两组灯光参数和一组音量参数

这组结果的价值，在于它保留了用户指令中的对象和属性对应关系，并正确处理了部分设备保持不变的要求。

类似的指令放在智能家居中很常见，但当多个对象、不同数值和否定要求同时出现，模型就需要具备更细致的语义理解能力。

对 AI Agent 而言，判断意图决定了任务方向，参数抽取则决定了后续操作能否准确对应用户的要求。这也是 Xing4.0-29B-Intent 与 Jev 所代表的决策模型之间，一个值得关注的能力差异。

至于性能，Xing4.0-29B-Intent 的速度也没有因为 " 填空 " 变慢。其端到端推理延迟低于 150 毫秒，落在 Jev 的 70 到 500 毫秒区间内。结构化 JSON 输出带 Schema 强约束，Xing4.0-29B-Intent 的格式幻觉也被压得很低。

二、零样本冷启动，硬数据拉开差距

能力定位之外，还得看成绩。意图理解应用长期面临一个成本问题：每接入一个新业务场景，往往就要重新整理意图类别、标注数据，甚至重新训练模型。

如果模型能在缺少示例的情况下识别新类别、抽取参数，开发者接入业务系统的工作量就有望降低。

这也是零样本能力的重要性所在。

在零样本冷启动评测中，Xing4.0-29B-Intent 的 Micro-F1 达到 70.27，较 Jev 最优配置高出 12.62 个百分点，同时超过 GPT-4.1。这一指标反映了模型在相应评测任务中识别意图和提取信息的综合表现。

在要求预测结果全部正确的严格全对指标上，Xing4.0-29B-Intent 取得 61 的成绩，而 Jev 两种配置的成绩介于 21 至 48 之间。

零样本冷启动评测结果

差距背后，反映出两类模型在任务设计上的不同侧重。

Jev 主要针对预定义选项中的快速决策进行优化；Xing4.0-29B-Intent 则要进一步处理输入文本中包含的实体、属性和参数。后者面临的输出要求更加复杂，也更贴近需要结构化信息的业务场景。

再看统一榜单。在覆盖 48 个公开数据集的统一评测中，Xing4.0-29B-Intent 的 Overall 总分达到 58，比排名第二的 Gemini-3.6-Flash 高 9 分。模型在实体识别、关系抽取、事件抽取和意图理解四类任务中均取得领先成绩。

48 个公开数据集统一评测结果

其中，实体检测要找准文本里的人名、地名和组织名称，关系检测要明确不同实体之间的联系，事件抽取则涉及事件类型及其参与要素。这些看似不同的任务，都与结构化信息的准确性有关。

例如，用户要求 " 登记两笔报销 "，模型需要找出报销人、费用类型、金额和所属项目；用户要求 " 创建两张工单 "，模型则需要准确关联门店、设备、故障和联系人。

意图分类只能回答这些任务属于什么类别，更完整的语义解析还需要把每条信息放进正确的位置。

如果说 Jev 验证了专用模型能够承担高频判断任务，那么 Xing4.0-29B-Intent 给出的另一种思路，是让专用模型进一步承担结构化信息整理的工作。对于希望减少业务适配成本的开发者而言，这种能力具有实际意义。

三、11 组真实场景实测，智能座舱、Personal Agent 都能派上用场

统一评测之外，我们更关心模型在真实场景中的表现。此次，智东西追加了 11 组测试，覆盖智能空间、智能座舱、企业业务、办公协作及 Personal Agent等场景，进一步考验其复杂指令理解与参数抽取能力。

先看智能空间，一句话同时控制多台设备。

家居调控测试中，模型一次识别了投影仪、窗帘、主灯和空调等四类意图，准确对应不同区域与各类型开关。

实测：区域、设备与状态准确对应

对智能家居、空间中控等应用而言，用户通常不会逐个描述设备操作。能否将一句自然语言拆解为多组准确参数，直接关系到交互体验。

智能座舱的测试，则给模型出了一道难题。面对多个车窗的控制要求，它正确提取了副驾车窗和天窗的开度。

实测：模型将禁止打开车窗理解为关闭车窗

但其中的偏差值得注意。如果后排车窗原本处于一定开度，执行 0% 的参数反而会改变原有状态。对于涉及物理设备的场景，准确理解否定指令同样重要。

企业业务则是另一种考验：信息多、字段杂，还不能张冠李戴。我们连续测试了工单创建、工单更新、项目管理和费用报销。

两家门店、不同设备故障及联系人，模型分得清；两份项目记录中的负责人、预算和交付时间，也没有串线。面对两笔不同人员的报销，它还能准确关联费用类型、金额、币种及所属项目。

实测：两家门店的工单信息准确对应

实测：项目负责人、预算及交付时间正确绑定

实测：两笔报销的金额、费用类型及所属项目均被提取

更进一步，当更新工单和发送通知被放进同一句话时，模型也能拆出两类意图，并跳过要求保持原样的工单。

实测：工单更新与消息通知分别提取参数

这些看似琐碎的字段，恰恰是企业系统的核心细节。一笔报销挂错项目、一张工单分错负责人，都可能影响后续业务流程。模型能够准确提取并关联信息，也就具备了接入相关业务系统的基础。

回到日常办公，复杂的任务安排和临时改口也没有难倒它。一次交代会议安排与任务创建，模型能分别提取会议地点、参会人、任务负责人和截止时间等信息。

实测：会议安排与任务创建一次拆解

更有意思的是多轮修改：用户临时更换会议时间、地点和参会人，模型更新了对应参数，却没有丢掉原先约定的 30 分钟时长。

实测：修改会议信息后，未变更的时长得以保留

这种能力很贴近日常工作。人们经常只说 " 时间改一下，其他不变 "，很少重新交代全部信息。

而在当下火热的Personal Agent场景中，模型同样展现出了应用潜力。

比如，一口气设置闹钟、创建提醒、记录备忘录，模型能够将三项任务分别整理；让它向不同联系人发送消息，两段内容也没有混淆。

实测：闹钟、提醒和备忘录三项意图同时识别

实测：两名联系人的消息内容分别提取

我们还故意设置了一个容易误判的场景：备忘录正文中写着 " 取消明天的会议，再给刘宁发消息 "。这次，模型没有把正文里的操作指令当成新任务，而是完整保留了用户要求记录的内容。

实测：模型正确区分备忘录正文与实际操作指令

这对于 Personal Agent 尤其重要。个人助理需要接触大量聊天记录、日程和备忘信息，既要理解用户交代的任务，也要分清哪些内容只是记录或转述，避免产生多余操作。

综合 11 组实测，Xing4.0-29B-Intent 在多对象参数绑定、多任务拆解和上下文理解方面展现出较好的能力。

这些场景已经反映出一个共同需求：无论智能座舱、企业办公还是 Personal Agent，真正可用的意图理解能力，都需要准确识别操作对象、提取所需参数，并守住指令边界。这也是这类意图理解专用模型走向实际应用时，需要解决的核心问题。

四、统一 Schema+ 近 300 万语料，把语义理解能力开源

支撑 Xing4.0-29B-Intent 这些能力的，是其背后的一套统一语义解析框架。

这套框架叫USP（Unified Schema-driven Semantic Parsing，统一模式驱动语义解析）。它将命名实体识别、关系抽取、事件抽取和口语理解四类任务统一到相同的输出结构中。

其核心是 category+args 层级 JSON。category 用于表示识别出的意图或信息类型，args 则负责存放对应参数。

例如，同样是一次结构化信息提取，在工单场景里，args 可以包含设备、故障、优先级和联系人；在项目管理场景里，可以包含负责人、预算和交付时间；在智能座舱场景里，则可以包含设备名称、开度或其他控制参数。

不同场景的参数各不相同，但都可以用统一的结构组织。这也解释了前面的实测中，为什么模型能够处理灯光控制、报销登记、会议安排和工单管理等不同类型的任务。

它们表面上属于不同业务，底层都需要解决同一个问题：将自然语言中的信息准确映射到预定义的结构化字段。

统一 Schema的意义，也正在于此。

它让不同语义解析任务能够使用相近的数据组织方式，减少模型输出与下游业务接口之间的格式差异。

从这一角度看，Xing4.0-29B-Intent 的价值，在于将大量原本需要针对不同业务分别开发的语义解析能力，整合进一套相对统一的模型与数据框架。

而这次开源，也覆盖了支撑这套框架的多个环节。首先是数据。

Xing4.0-29B-Intent 所用的275.3 万条 SFT 语料重构自 61 个公开数据集，覆盖 19 个领域、52 种语言。

该语料库是目前业内规模最大的开源意图理解语料库。此外，该团队还提供了面向手机等终端交互场景的意图理解语料，相关工作已被 EMNLP 2026 录用。

模型方面，Xing4.0-29B-Intent 基于星辰 29B 底座微调，重点优化语义解析与结构化输出能力。再加上配套的推理 SDK 和官方镜像，开发者能够利用公开的数据和模型进行复现、部署与进一步适配。

这也让开源的意义超出了模型权重本身。

对于手机语音助手和智能座舱开发者，他们需要将用户口语化的表达准确映射到设备或应用参数；对于客服与企业办公系统，模型需要识别业务意图、提取人员和项目等关键信息；对于 Agent 开发者，一套稳定的结构化语义解析能力，也有助于降低自然语言与业务系统之间的适配成本。

这些场景看起来差异很大，但对意图理解能力提出了相似的要求。模型既要理解用户想完成的任务，又要将任务需要的信息完整、准确地交给后续系统。

Xing4.0-29B-Intent 此次选择将这部分能力连同训练语料一起开放，为开发者提供了进一步适配不同业务的基础。

目前，相关代码已在 GitHub 的 TeleChat-USP 仓库开源，采用 Apache 2.0 协议；数据集与模型权重同步上架 Hugging Face，官方推理镜像也已提供。

结语：Agent 的下一场效率之争，藏在不起眼的环节里

如今，AI Agent 的竞争越来越热闹。各家比拼谁能完成更多任务、连接更多应用、处理更复杂的工作流，但一个容易被忽视的问题是：这些能力越丰富，系统对底层语义理解的要求也就越高。

尤其在终端设备和企业应用中，每天可能产生海量简单却高频的交互。如果每一次意图判断和信息提取都依赖通用大模型，不仅会增加推理成本，也可能拖慢响应速度。这给专用模型留下了机会。

Jev 的走红，以及 Xing4.0-29B-Intent 的开源，都反映出一条值得关注的技术路线：将高频、明确的任务交给针对性优化的专用模型，让通用大模型把算力留给更复杂的推理与规划。

对 AI Agent 产业而言，这种分工有望带来更低的运行成本和更稳定的交互体验。而随着专用模型的能力边界不断拓展，未来 Agent 的竞争力，或许也将越来越取决于这些看不见的底层能力。