Spark-X2.5-4B および Spark-X2.5-1.7B：ネイティブな1Mコンテキストを備えたコンパクトなオンデバイスエージェントモデル

Spark-X2.5-4BとSpark-X2.5-1.7Bは2026年9月1日に公開されました。この日、iFlytekの子会社であるXHToken（词元星火）が、両コンパクトモデルをApache 2.0のもとでオープンソース化し、ウェイト、コード、デプロイメントドキュメントが同日中にHugging FaceとGitHubに公開されました。見出しとなる仕様は、オンデバイスで動作可能なサイズのモデルにおけるネイティブの100万トークン・コンテキストウィンドウであり、メーカーによれば200以上の言語ボキャブラリーと、エージェント型ワークに最適化されているというハイブリッドアテンション設計を備えています。本日リポジトリから把握できる情報は相当なものです。一方で、まだ確認されていないのは、独立したベンチマークのみが明らかにできるすべての事項です。数時間前にリリースされたばかりのモデルには、中立的な評価がまだ存在しないためです。X2.5ファミリーには、より大規模なメンバーも控えています——9月7日に発表予定のSpark-X2.5-293Bです。

リポジトリが実際に示しているもの

Hugging Face コレクションには、6つのリポジトリが含まれている。命令チューニング済みのSpark-X2.5-4BとSpark-X2.5-1.7B、それらのベースチェックポイント、および両方のGGUF変換版である。4Bのカードはハイブリッドアテンションアーキテクチャを説明している。つまり、スライディングウィンドウアテンション層3つにつき、フルアテンション層が1つという構成だ。これは、マーケティング上の数値が100万トークンである場合に望ましい形状である。なぜなら、100万トークンに対するフルアテンションは、そうでなければ2次関数的にコストがかかるからである。カードは、最大100万トークンのネイティブコンテキストウィンドウを記載しており、事前学習中にシーケンス長を100万まで拡張するロングコンテキストトレーニング段階があったとしている。

• アーキテクチャ：ハイブリッドアテンション、スライディングウィンドウ層3つごとに1つのフルアテンション層を配置。BF16 safetensors。

• コンテキスト — ネイティブで最大1,000,000トークンに対応。長文脈トレーニングではシーケンスを1Mまで実行しました。

• 言語 — モデルカードによると200以上（1.7Bも同様の主張）。

• 事前学習 — ウェブページ、書籍、学術出版物、コード、百科事典的資料から成る約20兆トークンを用いて、Huawei Ascendクラスター上でエンドツーエンドに学習。

• ポストトレーニング — 推論、コーディング、エージェント的行動、指示追従にわたる大規模RLがSFTに続き、ドメインポリシーは論文がMOPDと呼ぶ手法によって統合される。

• ライセンス — 両サイズともApache 2.0で、他のいくつかの中国ラボがオープンリリースに付すような収益条項や地域条項はありません。

エージェントの数値 — そして、それらをどの程度信頼すべきか

モデルカードにはエージェントおよび推論ベンチマークの完全な表が掲載されているが、その数字はすべてベンダー報告によるものであり、第三者による再現がなされていない——そう明記すべきだ。なぜなら、発表されたばかりの4Bにとって興味深い問いは、その結果のどれだけが独立した評価に耐えられるかということだからだ。ベンダー自身の表では、Spark-X2.5-4BはBFCL-V4（関数呼び出し）で65.1、τ²-bench（長期的なエージェントタスク）で75.1、BrowseCompで40.9、SWE-Bench Proで44.4、AIME 2026で90.7、HMMT February 2026で81.2、IMO-AnswerBenchで74.2、GPQAで67.4を獲得している。1.7Bの見せ場はスマートホームテストだ。Domuxセットで平均レイテンシ0.85秒、エンドツーエンドのコマンド精度90.3%を達成した。またベンダーは、アルゴリズム実装・コード補完・コード生成において、この4Bが「2〜3倍の規模のクラウドモデルに匹敵する」と主張している。この主張は、今回のリリースの中で最も有用な一文であると同時に、最も中立的な検証を必要とする一文でもある。

構造的にどの単一の数字よりも興味深いのは、このリリースが最初からエージェントを対象としていることです。カードには、Codex、Claude Code、OpenClaw、Hermes の各ハーネスとの統合、SGLang の専用パーサーによるツール呼び出しサポート、そしてデフォルトで有効な推論（実行時フラグ enable_thinking はそれをオフにします）。言い換えれば、ベンダーは 4B をチャットボットではなくツール使用モデルとして位置づけており、これは本気の賭けです。小型エージェントモデルこそ、オンデバイス市場が実際に移行しつつある先なのです。

Day-0エコシステム、そしてvLLMのストーリー

Spark-X2.5-4BおよびSpark-X2.5-1.7Bは、アップストリームへのマージではなくツリー外の汎用プラグインを介して、リリース初日からvLLMでサポートされています。統合はXHToken/Spark-pluginリポジトリにあり、これをクローンしてuv pip install . を実行します。その後は、vllm serveと--trust-remote-code を使用し、カスタムチャットテンプレートでモデルを提供します。SGLangの場合は、ビルド済みのDockerイメージを起動する際に、--tool-call-parser spark25および--context-length 1048576 を使用します。これは起動コマンドにおける完全な100万トークンのウィンドウであり、実際のハードウェアでコンテキストの主張を検証する最速の方法です。

vLLMやSGLangに加えて、このモデルはllama.cppフォーク、MLX（AppleシリコンおよびLinux CPU）、Ollama、LM Studio上でGGUF経由で動作し、LLaMA-Factoryフォークによるファインチューニングにも対応しています。もう一つの注目点はハードウェアサポートです。NVIDIA、Huawei、Hygon、HOUMO.AIに加え、Appleシリコンもカバーしています。これは、中国の研究所が開発したモデルが、初日からAscend、Hygon、および国産チップ向けのデプロイドキュメントを実際に提供して出荷されることが珍しいからであり、それは単なる約束ではない点で重要なのです。

1Mトークンのオンデバイスモデルの用途とは

コンテキスト長こそが特徴であり、それは特定のジョブを指し示している。4Bモデルにおける100万トークンのネイティブコンテキストは、コードベース全体、あるいは長大なドキュメント群を、ローカルで動作するモデルに読み込めることを意味する——RAGパイプラインもチャンク分割も不要だ。ベンダー自身によるデモは、同社のLoomyオフィスツール群上で構築されており、4Bモデルに売上スプレッドシートを集計し、主要な指標とトレンドを抽出し、約3,000語のバイリンガルレポートを生成するスクリプトを書かせている。ロボティクス面はもう半分を占める:両サイズともロボット搭載およびエッジでの認識・実行向けに位置づけられており、制御、ターゲット追跡、ナビゲーションをカバーする。これは1秒未満で応答する1.7Bモデルにとって、妥当なニッチと言える。

より大きな一手：Spark-X2.5-293B

2つの小型モデルは序盤の一手である。9月7日、SparkLLMは2930億パラメータのベースモデルであるSpark-X2.5-293Bをリリースすると発表した。発表によれば、コーディングとエージェント機能が強化されているという。X2.5小型モデルは実質的に、2層構造のうちデバイス側を担う存在であり、大規模モデルがファミリーの上限を決める。4Bと1.7Bだけをリリース全体と捉えるのは、進む方向を見誤ることになる。

試してみる方法と、注意すべき点

APIはiFlytekのXingchen MaaSプラットフォームで利用可能で、期間限定で無料です。モデルウェイトはHugging Face、ModelScope、Ollamaライブラリにあります。ルーティングの面では、Spark-X2.5-4Bは新しすぎて、まだどのアグリゲーターも提供していません。OrcaRouterは現時点ではこれをルーティングしておらず、このページのどの記述も、あたかもOrcaRouterがそれをルーティングしているかのように読むべきではありません。しかし、ルーティング先プロバイダーがそれを追加した日には、料金体系は予測可能な形で変わります。OrcaRouterはプロバイダーのリスト価格をマークアップ0%でそのまま通すため、ベンダーが設定した価格がそのまま支払額になります。既存のAPIキーがそのまま使えます。さらに自動フェイルオーバーにより、リリース直後のモデルを本番投入の賭けにする必要はありません。これが、このブログが真新しいモデルを見る標準的な形であり、はっきり述べておく価値があります。

このリリースが一瞬の出来事になるか、それとも脚注になるかを決めるのは、4つの点だ。第一に、独立した評価——Artificial Analysisインデックスへの掲載、アリーナでの順位、再現されたτ²-benchの実行——がベンダーの公表値にどこまで近づくかだ。4BモデルがAIMEで90.7を出すのは大きな数字であり、リリース当日のカードに載った大きな数字こそ、真っ先に検証されるものだ。第二に、100万トークンのコンテキストが、起動コマンド上だけでなく、実際のサーバーロードのもとでハイブリッドアテンションスタック上で持ちこたえるかどうかだ。第三に、Ascendで学習された重みが、現場のNVIDIAハードウェア上で正常に動作するかどうかだ。第四に、Spark-X2.5-293Bが9月7日に実際に何を届けるかだ。それまでの間、Spark-X2.5-4BとSpark-X2.5-1.7Bに関する正直な要約は次の通りだ：有望であり、オープンであり、そして完全に未検証である——今朝リリースされたばかりのモデルにとっては、これが正しいステータスだ。