“查明天北京到上海的航班。”
用户说完这句话，Agent要真正接上业务系统，不能只回复“好的，我来查询”。
它还得把请求变成系统能处理的内容：任务类型是“查询航班”，出发地是北京，目的地是上海，日期是明天。自然语言听起来简单，落到程序里，却要经过意图判断、字段抽取和参数匹配。
复杂一点的指令更容易暴露问题。比如“把会议改到周五下午，地点换到三楼，时长不变”，系统既要改时间和地点，也要记住时长没有变化。要是只识别出“修改会议”，却漏掉“时长不变”，后续流程即使成功执行，也可能不是用户想要的结果。
10月19日，星辰通用人工智能实验室开源了意图理解模型 Xing4.0-29B-Intent，希望专门处理这类从自然语言到结构化参数的转换。项目同步开放模型权重、配套数据集和推理SDK。它的定位并非代替Agent完成整个任务，而是先把用户说的话拆解、归类，交给后面的业务系统继续处理。
输出的不只是“用户想做什么”
Xing4.0-29B-Intent用category + args来组织结果：category表示意图或类别，args则放入对应的实体、数值和属性。仍以航班查询为例，模型可以将“查询航班”作为类别，并把“北京”“上海”“明天”分别对应到出发地、目的地和日期字段。
这和只给指令贴一个标签不太一样。若模型只返回“查询航班”，业务系统还得再从原句里解析路线和时间；将意图和参数放在同一份结果里，理论上可以减少这段重复解析工作。遇到一句话包含多个任务，模型也支持用JSON数组返回多个类别和多组参数。
项目支持四类任务：意图识别与槽位填充、命名实体识别、关系抽取和事件抽取。它们都使用同一套结构表达。例如，实体识别可以把实体类别放入category，把识别出的文本放进args；事件抽取则可以记录事件类型，以及参与者、时间、地点等信息。对开发者来说，统一输出格式有助于复用数据处理和调用流程，而不是每类任务都从头适配一套结果结构。
不过，模型需要开发者先给出Schema，也就是候选类别、类别说明和可抽取字段。它是在既定业务框架内识别和填值，并非不需要配置就能理解所有业务术语。以会议管理为例，系统要先定义“修改会议”类别，并列出时间、地点、时长等字段；如果“保持原样”这类边界没有说清楚，模型即使输出了格式正确的JSON，也未必表达了用户的真实要求。
公开评测有参考价值，不能直接当业务成绩
项目仓库公布的评测覆盖48个公开数据集，共6000条样本，涉及意图理解、命名实体识别、关系抽取和事件抽取。Xing4.0-29B-Intent的Overall得分为58；分项中，意图理解为81，命名实体识别为72，关系抽取为38，事件抽取为40。
这组成绩的一个信息点，是不同任务之间存在差异：意图理解和实体识别得分较高，关系抽取和事件抽取则相对低一些。若应用主要是把用户请求分到正确类别、提取几个常规字段，公开结果可以作为初步参考；如果流程依赖复杂关系判断或事件要素抽取，就有必要单独测试，不能只看Overall一项。
评测分数也不是业务准确率。项目说明，各任务分数来自不同数据集的字段值Micro-F1汇总后取宏平均，Overall则对四类任务等权计算。也就是说，它反映的是特定公开测试集、Schema和推理设置下的表现，不代表模型接入某家企业的系统后就能达到相同结果。字段定义是否清晰、业务数据与公开语料是否相似、推理配置如何，都会影响实际效果。
这款模型基于Xing4.0-29B-A4B，采用MoE架构，总参数约290亿，每个Token激活约40亿参数。配套SDK支持定义意图和字段、组装提示词、输入多轮对话，并读取结构化结果；模型服务通过OpenAI兼容接口调用，部署可参考基座模型的vLLM、SGLang等服务化说明。模型权重、公开数据和代码（含Python SDK）采用Apache 2.0许可。
数据和SDK都开了，业务Schema还得自己打磨
Xing4.0-29B-Intent配套数据集约有275万条样本，整合61个公开数据集和智能设备助手场景数据，覆盖4类任务、19个领域和52种语言。项目还提供了包含170多个意图、148个槽位的标签集合。对准备搭建意图识别或信息抽取流程的团队来说，这些数据和标签可以作为起步材料，减少从空白设计任务体系的工作量。
▲配套数据集分布图。图源：星辰实验室项目仓库。
但公开标签并不能直接替代企业自己的字段体系。不同公司的工单类别、设备名称、审批规则和字段约束可能完全不同，接入前仍要改Schema、准备样本，并检查模型是否会把两个对象的参数串在一起、漏掉否定条件，或把“不要改”误解成需要执行的操作。
尤其在智能设备控制、工单更新、费用处理等场景，结构化输出只是流程的起点，而不是最终授权。模型可以提取参数，系统还需要校验字段范围、检查权限；涉及有实际影响的操作时，也可能需要向用户确认。否则，格式正确但语义有偏差的结果，照样可能带来问题。
Xing4.0-29B-Intent的看点，是把意图判断和参数抽取放在同一套模型流程里，并将模型、数据和SDK开放给开发者自行试用。它能否真正降低业务接入成本，关键不只在评测榜上的数字，还要看开发者能否把业务Schema定义好，以及模型面对真实指令时能不能稳定地把每个字段放对位置。
