Was ist Spark-X2.6-4B?
Spark-X2.6-4B ist ein Textmodell mit 4,1 Milliarden Parametern, am 19. Oktober 2026 auf Hugging Face vom SparkLLM-Konto XHToken veröffentlicht und von iFlytek, dem Sprach- und KI-Unternehmen aus Hefei hinter der Modellfamilie Spark, auf seinem 1024 Developer Festival am 22. Oktober zusammen mit einem Cloud-Modell mit 293B angekündigt. Die Model Card selbst nennt iFlytek nicht. Es liest Englisch und Chinesisch und kommt mit einem Schwestermodell mit 1.7B, einem Basismodell für die Feinabstimmung und Builds in FP8, INT8, INT4 und GGUF.
Es behält die Architektur seines Vorgängers Spark-X2.5-4B; die Zugewinne stammen aus dem Nachtraining. Die Bauweise mit 36 Schichten mischt auf jede Schicht mit voller Attention drei Schichten mit Sliding-Window-Attention und einem Fenster von 512 Tokens, was lange Kontexte bezahlbar hält; die Konfiguration erlaubt 1.048.576 Tokens. Thinking hat drei Stufen (none, low und high) und ist standardmäßig aktiv.
Die Gewichte stehen unter Apache 2.0. Das Laden mit Transformers erfordert trust_remote_code, sodass Python-Code des Herausgebers auf deinem Rechner läuft, und die Model Card legt Transformers 4.57.1 fest.
Lohnt sich Spark-X2.6-4B?
Der Fall für Spark-X2.6-4B beruht ganz auf der Tabelle seiner Entwickler. Über 30 Evaluierungen erreicht es im Schnitt 63,3, gegenüber 49,1 für Qwen3.5-9B, 47,0 für Gemma4-12B und 43,2 für Qwen3.5-4B. Am größten ist der Vorsprung bei Agent-Arbeit: 71,8 beim Function Calling auf BFCL-V4 gegenüber 50,3 für Qwen3.5-4B, 62,4 gegenüber 40,8 auf MCP-Atlas und 54,3 gegenüber 29,4 auf SWE-bench Pro. Das wären große Ergebnisse für ein Modell dieser Größe, und die einzigen Seiten Dritter, die es führen, etwa BenchLM, übernehmen die Werte der Model Card, statt selbst zu messen.
Mehrere Zahlen verdienen Vorsicht. SWebBench (71,7) und PAgentBench (74,1) sind hausinterne Tests, die noch nicht veröffentlicht sind. Viele Werte der Konkurrenz sind als aus anderen Model Cards übernommen gekennzeichnet statt neu gemessen, und jedes Spark-Ergebnis nutzt die höchste Thinking-Stufe. Auf BrowseComp erreicht es 53,1 gegenüber 8,3 für Qwen3.5-9B, ein Abstand, der so groß ist, dass er ebenso auf Unterschiede im Harness hindeutet wie auf Fähigkeiten. Wo es nicht führt, sagt die Tabelle das: Qwen3.5-9B schlägt es auf GPQA Diamond (81,7 zu 77,1) und beim langen Kontext auf AA-LCR (70,0 zu 67,3).
Die Architektur ist für Laptops vernünftig. Drei von vier Schichten achten nur auf die letzten 512 Tokens, das GGUF mit 4 Bit ist etwa 3,5 GB groß, und die Model Card gibt an, Prefill und Dekodieren seien auf einer RTX 4090 und einem M5 Pro so schnell wie bei Qwen3.5-4B und Gemma4-E4B, wobei ihr Diagramm keine genauen Zahlen nennt. Der Kontext von 1M Tokens ist ein Konfigurationswert; die eigenen Werte fallen am oberen Ende dieses Bereichs auf 34,2 bei Graphwalks und 26,0 bei OpenAI MRCR.
Die Herkunft ist klar genug, hat für manche Käufer aber ihren Preis. Die Model Card auf Hugging Face nennt nur ein "SparkLLM Team"; die Verbindung zu iFlytek ergibt sich aus der Startveranstaltung und der Presseberichterstattung. iFlytek wurde 2019 von den USA sanktioniert, was manche Einkaufsteams klären müssen, bevor sie seine Gewichte ausliefern, auch unter Apache 2.0.
Wo es sich lohnt
Ein Entwickler eines Desktop-Assistenten für Windows und macOS
Tool-Aufrufe und Dateioperationen lokal ohne Cloud-Rechnung ausführen
Liefere das GGUF in Q4_K_M mit 3,5 GB über llama.cpp b10828 oder neuer oder Ollama 0.34.1 aus und setze Thinking für schnelle Tool-Schleifen auf none oder low. Teste zuerst mit deinem eigenen Tool-Schema gegen Gemma 4 E4B, denn der Vorsprung auf BFCL ist selbst gemeldet.
Ein Team für Embedded Software bei einem chinesischen Auto- oder Robotikhersteller
Ein zweisprachiges Agent-Modell auf Hardware mit Ascend bringen
Betreibe es mit den Images für SGLang oder vLLM-Ascend aus der Model Card auf NPUs vom Typ A2, A3 oder 950DT. Apache 2.0 erlaubt Änderung und Weitergabe im Produkt, und iFlyteks Start richtete das Modell auf Autos, Roboter und KI-PCs aus.
Ein ML-Engineer in einem Softwareunternehmen mit 50 Mitarbeitern
Einen kleinen Coding-Helfer auf internen Repositories feinabstimmen
Beginne mit Spark-X2.6-4B-Base und dem Fork von LlamaFactory des Herausgebers, den die Model Card für die Feinabstimmung empfiehlt. Prüfe den Wert von 54,3 auf SWE-bench Pro zuerst an deinen eigenen Aufgaben, denn er stammt vom Labor selbst.
Bevor du dich festlegst
- Einrichtung
- Ollama, LM Studio oder llama.cpp b10828+ für den lokalen Einsatz; Transformers 4.57.1 mit trust_remote_code; Docker-Images für SGLang und vLLM für NVIDIA-GPUs und Ascend-NPUs.
- Integrationen
- OpenAI-kompatible Server über SGLang und vLLM mit dem Tool-Call-Parser spark25; MLX über Spark-MLX-LLM des Herausgebers; Unsloth Studio; eine WebGPU-Demo der Community.
- Daten und Datenschutz
- Selbst gehostet, Prompts bleiben also auf dem Gerät. Gewichte unter Apache 2.0; die Model Card macht keine Angaben zu Trainingsdaten oder Sicherheitstests. Beim Laden läuft der eigene Modellcode des Herausgebers.
- Kosten im großen Maßstab
- Nur Hardware: Die BF16-Gewichte sind etwa 8,2 GB groß und das GGUF in Q4_K_M etwa 3,5 GB; ein Kontext von 1M Tokens braucht weit mehr Speicher als die Gewichte, und die Model Card rät, ihn zu verkleinern.
- Grenzen
- Nur Text, Englisch und Chinesisch; empfohlenes Ausgabebudget von 131.072 Tokens mit Thinking; die selbst gemeldeten Werte für langen Kontext fallen bei 512K bis 1M Tokens auf 26,0 bei MRCR.
Was gut ist
- Führt im Schnitt der 30 Tests seiner Entwickler vor Qwen3.5-9B, 63,3 zu 49,1
- Apache 2.0, mit Basismodell und quantisierten Builds
- Etwa 3,5 GB mit 4 Bit; läuft in Ollama, LM Studio und llama.cpp
- Drei Thinking-Stufen, einschließlich aus
Was nicht
- Jeder Benchmark selbst gemeldet; noch keine unabhängigen Tests
- Zwei der wichtigsten Agent-Benchmarks sind unveröffentlichte hausinterne Tests
- Braucht trust_remote_code in Transformers
- Nur Text; Hersteller 2019 von den USA sanktioniert
Am besten für
Entwickler, die lokale Agenten auf Laptops oder Edge-Geräten bauen, die Angaben an eigenen Aufgaben prüfen können und ein Modell von iFlytek nutzen dürfen.
Alternativen zu Spark-X2.6-4B
Spark-X2.6-4B: häufige Fragen
- Lohnt sich Spark-X2.6-4B?
- Nach iFlyteks eigenem Diagramm ist Spark-X2.6-4B das bisher stärkste Agent-Modell mit 4B, doch nichts davon wurde extern geprüft, und zwei seiner größten Siege stammen aus Benchmarks, die nur iFlytek kennt. Wir bewerten es mit 3.7 von 5.
- Was kostet Spark-X2.6-4B?
- Kostenlos unter Apache 2.0; läuft auf deiner eigenen Hardware. Kein gehosteter Preis für das 4B-Modell veröffentlicht.
- Welche Nachteile hat Spark-X2.6-4B?
- Jeder Benchmark selbst gemeldet; noch keine unabhängigen Tests; Zwei der wichtigsten Agent-Benchmarks sind unveröffentlichte hausinterne Tests; Braucht trust_remote_code in Transformers; Nur Text; Hersteller 2019 von den USA sanktioniert.
- Für wen eignet sich Spark-X2.6-4B?
- Entwickler, die lokale Agenten auf Laptops oder Edge-Geräten bauen, die Angaben an eigenen Aufgaben prüfen können und ein Modell von iFlytek nutzen d ürfen.
- Was kostet Spark-X2.6-4B für ein Team oder im Produktivbetrieb?
- Nur Hardware: Die BF16-Gewichte sind etwa 8,2 GB groß und das GGUF in Q4_K_M etwa 3,5 GB; ein Kontext von 1M Tokens braucht weit mehr Speicher als die Gewichte, und die Model Card rät, ihn zu verkleinern.
- Ist Spark-X2.6-4B sicher für Firmendaten?
- Selbst gehostet, Prompts bleiben also auf dem Gerät. Gewichte unter Apache 2.0; die Model Card macht keine Angaben zu Trainingsdaten oder Sicherheitstests. Beim Laden läuft der eigene Modellcode des Herausgebers.
- Was sind die besten Alternativen zu Spark-X2.6-4B?
- Die nächsten Alternativen, die wir getestet haben, sind Gemma 4, MiniCPM5-2B, LFM3 und Ministral 3 (3B, 8B and 14B).
Antworten geprüft am 2. Nov. 2026.