AI大模型热点|星辰公开意图模型,Ai2发布OlmoEarth v1.3

◆Xing4.0-29B-Intent统一意图识别与结构化抽取

XingChen-AGI公开Xing4.0-29B-Intent，基于中国电信人工智能公司的Xing4.0-29B-A4B模型构建。模型采用MoE架构，底座约290亿总参数、每Token激活约40亿参数，面向意图识别、槽位填充、实体、关系和事件抽取。

这些任务统一使用category＋args表示结果。业务方提供类别、说明和字段定义，模型按Schema返回JSON数组，可以包含多个类别及多组参数；识别一个意图与提取完整参数属于不同结果，分类正确不代表日期、对象等字段也全部正确。

团队评测使用来自48个公开数据集的6000个样本，任务分数按字段值Micro-F1汇总，再对不同数据集和任务做聚合。模型卡中的0至100分不是实际业务准确率，不能直接写成某个百分比的用户请求已经处理成功。

项目采用Apache-2.0许可证，提供配套SDK及FP8、GGUF等模型入口。部署仍需匹配推理框架、显存和上下文配置；每Token只激活部分专家，不意味着加载模型时只需要容纳这些激活参数。

◆OlmoEarth v1.3开放全球10米像素级年度嵌入

10月22日，Ai2发布OlmoEarth v1.3卫星嵌入模型，并共享预计算的全球年度嵌入和浏览器探索工具。模型将一年的雷达及多光谱卫星时间序列压缩成每个10米地表像素的128维向量，前64维也可单独使用。

预计算特征使地表分类、相似区域检索和跨年变化分析可以复用同一批表示，而不必为每个用途都从原始影像重新运行完整模型。部分任务仍需要有标签样本训练轻量分类器，获得嵌入不等于已经得到所有地物的正确标签。

Ai2报告，在覆盖六大洲的27项评估中，128维版本在20项取得最高分，64维版本在18项领先。这是团队给定任务和对照下的结果，不能扩大为所有遥感任务全面领先；模型权重、预训练数据和代码也一并开放，具体方法和条件见技术报告。

◆参考来源

• Xing4.0-29B-Intent官方模型卡
• Xing4.0-29B-Intent官方仓库：任务、Schema及评测口径
• Xing4.0-29B-Intent官方模型集合
• Ai2：OlmoEarth v1.3: State-of-the-art embeddings for the whole planet，2026年10月22日