Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
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.
Une seule phrase prononcée peut cacher plusieurs ordres : éteindre la lumière du salon, laisser la chambre tranquille et déplacer une réunion. Jusqu'ici, la plupart des systèmes capables de comprendre de telles phrases devaient être assemblés à partir d'outils distincts. Le laboratoire XingChen AGI de China Telecom Artificial Intelligence Technology a publié en open source Xing4.0-29B-Intent, un modèle qui tente d'accomplir l'ensemble de la tâche en une seule étape.
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.
L'approche habituelle consiste à classer d'abord, puis à extraire ensuite. Beaucoup de modèles d'intention s'arrêtent à la classification : ils savent que l'utilisateur veut régler les lumières, mais pas lesquelles ni à quel niveau. Xing4.0-29B-Intent combine les deux étapes. À partir d'un schéma, il renvoie une structure JSON avec un champ de catégorie pour chaque intention détectée et un champ d'arguments pour les entités, valeurs et attributs extraits. Une phrase comportant plusieurs commandes produit plusieurs intentions, chacune avec ses propres arguments.
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.
Les benchmarks de l'équipe constituent ses affirmations les plus fortes. Elle annonce un score Micro-F1 en zero-shot à froid de 70,27, qu'elle dit supérieur à celui de GPT-4.1, ainsi qu'un score de correspondance exacte de 61. Sur une évaluation plus large couvrant la reconnaissance d'entités nommées, l'extraction de relations, l'extraction d'événements et la compréhension de la langue parlée, elle indique un score global de 58, soit neuf points devant Gemini-3.6-Flash, deuxième du classement. Ces chiffres n'ont pas encore été reproduits par des équipes extérieures. Les tests pratiques publiés par Zhidx montrent que le modèle fonctionne bien dans la plupart des cas, mais échoue au moins une fois : une commande sur les vitres de voiture a renvoyé un réglage à 0 % pour des vitres arrière pouvant changer leur position actuelle.
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 publication va au-delà des poids du modèle. L'entraînement a utilisé 2,753 millions d'échantillons reconstruits à partir de 61 jeux de données publics, couvrant 19 domaines et 52 langues, ce que l'équipe présente comme le plus grand corpus ouvert de compréhension d'intentions. Des travaux connexes sur les données d'intention liées à l'interaction avec les téléphones ont été acceptés à EMNLP 2026. Le code est disponible sur GitHub, dans le projet TeleChat-USP, sous licence Apache 2.0, tandis que le modèle et le jeu de données sont hébergés sur Hugging Face et ModelScope, avec un SDK d'inférence et une image officielle.
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.
Pour les développeurs d'agents, le gain est concret : un modèle qui renvoie des commandes structurées en une seule passe, avec une latence annoncée inférieure à 150 millisecondes, peut être téléchargé et testé dès aujourd'hui. Les usages visés par l'équipe sont les espaces intelligents, les assistants embarqués dans les véhicules, les flux de travail de bureau et les agents personnels. Les sources ne donnent ni calendrier commercial ni chiffres de déploiement ; ce qui changera pour les utilisateurs finaux dépendra donc du nombre de produits qui l'adopteront et de ses performances en dehors des tests de l'équipe.