As duas versões estão alinhadas bloco a bloco, pela ordem do texto: título, o essencial e depois parágrafo a parágrafo. Quando a tradução fundiu ou dividiu um parágrafo, a casa correspondente fica vazia — nunca aproximamos duas passagens a olho.
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.
Uma única frase falada pode esconder várias ordens: mudar a luz da sala, deixar o quarto como está e mover uma reunião. Até agora, a maioria dos sistemas capazes de compreender frases deste tipo tinha de ser montada a partir de ferramentas separadas. O laboratório XingChen AGI da China Telecom Artificial Intelligence Technology disponibilizou como código aberto o Xing4.0-29B-Intent, um modelo que tenta fazer todo o trabalho num único passo.
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.
A abordagem habitual é classificar primeiro e extrair depois. Muitos modelos de intenção ficam pela classificação: sabem que o utilizador quer ajustar as luzes, mas não quais nem para que nível. O Xing4.0-29B-Intent combina as duas etapas. Recebendo um esquema, devolve uma estrutura JSON com um campo de categoria para cada intenção detetada e um campo de argumentos para as entidades, valores e atributos extraídos. Uma frase com vários comandos produz várias intenções, cada uma com os seus próprios 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.
Os números mais fortes são os da própria equipa. A empresa reporta um Micro-F1 de 70,27 em modo zero-shot e de arranque a frio, o que, segundo afirma, supera o GPT-4.1, e uma pontuação de correspondência exata de 61. Numa avaliação mais ampla, que abrange o reconhecimento de entidades nomeadas, a extração de relações, a extração de eventos e a compreensão da linguagem falada, indica uma pontuação global de 58, nove pontos acima do Gemini-3.6-Flash, em segundo lugar. Estes números ainda não foram reproduzidos por equipas externas. Os testes práticos publicados pela Zhidx mostram o modelo a funcionar bem na maioria dos casos, mas a falhar pelo menos num: um comando para os vidros do carro devolveu uma definição de 0% para os vidros traseiros, que podiam mudar a sua posição atual.
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.
A publicação vai além dos pesos do modelo. O treino usou 2,753 milhões de amostras reconstruídas a partir de 61 conjuntos de dados públicos, em 19 domínios e 52 línguas, aquilo que a equipa descreve como o maior corpus aberto de compreensão de intenções. Um trabalho relacionado sobre dados de intenção em interação com telemóveis foi aceite na EMNLP 2026. O código está no GitHub, no projeto TeleChat-USP, com licença Apache 2.0, e o modelo e o conjunto de dados estão no Hugging Face e no ModelScope, com um SDK de inferência e uma imagem 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 quem desenvolve agentes, o ganho é prático: um modelo que devolve comandos estruturados numa única passagem, com uma latência indicada de menos de 150 milissegundos, pode ser descarregado e testado já hoje. Os alvos apontados pela equipa são espaços inteligentes, assistentes de bordo, fluxos de trabalho de escritório e agentes pessoais. As fontes não indicam um calendário comercial nem dados de implementação, pelo que o que muda para o utilizador final dependerá de quantos produtos o adotarem e de como se comportará fora dos testes da própria equipa.