iFlytek lanza Spark-X2.6-4B, su nuevo modelo open-source para agentes on-device

Introducción: El nuevo estándar para la IA on-device

El ecosistema de la inteligencia artificial está experimentando un cambio de paradigma hacia la computación local, y iFlytek acaba de dar un paso decisivo en esta dirección. Durante el 1024 Global Developer Festival celebrado en Beijing el pasado 22 de octubre de 2026, la compañía anunció la serie Spark-X2.6, una familia de modelos diseñada para cerrar la brecha entre la potencia de la nube y la eficiencia del dispositivo local.

El protagonista de esta noticia para los desarrolladores es el Spark-X2.6-4B. Este modelo compacto de 4 mil millones de parámetros no es solo una versión reducida de sus hermanos mayores; es una herramienta especializada para el despliegue de agentes inteligentes en hardware limitado, permitiendo capacidades de razonamiento avanzado sin depender constantemente de la latencia de la red.

• Lanzamiento oficial: 22 de octubre de 2026.
• Categoría: Modelo de propósito general para dispositivos (on-device).
• Licencia: Apache-2.0 (listo para uso comercial).
• Ecosistema: Integración end-to-cloud con la serie Spark-X2.6.

Arquitectura y características clave

A diferencia de su predecesor Spark-X2.5, el Spark-X2.6-4B mantiene la misma arquitectura base, pero implementa mejoras sustanciales mediante técnicas de post-entrenamiento avanzadas. Esto permite que el modelo retenga una eficiencia extrema mientras eleva su capacidad de ejecución en tareas complejas.

El modelo se posiciona como el complemento ideal para el flagship de la serie: un modelo MoE (Mixture of Experts) de 293B parámetros totales (con 30B activos) que cuenta con una ventana de contexto de 1 millón de tokens. Mientras el modelo gigante gestiona tareas masivas en la nube, el Spark-X2.6-4B asume la ejecución local, creando un flujo de trabajo híbrido y fluido.

• Parámetros: 4B.
• Arquitectura: Optimizada para post-entrenamiento mejorado.
• Gestión de razonamiento: Presupuesto de pensamiento controlable (niveles: None, Low, High).
• Multilingüe: Rendimiento optimizado en inglés y chino.

Rendimiento y Benchmarks: Superando a modelos de 9B

Uno de los datos más sorprendentes de este lanzamiento es la eficiencia de escala. Spark-X2.6-4B ha demostrado alcanzar o superar el rendimiento de modelos open-source que poseen aproximadamente el doble de parámetros (alrededor de 9B). Este salto cualitativo se debe principalmente a la optimización en el entrenamiento de agentes y capacidades de razonamiento.