China Telecom abre un modelo de IA que convierte órdenes en ajustes

Una sola frase hablada puede esconder varias órdenes: cambiar la luz del salón, dejar en paz el dormitorio y mover una reunión. Hasta ahora, la mayoría de los sistemas capaces de entender ese tipo de frases tenían que armarse a partir de herramientas separadas. El laboratorio XingChen AGI de China Telecom Artificial Intelligence Technology ha publicado como código abierto Xing4.0-29B-Intent, un modelo que pretende resolver todo el trabajo en un solo paso.

El enfoque habitual consiste en clasificar primero y extraer después. Muchos modelos de intención se detienen en la clasificación: saben que el usuario quiere ajustar las luces, pero no cuáles ni con qué intensidad. Xing4.0-29B-Intent combina ambos pasos. Con un esquema dado, devuelve una estructura JSON con un campo de categoría para cada intención detectada y un campo de argumentos para las entidades, valores y atributos que ha extraído. Una frase con varias órdenes produce varias intenciones, cada una con sus propios argumentos.

Las referencias del propio equipo son las afirmaciones más contundentes. Informa de una puntuación Micro-F1 de 70,27 en arranque en frío sin entrenamiento previo (zero-shot), que según asegura supera a GPT-4.1, y de una puntuación de 61 en coincidencia exacta. En una evaluación más amplia que abarca el reconocimiento de entidades nombradas, la extracción de relaciones, la extracción de eventos y la comprensión del lenguaje hablado, registra una puntuación global de 58, nueve puntos por encima de Gemini-3.6-Flash, que ocupa el segundo puesto. Estas cifras aún no han sido reproducidas por equipos externos. Las pruebas prácticas publicadas por Zhidx muestran que el modelo funciona bien en la mayoría de los casos, pero falla en al menos uno: una orden para el coche que devolvió un ajuste del 0 % para las ventanillas traseras que podían cambiar su posición existente.

La publicación va más allá de los pesos del modelo. El entrenamiento utilizó 2,753 millones de muestras reconstruidas a partir de 61 conjuntos de datos públicos, en 19 dominios y 52 idiomas, que el equipo describe como el mayor corpus abierto para la comprensión de intenciones. Un trabajo relacionado sobre datos de intención en la interacción con teléfonos fue aceptado en EMNLP 2026. El código está en GitHub, dentro del proyecto TeleChat-USP, con licencia Apache 2.0, y el modelo y el conjunto de datos están en Hugging Face y ModelScope, junto con un SDK de inferencia y una imagen oficial.

Para los desarrolladores que construyen agentes, la ventaja es práctica: un modelo que devuelve órdenes estructuradas en una sola pasada, con una latencia declarada inferior a 150 milisegundos, puede descargarse y probarse hoy mismo. Los ámbitos de uso que menciona el equipo son los espacios inteligentes, los asistentes para automóviles, los flujos de trabajo de oficina y los agentes personales. Las fuentes no ofrecen un calendario comercial ni cifras de despliegue, así que lo que cambie para los usuarios finales dependerá de cuántos productos lo adopten y de cómo funcione fuera de las pruebas del propio equipo.