中国电信发布 Xing4.0-29B-Intent：专为意图识别与结构化信息抽取打造的模型

中电信人工智能科技有限公司近期推出了 Xing4.0-29B-Intent 模型。这是一款基于星辰语义大模型 Xing4.0-29B-A4B 开发的专用模型，定位为 schema 引导的意图识别与结构化信息抽取工具。

• GitHub：https://github.com/XingChen-AGI/Xing4.0-29B-Intent
• 模型：https://modelscope.cn/models/XingChen-AGI/Xing4.0-29B-Intent

其核心目标是将自然语言转换为业务系统可直接处理的结构化结果，主要支撑智能助手、请求路由、文档信息抽取等场景。例如，面对“帮我查明天北京到上海的航班”这样的指令，模型能依据给定的类别与字段定义，将其精准解析为航班查询意图，并提取出发地、目的地、日期等参数，最终以统一的 JSON 格式返回。

模型核心特性

这套模型用统一的category + args结构承载四类任务，把意图识别槽位填充、命名实体识别、关系抽取、事件抽取放在同一套输出范式下。使用者只需要定义候选类别、描述和字段，就能完成任务配置，跨业务场景复用同一套输入输出协议。模型可以一次性完成意图判定与参数抽取，支持同时识别多类别、多组目标参数，并且原生支持中英双语。项目还配套开发SDK，封装了Schema定义、提示词组装、多轮对话管理和同步异步调用能力，方便开发者接入。

模型基础参数

Xing4.0-29B-Intent基座总参数约29B，属于MoE混合专家架构，每次推理仅激活4B参数。输入内容包含任务指令、自定义Schema、原始文本或是多轮对话记录，输出固定为JSON数组，每条结果携带类别与对应抽取字段。开发者需要注意，该项目专注抽取能力，上线前仍要结合自身业务数据与Schema做验证测试。

评测表现

官方在涵盖48套公开数据集、合计6000条样本的测试集上完成评测，覆盖全部四类抽取任务，指标采用字段级Micro-F1宏平均计算总分。在本次横向对比榜单中，Xing4.0-29B-Intent总分58，意图理解单项拿到81分，在所有参评模型里排名第一；命名实体识别得分72，事件抽取、关系抽取分别为69、40分。参评对象包含Gemini、Qwen、Kimi、GPT、GLM、DeepSeek等多款主流大模型。官方备注说明，分数仅代表基准测试结果，不等于真实业务准确率，提示词、推理参数都会对最终抽取效果带来影响。