Xing4.0-29B-Intent – 国产意图识别开源模型

Xing4.0-29B-Intent 是中国电信星辰实验室推出的开源意图理解专用模型，属于星辰 Xing4.0 系列分支，专门承接自然语言到结构化指令的转换工作。用户口述的零散口语内容送入模型后，按照提前约定好的字段规则输出标准 JSON 数据，一次性完成意图判定与关键参数抽取，同一段文本内包含多条指令的情况也可以正常解析。配套开放训练数据集、模型权重以及推理镜像，配套 Python 开发工具包，开源协议为 Apache2.0，开发者可以在自有业务中自由部署调试。

Xing4.0-29B-Intent特点

模型采用 MoE 混合专家架构，总参数规模 29B，推理阶段激活参数控制在 4B，算力消耗更低。

支持 52 种语言识别，覆盖 19 个细分业务领域，跨语种解析效果稳定。

输出格式统一，不同任务类型共用一套结构标准，新场景接入不用大幅修改底层逻辑。

适配国产算力环境，支持本地部署与云端接口调用，量化后可在普通显卡设备上完成推理。

Xing4.0-29B-Intent技术原理

底层依托 USP 统一模式驱动语义解析框架，将命名实体识别、关系抽取、事件抽取、口语理解任务收拢至同一套输出范式。

输出结构分为 category 与 args 两层，category 标记识别得到的意图类型，args 承载文本中提取出的各类参数信息。

训练阶段使用 275 万标注样本学习文本与 schema 字段之间的映射关系，模型学习自然语言表达习惯，把自由句式对齐业务预设字段，减少输出内容错乱、字段遗漏问题。

Xing4.0-29B-Intent项目地址

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

Xing4.0-29B-Intent功能

解析自然语言指令并输出结构化 JSON 结果，识别单句内多重意图，抽取时间、地点、对象、故障类型、设备编号等关键参数。

适配自定义 schema，开发者自行配置字段名称、数据类型与取值范围。

配套推理工具包提供批量文本处理能力，支持长句、口语化表达、带口音转写文本的解析。

输出内容可直接对接后端业务系统，省去额外格式转换环节。

Xing4.0-29B-Intent应用场景

电信客服工单系统，识别用户诉求自动归类工单并提取故障信息。

智能家居语音交互，解析音箱接收的控制指令，拆分设备名称、动作、档位参数。

智能座舱语音控制，识别车内语音指令并分发控制信号。

企业内部客服机器人，登记报修、预约、查询类请求信息。

低代码平台、对话机器人开发项目，作为语义理解模块嵌入业务链路。

Xing4.0-29B-Intent如何使用

获取开源仓库内权重文件与 PythonSDK，准备推理运行环境。

编写 schema 配置文件，定义当前业务需要识别的意图类别和参数字段。

加载模型权重，传入配置文件完成初始化。

输入待解析的文本语句，调用推理接口，等待返回 JSON 格式解析结果。

校验返回字段，对接下游业务系统，测试样本识别准确率，识别偏差样本可补充微调数据集优化效果。

Xing4.0-29B-Intent同类产品对比

表格