China Telecom apre un modello che trasforma comandi in impostazioni

Una sola frase pronunciata può nascondere più ordini: cambiare la luce del soggiorno, lasciare in pace la camera da letto e spostare una riunione. Finora, la maggior parte dei sistemi in grado di comprendere frasi di questo tipo doveva essere assemblata da strumenti separati. Il laboratorio AGI XingChen di China Telecom Artificial Intelligence Technology ha reso open source Xing4.0-29B-Intent, un modello che cerca di svolgere l'intero compito in un solo passaggio.

L'approccio tradizionale prevede prima la classificazione e poi l'estrazione. Molti modelli di intent si fermano alla classificazione: sanno che l'utente vuole regolare le luci, ma non quali luci né a quale livello. Xing4.0-29B-Intent combina entrambi i passaggi. Dato uno schema, restituisce una struttura JSON con un campo category per ciascun intent rilevato e un campo args per le entità, i valori e gli attributi estratti. Una frase con più comandi produce più intent, ciascuno con i propri argomenti.

Le affermazioni più forti sono quelle dei benchmark del team stesso. Viene riportato un Micro-F1 zero-shot in avvio a freddo pari a 70,27, che secondo il team supera GPT-4.1, e un punteggio di corrispondenza esatta pari a 61. In una valutazione più ampia, che copre riconoscimento di entità nominate, estrazione di relazioni, estrazione di eventi e comprensione del linguaggio parlato, il modello ottiene un punteggio complessivo di 58, nove punti sopra Gemini-3.6-Flash, secondo classificato. Questi numeri non sono ancora stati riprodotti da team esterni. I test sul campo pubblicati da Zhidx mostrano un modello che funziona bene nella maggior parte dei casi ma che fallisce almeno in uno: un comando per i finestrini dell'auto ha restituito un'impostazione dello 0% per i finestrini posteriori che avrebbero potuto cambiare la propria posizione attuale.

Il rilascio va oltre i pesi del modello. L'addestramento ha utilizzato 2,753 milioni di campioni ricostruiti da 61 dataset pubblici, su 19 domini e 52 lingue, che il team definisce il più grande corpus open source per la comprensione degli intent. Un lavoro correlato sui dati di intent nell'interazione con il telefono è stato accettato a EMNLP 2026. Il codice si trova su GitHub nel progetto TeleChat-USP con licenza Apache 2.0; il modello e il dataset sono su Hugging Face e ModelScope, insieme a un SDK per l'inferenza e a un'immagine ufficiale.

Per gli sviluppatori che costruiscono agenti, il vantaggio è concreto: un modello che restituisce comandi strutturati in un solo passaggio, con una latenza dichiarata inferiore a 150 millisecondi, può essere scaricato e testato già oggi. Gli ambiti di utilizzo indicati dal team sono gli spazi intelligenti, gli assistenti di bordo per auto, i flussi di lavoro d'ufficio e gli agenti personali. Le fonti non indicano una tempistica commerciale né dati sulla diffusione, quindi ciò che cambierà per gli utenti finali dipenderà da quanti prodotti lo adotteranno e da come si comporterà al di fuori dei test interni del team.