中国電信AI、意図理解に特化したモデル「Xing4.0-29B-Intent」を発表・オープンソース化

中国電信人工知能科技有限公司(China Telecom AI)の星辰汎用人工知能研究所は、意図理解に特化したモデル Xing4.0-29B-Intent を正式に発表し、オープンソースとして公開しました。あわせて275万件のトレーニングコーパス、モデルの重み、推論用コンテナイメージも提供開始しています。本モデルは意図認識とパラメータ抽出を高度に統合し、ユーザーの自然言語による指示を業務システムが直接処理可能な構造化データへと迅速に変換します。
現在、Xing4.0-29B-Intent の性能は、中国電信の「10000番」カスタマーサービスシステムやスマートスピーカーなどの端末製品ですでに実用化されており、対話意図の認識、問い合わせチケットの自動振り分け、音声コマンドの解析などに広く活用されています。今回のオープンソース化により、開発者に完全なモデルと関連リソースを提供し、実際のビジネスシーンへの迅速な導入を支援します。
01 選択問題か、それとも穴埋め問題か?
「寝室の照明を暖色系の黄色にして」
日常的なデバイス操作の指示には、ユーザーが実行したい「操作」だけでなく、その操作を完了するために必要な「具体的なパラメータ」も含まれています。システムが自然言語の表現からこうした重要情報を正確に抽出しなければ、後続のアプリケーションに渡して実行することはできません。
このような発話に対して、システムが単に「照明の制御」と判断するだけでは不十分です。次のような情報を精密に解析する必要があります:
- どの部屋か?——寝室
- どのデバイスか?——照明
- どんな状態にするか?——暖色系の黄色
Jevをはじめとする意思決定モデルは主に「選択問題」、すなわちあらかじめ用意された選択肢から答えを選んで型定義された判定を返す役割を担います。一方、パラメータ抽出は「穴埋め問題」に相当し、タスクを遂行するために必要な具体的なパラメータを取り出す役割を果たします。Xing4.0-29B-Intent はこの両方のタスクに対応しており、1つの文の中に複数の意図、複数のパラメータ、複数のエンティティが混在するような複雑なケースにも柔軟に対処可能です。
本モデルは、統合スキーマ駆動型セマンティックパースフレームワーク(USP: Unified Schema-driven Semantic Parsing)を採用しています。「カテゴリ+パラメータ」の階層構造で結果を整理し、事前定義されたフィールド仕様に沿った JSON 形式のデータを出力します。意図理解、固有表現抽出(NER)、関係抽出、イベント抽出など、多岐にわたるタスクに対して統一された入出力フォーマット制約を適用することで、下流タスクの連携・移行コストを大幅に削減し、解析の安定性を担保しています。
02 なぜ汎用LLMを直接使わないのか?
ここまで読んで、「汎用LLMは何でもこなせる万能な存在ではないのか、なぜ専用の意図理解モデルが必要なのか」と疑問に思うかもしれません。
実際の運用シーンにおいて、汎用LLMには明確な3つの「構造的弱点」が存在するためです。
1. 出力速度
汎用LLMは思考を深める傾向があり、往々にして数百〜数千トークンにおよぶ長い推論プロセス(CoT)を伴います。しかし、「カスタマーサポートにおける迅速なチケット転送」のように極めて低遅延が求められるリアルタイムシナリオでは、推論が完了する前にユーザーが電話を切ってしまうおそれがあります。Xing4.0-29B-Intent はタスクに必要な意思決定情報の抽出に特化し、冗長な推論を排除することで、平均出力トークン数をわずか数十トークンに抑え、全体のレスポンスタイムを数百ミリ秒レベルにまで短縮しています。
2. コスト
基本的な分類や情報抽出のために汎用LLMを稼働させるのは、いわば「牛刀をもって鶏を裂く」ようなものです。意図理解に特化した専用モデルは適度なパラメータサイズを持ち、推論コストを低く抑えられます。1日あたりのコール数が数百万回に達する本番環境では、そのコストメリットが劇的な差となって現れます。
3. 信頼性
汎用LLMによる自由形式のテキスト出力には不確実性が伴い、同じ入力に対しても多様な表現が生成されるため、下流システムでの構造化パースが困難になります。一方、Xing4.0-29B-Intent の出力は事前定義されたスキーマによって厳密に制約されています。フィールドが明確で形式が制御されており、厳密なバリデーションにも対応しているため、「勝手な解釈」によるハルシネーション(幻覚)のリスクを根本から排除します。
要約すると、要求される応答速度が速く、対象業務が限定されており、実行アクションが明確な環境下では、意図理解専用モデルのほうが汎用LLMよりも高速・低コスト・高信頼な選択肢となります。
Jevをはじめとする軽量な意思決定モデルは以前からコミュニティで大きな注目を集めてきましたが、その評価は「意図理解においてはLLMの大規模な推論に頼る必要はなく、軽量な専用モデルでも十分高速かつ正確にこなせる」という業界の共通認識を裏付けるものとなっています。
03 ベンチマーク結果:識別・抽出能力の検証
ユーザーの多様で細粒度な要求をモデルが正確に把握できるかどうかは、主に次の2つの軸で検証されます:
- カテゴリと内容の両立:分類が正確であると同時に、抽出も高精度であるか
- 純粋なカテゴリ判定能力:カテゴリ判定において選択漏れ、余計な選択、誤検知がないか
技術チームは、これら2つの軸に沿って専門的なベンチマーク評価を実施しました。
第1グループ:カテゴリの正しさだけでなく、具体的な内容も正確か
第1グループの評価では、48の中英公開データセットから均等に抽出した6,000問を使用し、意図理解、固有表現抽出、関係抽出、イベント抽出の代表的な4タスクを網羅しました。モデルが適切なカテゴリを選択したうえで、対応するエンティティとパラメータを漏れなく抽出できるかを重点的に検証しています。
照明の調節指示を例にとると、単に「照明の制御」と認識するだけでは得点にならず、「寝室」「照明」「暖色系の黄色」といったパラメータをすべて抽出して初めて正解となります。カテゴリが合っていても内容に不足や誤りがある場合は不正解とみなされます。
各タスクのスコアは4つのタスクごとに個別に算出した後、等加重平均を適用しています(単なる全問合算ではなく、総合力を適切に反映させるため)。具体的なスコアは以下の通りです(数値が高いほど高性能):
| モデル | 総合スコア | 意図分類 | エンティティ検出 | 関係検出 | イベント抽出 |
|---|---|---|---|---|---|
| Xing4.0-29B-Intent | 58 | 81 | 72 | 38 | 40 |
| Gemini-3.6-Flash | 49 | 64 | 71 | 29 | 30 |
| Qwen3.8-Max | 46 | 63 | 66 | 26 | 29 |
| Kimi-K3 | 45 | 61 | 68 | 25 | 28 |
| GPT-5.6-Sol | 45 | 60 | 68 | 23 | 28 |
| GLM-5.2 | 44 | 58 | 65 | 25 | 29 |
| GPT-5.5 | 44 | 59 | 67 | 23 | 28 |
| GLM-5.3-Flash | 44 | 58 | 65 | 26 | 27 |
| GLM-5.1 | 42 | 59 | 60 | 24 | 27 |
| DeepSeek-V4.1-Flash | 42 | 56 | 61 | 23 | 26 |
| DeepSeek-V4-Pro | 41 | 56 | 60 | 24 | 23 |
| LongCat-2.0 | 41 | 53 | 62 | 23 | 24 |
| GPT-4.1 | 40 | 55 | 59 | 22 | 23 |
| DeepSeek-V4-Flash | 39 | 52 | 55 | 24 | 25 |
| GPT-6-Luna | 39 | 51 | 59 | 20 | 24 |
| GPT-4.1-Mini | 37 | 49 | 57 | 21 | 21 |
| Qwen3.7-Flash | 36 | 48 | 55 | 22 | 20 |
| GPT-4o-Mini | 31 | 41 | 49 | 18 | 16 |
評価結果が示すように、カテゴリ判定と細粒度なコンテンツ抽出を同時に行うタスクにおいて、Xing4.0-29B-Intent の総合性能は検証対象となった主流の汎用モデルを明確に上回っています。
第2グループ:カテゴリ判定単体での網羅性と精確性
第2グループの評価ではパラメータ抽出部分を切り離し、モデルが正しく漏れなくカテゴリを判断できるかどうかに特化して検証を行いました。評価セットは全5,606問(単一カテゴリ問題3,940問、複数カテゴリ問題1,666問)で構成され、対象が存在しない場合の誤判定を測定するため、839問の「抽出対象なし(ネガティブサンプル)」も導入されています。
なお、Jevは「N件から1件を選択」と「1件ずつ真偽を判定」という2通りの回答戦略で参加させ、汎用LLMのベースラインとして GPT-6-Luna を比較対象に設定しました:
| モデル | 総合判定スコア | 単一選択スコア | 複数選択スコア | 負例(ネガティブ)スコア |
|---|---|---|---|---|
| Xing4.0-29B-Intent | 70 | 65 | 68 | 70 |
| Jev(N選1) | 56 | 60 | 41 | 35 |
| Jev(真偽判定) | 53 | 24 | 64 | 5 |
| GPT-6-Luna | 65 | 52 | 63 | 64 |
テストの結果、Xing4.0-29B-Intent は総合判定スコアに加え、単一選択、複数選択、負例の各サブ項目においてもトップの性能を記録しました。特に複数対象の認識と誤検出防止という2つの難関シーンで強みを発揮しています。複数選択タスクでは選ぶべきカテゴリを漏れなくカバーし、負例シーンでは無理にマッチングさせず適切に「空欄のまま応答を拒否」できるため、誤検知を効果的に回避できています。
機能比較
| 機能項目 | Jev などの意思決定モデル | Xing4.0-29B-Intent |
|---|---|---|
| 意図分類 | 対応 | 対応 |
| Function Call パラメータ抽出 | 非対応 | 対応 |
| 情報抽出 / NER / イベント抽出 | 非対応 | 対応 |
| 固定フォーマットの構造化出力 | 対応 | 対応 |
| 推論レイテンシ | < 100ms | < 200ms |
04 想定ユースケース:どのような用途に適しているか?
中国電信の実際の現場において、Xing4.0-29B-Intent は「10000番」サポート業務での対話意図認識やチケットの自動振り分けに導入されています。また、スマートスピーカーなどのIoTデバイス側でも、日常的な話し言葉のコマンドを下位の制御プロトコルへ安定してマッピングしています。
以下のようなシステムの開発を進めているチームに最適です:
- エッジ端末でのインタラクション:スマートフォンの音声アシスタント、スマートコックピット、IoT集中制御システム(意図の認識とパラメータ抽出の両方が必要で、LLMの高遅延・高コストが許容できない環境)
- 法人向け(ToB)カスタマーサポート / 社内IM Bot:立ち上げ初期で大規模なアノテーションデータがなく、意図ごとに高額なラベル付けコストをかけられない環境
- Agent / Function Calling アプリケーション:ツール呼び出しを安全に振り分けるための、高安定・低ハルシネーションで信頼できるフロントエンドの「セマンティックエントリ層」を必要としている環境
このような要件を持つプロジェクトにおいて、Xing4.0-29B-Intent は技術選定の有力なベースモデルとなります。
05 スキーマと275万件のコーパスを公開、ぜひお試しください
Xing4.0-29B-Intent は、星辰汎用基盤モデル「Xing4.0-29B-A4B」をベースにファインチューニングを施し、意図解析と構造化出力の能力を重点的に強化したモデルです。今回のオープンソース公開では、以下の4つのコアリソースを提供します:
- 275.3万件の教師あり微調整(SFT)データセット:61件のオープンデータセットを再構築し、19の業務ドメイン、52言語をカバー。
- エッジ端末向け意図理解ベンチマークコーパス:モバイル端末でのインテリジェントな対話シーン向けに構築された中国語音声理解ベンチマーク「CMPA-SLU」(関連論文は EMNLP 2026 に採択済み)。
- 完全なモデルの重み:意図分類、パラメータ抽出、標準化されたJSON構造化出力をネイティブサポート。
- 公式デプロイ用コンテナイメージ:オープンソースリポジトリとともに提供され、環境構築後すぐに推論・サービス運用が可能。
リソースおよびリンク
-
天翼AIオープンプラットフォーム APIドキュメント:
https://www.teleai.com.cn/doc/1MBaE2xId9JYYxLXUz2R/3jUbsGzfAj0Qe4A38Y0s -
GitHub リポジトリ(Apache 2.0 ライセンス):
https://github.com/XingChen-AGI/Xing4.0-29B-Intent -
Hugging Face:
-
ModelScope(魔搭):
-
Modelers(魔楽):