Spark3 泄露：iFLYTEK 的 1.7B 和 4B 小模型正在接入 vLLM

Spark3没有公开的权重，没有模型卡片，也没有官方公告——然而本周，一个拉取请求被合入vLLM推理引擎，以惊人的细节描述了两个模型：{{2}}Spark3-1.7B{{/2}}和{{3}}Spark3-4B{{/3}}。vLLM仓库中的拉取请求#53373，题为{{1}}"[Model] Add Spark3 Model,"{{/1}}，为Spark3架构添加了原生服务支持：滑动窗口注意力、四级可控思考预算、两种尺寸均原生支持百万级token上下文，以及一个指向{{4}}iFLYTEK{{/4}}的模型ID。以上内容均未得到供应商的确认，也没有任何东西正式发布。这是一篇基于目前已知信息的报道：拉取请求是真实存在的，但在{{5}}iFLYTEK{{/5}}——或任何发布Spark3的机构——真正发布权重之前，关于这些模型的所有说法都未经证实。

泄露：一个读起来像规格说明书的拉取请求

这一信号是一个开放的 vLLM PR，由名为 KnightYao 的 GitHub 用户（一位常驻合肥的贡献者，其资料列出中国科学技术大学）提交，截至 2026 年 8 月 23 日尚未合并。8 月 22 日，一位 vLLM 维护者要求修改，并附注“暂缓讨论”。该 PR 尚处于早期且存在争议，这对这类集成来说属正常现象——而且就一个针对实验室外无人能下载的模型的框架 PR 而言，它也显得异常详细。

该diff涉及八个文件。它在vLLM的模型执行器中添加了Spark3ForCausalLM实现，在vLLM的配置与模型注册表中注册了原生Spark3Config，支持滑窗注意力与全局注意力，以及按头的注意力输出门控，支持张量并行与流水线并行的权重加载，并新增了一个Spark3 XML工具解析器，以便能够以结构化方式解码模型的工具调用。它还在vLLM的支持模型文档中添加了一行，将检查点列为XHToken/Spark3-1.7B。描述甚至声称该集成经过了基准测试：在作者的测试环境中，500个并发请求，100%成功，大约每秒106个请求，每秒13.5K个输出token。这些数字由撰写PR的人自行报告，并非独立的基准测试结果，应当以这样的角度来理解。

为什么 iFLYTEK 是显而易见——但未经证实——的母公司

PR 中完全没有提及供应商。{{1}}但它注册的检查点 ID XHToken/Spark3-1.7B 位于 Hugging Face 的 XHToken 组织名下，而该组织正是 iFLYTEK 的{{/1}}：{{2}}该组织页面将其列为一家公司，链接到 opensource.iflytek.com，目前显示零个公共模型和零个公共数据集{{/2}}。{{3}}"XH" 是星火 (Xinghuo, "Spark") 的自然缩写{{/3}}，{{4}}即 iFLYTEK 的模型系列{{/4}}。{{5}}再加上作者位于合肥——iFLYTEK 的总部就在合肥——在供应商确认之前，这一推断已经强到无以复加{{/5}}。

这符合科大讯飞近期的模式。该公司于2026年2月发布的Spark X2明确瞄准教育、医疗、汽车和智能体应用场景，其SparkAuto-EMM端侧模型系列提供从0.5B到7B的小尺寸版本。在这份新闻稿曝光的两天前，即8月21日的中期业绩发布会上，科大讯飞表示，一款完全基于国产算力构建的新旗舰通用模型即将推出，分阶段版本预计"于8月底"发布，全面上线则在10月的1024开发者日。Spark3-1.7B和Spark3-4B究竟是该分阶段发布的一部分，还是一条独立的端侧产品线，这份新闻稿并未给出答案。

据说模型是什么

该PR的声明，均未经核实：

• 两种规格。 Spark3-1.7B 和 Spark3-4B。两者均被描述为效率优先的设计，采用滑动窗口注意力机制，而非密集的全注意力布局。

• 两者均原生支持100万token上下文。这并非扩展模式的承诺——PR说明该上下文是架构原生的，意味着一个足够小、可在单个GPU上运行的模型就能支持百万token。

• 四级思考预算。推理可设置为无、低、中或高，这是一种可切换思考的设计，让应用能在推理深度与延迟及每次调用成本之间进行权衡。

• 支持200多种语言，具备中国考试实力。该新闻稿声称其在K-12和高考答题方面表现强劲——鉴于该公司的教育业务，这是iFLYTEK的标志性特色——并覆盖200多种语言。

• 编码与智能体导向。声称具备强大的代码生成、工具使用、多步执行，以及与其规模相称的长上下文推理能力，并由同一 PR 中包含的 XML 工具解析器提供支持。

1.7B模型上原生的1M上下文才是值得注意的地方

上下文长度是小模型一直难以突破的地方。在当前的开源权重模型中，1.7B–4B 的模型通常配备 32K–256K 的原生窗口：Qwe​n3 的小型检查点原生为 32K，通过 RoPE 缩放可达 131K，而 Qwen3.5 在小尺寸变体上原生支持 256K 的改进也只是最近的一步。百万 token 的上下文至今仍是大模型的专属特性——G​LM 的 1M 上下文检查点拥有数千亿参数。如果 Spark3 真的能在 4B 模型上交付原生 1M 窗口，那将是一个真正罕见的规格，而滑动窗口注意力架构正是让其在内存上变得廉价的关键。但必须同时说明的是：原生 1M 这个宣传数字在 PR 里写起来很容易，在实践中真正好用却很难。长上下文质量——模型是否真的能找到并利用 700K token 之前的事实——与窗口能容纳多少 token 是两个不同的问题，而且目前还没有任何独立的评估。

可控的思考预算之所以重要，也是出于同样的原因。四个推理等级（无/低/中/高）是一种可切换思考的设计，与 Qwe​n3 的开/关思考模式一脉相承，但更丰富：它不是二选一，应用可以为每个请求选择一个等级——翻译时无需思考，多步智能体任务则用高等级——并且只为所需的推理付费。对于智能体或批处理工作负载来说，这正是把“能力强但昂贵”的小模型变成成本可控模型的旋钮。

后训练配方符合2026年的模式

该 PR 称，Spark3 使用“Scaled Reinforcement Learning 和 MOPD”进行了后训练。MOPD（Multi-Teacher On-Policy Distillation，多教师在线策略蒸馏）是一种真实存在且时下流行的技术，在 arXiv 论文（2606.30406）中有描述：并行训练多个领域专家的 RL 教师，然后在学生模型自身的 rollout（采样轨迹）上将其蒸馏回一个学生模型，并针对每个 prompt 最小化与正确教师之间的逐 token 反向 KL 散度。这是 2026 年的配方，让单个模型能够继承数学、编码和智能体技能，而不会让各次 RL 运行相互冲突；MiMo Flash V2、DeepSeek V4 和 Nemotron 3 Ultra 等模型的后训练也都公开归功于这一技术。Spark3 引用同样的配方，使其跻身于那一代——小型模型、前沿后训练技术。这也意味着“强大的编码和智能体能力”的说法背后有合理的机制支撑。但合理并不等于已被证实：在权重公布、独立评估开展之前，这些说法仍只是供应商的报告。

真正未知之物

几乎所有带日历的东西：

• 发布日期。Hugging Face 上没有权重，没有公告，没有时间表。XHToken 组织今天为空。

• 厂商确认。 iFLYTEK 对 Spark3 只字未提。XHToken 组织链接是强有力的证据，而非官方声明。

• 这是否就是分阶段旗舰。iFLYTEK“八月底”新旗舰的分阶段版本可能就是这款——或者与此无关。新闻稿中完全没有给出日期。

• 定价与许可。没有披露任何信息。iFLYTEK 的 Spark 系列历来主要通过 API 提供服务，而非开放权重，因此 Spark3-1.7B 和 Spark3-4B 是开放检查点还是内部服务目标，仍是一个悬而未决的问题。

• 每一项基准测试。PR中的吞吐量数据只是作者自己的服务测试，而非独立评估；由于模型没有公开发布，目前没有任何排行榜对该模型进行过评分。

看什么

XHToken 的 Hugging Face 组织是值得关注的发布渠道。如果这个模型是真的，它的权重——或者至少是模型卡——应该会出现在那里，而该组织从零到一拥有第一个公开仓库，就是最重要的信号。当它发生时，有几件事需要检查：

• 上下文编号。 1M 是原生的，还是通过 rope 扩展并伴有质量权衡？PR 说是原生的；模型卡才是决定这一点的地方。

• 思考预算 API。四种推理级别如何呈现——作为采样参数、聊天模板字段，还是独立模型变体——决定了其实际使用的难易程度。

• 许可证。开放权重将使 Spark3 成为首款支持原生 1M 上下文、可自托管的 5B 以下参数模型；仅限 API 的发布则会使其成为另一类产品。

• iFLYTEK 的公告日程。分阶段发布的旗舰产品承诺于8月底前推出，全面发布则定于10月的1024开发者日。如果 Spark3 属于其中任何一个，官方描述将会说明新闻稿中未明确的内容。

• PR 是否会被合并。vLLM 支持作为质量信号和基础设施都很重要：作为首个原生支持 Spark3 的运行时，它能让模型在权重发布当天即可在生产环境运行。

开发者现在应该做什么

什么都没有。没有模型可调用，没有权重可下载，没有API密钥可配置——任何声称今天就能提供Spark3服务的工具，实际提供的都是别的东西。你现在能做的，是决定当它出现的那一天你将如何评估它，因为这个模型的承诺非常容易检验：一个能读取百万token并以四种深度推理的1.7B或4B模型，要么是真正全新的小模型类别，要么只是参数表上的故事，而这二者的区别，花一个下午在你自己的工作负载上就能衡量出来。

这也是路由层证明自身价值的地方。在 OrcaRouter 上，模型不是你要承诺的合同，而是目录中的一个条目，通过同一个 API 即可调用；提供商目录价以零加成原样透传——因此，当新模型出现在提供商目录中时，其真实价格当天就在我们这边生效，试用它不需要第二次集成，也不需要重新谈判。对于像 Spark3 这样尚未被验证的模型，合理的做法与你在任何有前景的泄露上采用的做法相同：把它放在路由 DSL 的自动故障转移后面，让一部分流量打到它，同时在规则另一侧保留一个经过验证的模型，这样一来，糟糕的评估、许可证意外或令人失望的长上下文结果只是路由变更，而不是事故。一个密钥、一个端点、200 多个模型——当 Spark3-1.7B 或 Spark3-4B 真正可运行时，透传和故障转移对它们同样适用，就像对待其他任何模型一样。

诚实的总结只有一句话，而非判决：本周提交的一则框架PR声称，科大讯飞（iFLYTEK）有两款原生支持百万token上下文的小模型，并配备四级思考预算，但目前没有任何实质性证据公布来支撑这些说法。关注XHToken组织，关注科大讯飞八月底的承诺；等权重真正落地后，先用带故障转移的路由规则测试，再决定是否让生产路径押注其上。这就是应对泄露的完整打法——相信基础设施，验证模型，并保持低成本的退出通道。