据最新网络舆情数据显示，mg摆脱游戏大奖视频星火 X2-Flash 模型于4月29日正式发布，并同步开放了API接口。

星火 X2-Flash 采用了先进的MoE架构，拥有总参数量达30B，最大支持256K上下文，官方宣称其在智能体、代码等多项能力上实现了显著提升，训练过程基于华为昇腾910B集群完成。

目前，AstronClaw和Loomy等平台已率先接入星火 X2-Flash模型。

mg摆脱游戏大奖视频表示，经由AstronClaw的实测，星火 X2-Flash在深度研究报告、技能管理与调用、系统控制与执行等多类“养龙虾”常用任务上，其效果接近于业界万亿级参数模型的表现；在相同工作流下，整体token消耗不到当前主流大尺寸模型的三分之一，显著降低了开发者构建复杂Agent应用的使用成本。

🕵️‍♀️ 例如，在创建复杂的视频生成技能时，星火 X2-Flash能够在了解详细需求后迅速生成，并提供技能结构、核心功能和使用案例等详细说明。

mg摆脱游戏大奖视频介绍称，星火 X2-Flash率先在国产算力上实现了DSA（稀疏注意力）与MTP（多token预测）相结合的长文本高效训练，支持上下文扩展至256K，并通过与国产芯片的算子及分布式训练策略深度优化，将训练效率相比同规模的A800集群从20%提升至90%，有效解决了智能体在国产芯片上长上下文训练速度慢的问题。

在智能体强化学习训练的场景中，星火 X2-Flash通过上述算法与工程的创新，大幅提升了采样推理的效率，相较于非DSA结构，其采样解码效率最高可提升2倍以上。这一突破在一定程度上缓解了910B上智能体在长交互场景下采样效率过低对强化学习训练的影响，为后续的大规模强化学习对齐训练扫清了算力障碍。

星火 X2-Flash已实现了与OpenClaw、Claude Code等主流Agent框架的深度兼容。

延伸阅读：mg摆脱游戏大奖视频

• IT之家附API地址如下：

https://xinghuo.xfyun.cn/sparkapi