Xing4.0-29B-Intent и LingDT-Decision-1.0: почему для маршрутизации агентов выпускают отдельные модели решений
22 октября 2026 года сразу две китайские лаборатории представили специализированные модели для маршрутизации запросов и вызова инструментов: TeleAI (ИИ-подразделение China Telecom) открыла под лицензией Apache 2.0 модель Xing4.0-29B-Intent вместе с корпусом на 2,753 млн размеченных диалогов, а Ant Digital Technologies показала семейство LingDT-Decision-1.0 (4B и 27B параметров), сокращающее расход токенов на классификацию и выбор действий на 90–97% по сравнению с универсальными чат-моделями.
Знаешь, что больше всего раздражает, когда собираешь голосового бота или мультиагентную связку в продакшене? Пользователь бросает короткую фразу вроде «Сделай свет в спальне потеплее и поставь будильник на семь», а твоя система отправляет этот запрос в огромную рассуждающую модель. Та честно включает цепочку мыслей, полторы секунды рассуждает о природе утреннего пробуждения, съедает восемьсот токенов и наконец выдаёт JSON для вызова двух функций. Хотя всё, что требовалось на входе — за 150 миллисекунд определить категорию и вытащить три параметра.
Именно эту дыру в архитектуре сейчас закрывает новый класс компактных моделей: в англоязычных и китайских инженерных отчётах их называют Decision Models (модели принятия решений) и Intent Extraction Models.
Универсальный чат против жёсткой схемы: в чём подвох
Когда у тебя пет-проект на двадцать запросов в сутки, гонять большой флагман ради выбора нужного API — милое дело. Проблемы начинаются на объёмах. В контакт-центре оператора связи или внутри банковского конвейера счёт идёт на миллионы обращений в день, и у обычных генеративных моделей тут вылезают три неприятные болезни:
- Задержка первого действия. Большие модели любят «подумать вслух» перед ответом — пока они сгенерируют размышления, абонент на линии уже положит трубку.
- Плавающий формат вывода. Даже с жёстким системным промптом свободная генерация периодически ломает схему: то кавычку забудет, то придумает поле, которого нет в документации твоего бэкенда.
- Цена холостого хода. Платить за гигантский контекст и глубокую логику там, где нужно выбрать один пункт из десяти или заполнить три слота в анкете — просто сжигание бюджета.
Кстати, похожий сдвиг в сторону быстрых и лёгких моделей на потоковых задачах мы видим и по реальной статистике чата NeuralSpace. По обезличенным данным внутренней таблицы chat_history за 30 дней (с 22 сентября по 21 октября 2026 года, выборка N = 852 завершённых ответа ассистента), пользователи чаще всего выбирают компактные и скоростные модели: на GPT-5.4 Mini пришлось 242 ответа (средний объём 613 токенов и средняя стоимость 1,62 токена за ответ), а на DeepSeek V4.1 Flash — 106 ответов (в среднем 1 170 токенов при цене всего 0,30 токена за сообщение). Тяжёлый флагман Claude Opus 5 за тот же период вызывали 31 раз — там, где нужна сложная аналитика и длинный вывод (в среднем 2 278 токенов и 31,20 токена за ответ). То же самое в вайб-кодинге: по 54 обезличенным сессиям vibe_chats за 90 дней (23 июля — 21 октября 2026 года) лидируют быстрые DeepSeek V4 Flash (21 сессия) и DeepSeek V4.1 Flash (10 сессий).
Как устроена Xing4.0-29B-Intent: «тест с выбором» плюс «заполнение пропусков»
Команда лаборатории XingChen (TeleAI) построила свою новинку на базе MoE-архитектуры Xing4.0-29B-A4B, где из 29 миллиардов параметров на каждый токен активируются только 4 миллиарда. Главная инженерная находка здесь — фреймворк USP (Unified Schema-driven Semantic Parsing).
Вместо того чтобы делить пайплайн на отдельные кубики — сначала классификатор намерений, потом поиск сущностей (NER), потом извлечение связей и сборка аргументов для Function Calling — модель решает всё за один проход. Ей на вход подают JSON-схему допустимых категорий и аргументов, а на выходе за 100–200 миллисекунд получают короткий ответ на несколько десятков токенов строго в структуре «категория + параметры».
Разработчики проверили модель на двух независимых стендах:
- Комбинированная проверка (категория + точные слоты): 6 000 задач из 48 открытых двуязычных датасетов (intent, NER, relation extraction, event extraction). Если модель угадала намерение «управление светом», но потеряла параметр «тёплый жёлтый» — ответ не засчитывается. Итог: Xing4.0-29B-Intent набрала 58 баллов против 49 у ближайшего соперника (Gemini 3.6 Flash), 46 у Qwen 3.8 Max и 45 у Kimi K3 и GPT-5.6 Sol.
- Чистая классификация со сложными отказами: 5 606 примеров, включая 1 666 запросов с несколькими намерениями сразу и 839 «пустых» ловушек, где подходящей категории нет вообще. Здесь модель набрала 70 баллов против 65 у GPT-6 Luna и 56 у специализированного роутера Jev. Особенно показателен отрыв на негативных примерах (70 баллов против 35 у Jev): когда в реплике клиента нет нужного действия, модель не притягивает за уши случайный ярлык, а честно возвращает пустой результат.
Приятный бонус для тех, кто крутит модели на своём железе: вместе с весами и контейнером для инференса авторы выложили на Hugging Face и GitHub датасет Xing4.0-29B-Intent-oss — 2,753 миллиона примеров для SFT-дообучения, собранных из 61 источника по 19 отраслям и 52 языкам, плюс мобильный голосовой бенчмарк CMPA-SLU (принят на конференцию EMNLP 2026).
LingDT-Decision-1.0: граф зависимостей вместо одиночного ярлыка
Вторая сегодняшняя премьера — LingDT-Decision-1.0 от Ant Digital Technologies (доступна в версиях на 4B и 27B параметров) — бьёт в смежную точку: сложные многошаговые заявки в финтехе и клиентском сервисе.
Представь реальное сообщение клиента в чате поддержки: «Верните деньги за подписку, отключите автопродление и пришлите закрывающий чек, но сам аккаунт не удаляйте». Обычный классификатор с одним выходом выберет ярлык «Возврат средств» и благополучно забудет про чек и автопродление. А если задач несколько, их ещё и нельзя запускать вразнобой: сначала нужно проверить статус заказа, потом оформить возврат, и только после этого формировать чек.
LingDT-Decision-1.0 решает это двумя механизмами: нативным мультивыбором и пошаговым планированием через направленный ациклический граф (DAG). Модель сразу размечает, какие действия можно запустить параллельно (например, отключение автопродления), а какие ждут завершения предыдущего узла.
По опубликованным замерам на 23 открытых бенчмарках версия 27B обошла Microsoft-Decision-1, Jev 1.13.0 и Fastino/GLiDE. А в боевых тестах экономика выглядит ещё интереснее:
- на разметке данных расход токенов упал на 97% при десятикратном ускорении по сравнению с DS-V4-Flash;
- в умном саппорте — минус 90% токенов, двукратный прирост скорости и рост точности выявления рисков с 76% до 89% относительно Qwen-3.7-Flash;
- в финансовых сценариях точность полной сборки цепочки инструментов выросла в 2,6 раза, а отлов галлюцинаций поднялся с 44% до 70%.
Где такие модели буксуют и как применять подход уже сегодня
Честно говоря, у специализированных decision-моделей есть очевидный потолок, о котором авторы предупреждают прямо в документации. Они совершенно бесполезны там, где нужно придумать концепцию рекламного ролика, написать связный лонгрид или объяснить клиенту нестандартную юридическую коллизию. Как только задача выходит за рамки заранее описанной JSON-схемы или бизнес-правила меняются на лету без обновления списка кандидатов, жёсткий роутер превращается в тыкву.
Зато в связке «лёгкий диспетчер на входе + сильная модель на исполнении» эта архитектура экономит львиную долю времени и денег. В проектах с API NeuralSpace или при настройке собственных ИИ-агентов работает то же правило: не заставляй тяжёлую модель разбирать сырой поток — отдай первичную фильтрацию и сборку JSON-параметров быстрым Flash- и Mini-моделям, а флагманы подключай только на те шаги, где действительно нужно думать.
Первоисточники: разбор Xing4.0-29B-Intent на QbitAI, репозиторий XingChen-AGI на GitHub и отчёт о тестировании LingDT-Decision-1.0 на InfoQ.