Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
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 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.
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'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.
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.
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.
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.
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.
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.
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.