Las dos versiones están alineadas bloque a bloque, en el orden del texto: titular, lo esencial y después párrafo a párrafo. Cuando la traducción ha fusionado o dividido un párrafo, la casilla correspondiente queda vacía — nunca emparejamos dos pasajes a ojo.
A single spoken sentence can hide several orders: change the living-room light, leave the bedroom alone, and move a meeting. Until now, most systems that understood such sentences had to be stitched together from separate tools. The XingChen AGI lab at China Telecom Artificial Intelligence Technology has open-sourced Xing4.0-29B-Intent, a model that tries to do the whole job in one step.
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.
The usual approach is to classify first and extract later. Many intent models stop at classification: they know the user wants to adjust the lights, but not which lights or to what level. Xing4.0-29B-Intent combines both steps. Given a schema, it returns a JSON structure with a category field for each detected intent and an args field for the entities, values and attributes it extracted. One sentence with several commands produces several intents, each carrying its own arguments.
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.
The team's own benchmarks are the strongest claims. It reports a zero-shot cold-start Micro-F1 of 70.27, which it says beats GPT-4.1, and an exact-match score of 61. On a broader evaluation covering named entity recognition, relation extraction, event extraction and spoken language understanding, it reports an overall score of 58, nine points above Gemini-3.6-Flash in second place. These numbers have not yet been reproduced by outside teams. The hands-on tests published by Zhidx show the model working well on most cases but failing on at least one: a car-window command that returned a 0% setting for rear windows that could change their existing position.
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.
The release goes beyond the weights. Training used 2.753 million samples rebuilt from 61 public datasets, across 19 domains and 52 languages, which the team calls the largest open intent-understanding corpus. Related work on phone-interaction intent data was accepted to EMNLP 2026. The code is on GitHub under the TeleChat-USP project with an Apache 2.0 license, and the model and dataset are on Hugging Face and ModelScope, with an inference SDK and an official image.
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.
For developers building agents, the gain is practical: a model that returns structured commands in one pass, with reported latency under 150 milliseconds, can be downloaded and tested today. The target uses named by the team are smart spaces, in-car assistants, office workflows and personal agents. The sources do not give a commercial timeline or any deployment figures, so what changes for end users depends on how many products pick it up and how it performs outside the team's own tests.
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.