Spark-X2.5-4B

Spark-X2.5-4B 是 XHToken（SparkLLM / TokenSpark 团队）推出的一款精简开源权重通用语言模型，2026 年 8 月 31 日以 Apache 2.0 协议上架 Hugging Face。它是「4B + 1.7B」这一对中的 4B 主力。卖点在于效率：混合注意力设计把全注意力与滑窗注意力结合，实现了原生 1M 上下文窗口，却不用付出长上下文模型通常的高昂计算成本。对于想要真正能在本地跑起来、又对 Agent 友好的模型的人来说，值得仔细看看。

可对比 Qwen3.8-27B（/items/models/qwen3-8-27b）作为更大的稠密开源选项，GLM-5.3-Flash（/items/models/glm-5-3-flash）作为中文开源快速模型，或 OpenCode（/items/dev-tools/opencode）作为搭配的开源 Agent 框架。

模型规格

核心功能

• 原生 1M 上下文：因为混合注意力设计，KV 缓存保持较小，却仍能跟随长文本、重工具调用。
• 面向 Agent：模型深度集成了 Codex、Claude Code、OpenClaw、Hermes 等主流 Agent 框架，在相近体量模型里编码、Agent、推理任务表现出色。
• 广泛部署面：可跑在 NVIDIA、华为、Hygon、HOUMO.AI 等硬件上；兼容 vLLM、SGLang、llama.cpp、MLX，也可经 Ollama 与 LM Studio 快速启动。
• 开放可微调：Apache 2.0 + LLaMA-Factory 支持，可自托管、定制并商用。
• 面向效率的训练：在华为昇腾集群上训练，采用大规模 RL 与 MOPD 后训练，强化推理、编码与指令跟随。

适用场景

谁应该使用这个工具？

• 本地优先的开发者：4B 模型可在消费级 GPU 或 Apple Silicon Mac 上通过 MLX 运行。
• Agent 构建者：一个又小又快、却仍能跟随工具调用与长上下文的模型。
• 多语种团队：无需部署大体量开源模型即可覆盖多语言。

解决的问题

1. 长上下文成本：混合注意力设计减少通常迫使团队裁剪上下文的记忆与延迟开销。
2. 自托管限制：体量紧凑 + 广泛框架支持，让它在中等硬件上也实用。
3. 商用部署：Apache 2.0 消除了自构建上线的许可摩擦。

定价

Spark-X2.5-4B 在 Apache 2.0 下免费开源。你只需承担自行运行的硬件或云推理成本；截至本文，XHToken 未公布官方托管 API 定价。

快速开始

1. 下载权重：从 Hugging Face 拉取 XHToken/Spark-X2.5-4B（或更小的 1.7B）。
2. 本地运行：用 llama.cpp、MLX 或 vLLM 加载，或通过 Ollama、LM Studio 一键启动。
3. 接入 Agent 框架：把 Codex、Claude Code、OpenClaw 或 Hermes 指向你的本地端点。
4. 按需微调：用 LLaMA-Factory 适配到你的领域。

常见问题

它是推理模型吗？

它强调推理、编码与指令跟随能力，并用强化学习调校，但并未宣称具有 Anthropic 式常开思考。

能商用吗？

可以，Apache 2.0 已授予该权利。

它如何处理 1M 上下文？

它不会在全部 1M token 上都付出全注意力成本，而是交替使用全注意力与滑窗层，让计算与内存变得可控。

替代方案

• Qwen3.8-27B（/items/models/qwen3-8-27b）：更大的 27B Apache 2.0 模型，容量更高。
• GLM-5.3-Flash（/items/models/glm-5-3-flash）：智谱的免费/快速模型。
• OpenCode（/items/dev-tools/opencode）：可搭配本地模型的开源 Agent 运行时。

使用技巧

1. 按硬件选体量：小 GPU 上先从 1.7B 开始，需要更强能力再上 4B。
2. 善用混合上下文：长会话与多轮工具调用正是注意力混合发挥优势之处。
3. 上线前核对许可：确认你的微调与托管方案处于 Apache 2.0 范围内。

总结

Spark-X2.5-4B 是一个工程扎实、体量紧凑的开源权重模型，用混合注意力设计解决了长上下文成本问题，在编码与 Agent 上表现出色，并在 Apache 2.0 下保持自由使用。对于想要一个本地、Agent 就绪、运行便宜且合规可上线的模型的人来说，它是很强的候选。