Spark-X2.6-4Bの料金は？

Apache 2.0で無料で、自分のハードウェアで動きます。4Bのモデルのホスト版の価格は公開されていません。

Spark-X2.6-4Bの欠点は？

ベンチマークはすべて自己申告で、独立したテストはまだない; 見出しのエージェントのベンチマークのうち2つは未公開の社内のテスト; Transformersではtrust_remote_codeが必要; テキストのみで、開発元は2019年に米国の制裁を受けている.

チームや本番環境でSpark-X2.6-4Bを使うと費用はいくらか？

かかるのはハードウェアだけです。BF16の重みは約8.2 GB、Q4_K_MのGGUFは約3.5 GBです。1Mトークンのコンテキストには重みよりはるかに多くのメモリが必要で、モデルカードは小さくすることを勧めています。

Spark-X2.6-4Bは企業データを扱っても安全か？

セルフホストなので、プロンプトはデバイスにとどまります。重みはApache 2.0で、モデルカードには学習データや安全性のテストについての記載はありません。読み込みでは公開元自身のモデルのコードが実行されます。

Spark-X2.6-4Bの代わりになるものは？

当サイトでレビューした中で最も近い代替はGemma 4, MiniCPM5-2B, LFM3 、 Ministral 3 (3B, 8B and 14B)です。

Spark-X2.6-4B レビュー：料金と評価 (2026)

Spark-X2.6-4Bとは？

Spark-X2.6-4Bは41億（4.1 billion）パラメータのテキストのモデルで、2026年10月19日にSparkLLMのアカウントXHTokenがHugging Faceで公開しました。Sparkのモデルファミリーを手がける合肥の音声とAIの会社iFlytekが、10月22日の1024 Developer Festivalで、293Bのクラウドのモデルとあわせて発表しています。モデルカード自体にはiFlytekの名前はありません。英語と中国語を読み、1.7Bの兄弟モデル、ファインチューニング用のベースモデル、FP8、INT8、INT4、GGUFのビルドが付いています。

前身のSpark-X2.5-4Bのアーキテクチャを保っており、向上は事後学習によるものです。36層の設計では、完全な注意の層1つごとに、512トークンの窓を持つスライディングウィンドウの注意の層を3つ組み合わせており、長いコンテキストでも費用を抑えられます。設定では1,048,576トークンまで使えます。thinkingには3段階（none、low、high）があり、標準で有効です。

重みはApache 2.0です。Transformersで読み込むにはtrust_remote_codeが必要なので、公開元のPythonがあなたのマシンで実行されます。モデルカードはTransformers 4.57.1を指定しています。

Spark-X2.6-4Bは使う価値があるか？

Spark-X2.6-4Bの主張は、すべて開発元の表に依拠しています。30の評価の平均は63.3で、Qwen3.5-9Bは49.1、Gemma4-12Bは47.0、Qwen3.5-4Bは43.2です。差が最も大きいのはエージェントの仕事で、BFCL-V4の関数呼び出しでは71.8でQwen3.5-4Bは50.3、MCP-Atlasでは62.4対40.8、SWE-bench Proでは54.3対29.4です。この大きさのモデルとしては大きな結果で、これを載せている唯一の第三者のページ、たとえばBenchLMは、自分で測るのではなくモデルカードの数字を写しています。

いくつかの数字には注意が必要です。SWebBench（71.7）とPAgentBench（74.1）は、まだ公開されていない社内のテストです。競合のスコアの多くは再計測ではなくほかのモデルカードから取ったものと注記されており、Sparkの結果はすべてthinkingのhighの段階を使っています。BrowseCompでは53.1で、Qwen3.5-9Bは8.3です。これほど大きな差は、能力と同じくらい評価環境の違いを示しているでしょう。上回っていない項目は、そうと示しています。GPQA DiamondではQwen3.5-9Bが上回り（81.7対77.1）、長いコンテキストのAA-LCRでも上回っています（70.0対67.3）。

アーキテクチャはノートパソコンには理にかなっています。4層のうち3層は直近の512トークンにしか注意を向けず、4ビットのGGUFは約3.5 GBです。モデルカードは、RTX 4090とM5 Proで、prefillとデコードの速度がQwen3.5-4BやGemma4-E4Bと同等だとしていますが、グラフには正確な数字がありません。1Mトークンのコンテキストは設定の値です。その範囲の上限では、自社のスコアでもGraphwalksで34.2、OpenAI MRCRで26.0に落ちます。

出自は十分にはっきりしていますが、一部の買い手には代償が伴います。Hugging Faceのモデルカードがクレジットしているのは「SparkLLM Team」だけで、iFlytekとの結び付きは発表のイベントと報道からわかるものです。iFlytekは2019年に米国の制裁を受けており、Apache 2.0であっても、その重みを製品に載せる前に、調達のチームによっては確認が必要になるでしょう。

真価を発揮する場面

WindowsとmacOS向けのデスクトップアシスタントの開発者
クラウドの請求なしに、ツール呼び出しとファイル操作をローカルで実行する
3.5 GBのQ4_K_MのGGUFを、llama.cpp b10828以降かOllama 0.34.1で組み込み、素早いツールのループのためにthinkingをnoneかlowにします。BFCLでの優位は自己申告なので、まず自分のツールのスキーマでGemma 4 E4Bと比べてください。
中国の自動車メーカーかロボットメーカーの組み込みソフトウェアのチーム
Ascendベースのハードウェアに2か国語のエージェントのモデルを載せる
A2、A3、950DTのNPUで、モデルカードのSGLangかvLLM-Ascendのイメージを使って動かします。Apache 2.0は製品での改変と再配布を認めており、iFlytekは発表でこのモデルを自動車、ロボット、AI PC向けとしていました。
従業員50人のソフトウェア会社のMLエンジニア
社内のリポジトリで小さなコーディング支援のモデルをファインチューニングする
モデルカードがファインチューニングに勧めている公開元のLlamaFactoryのフォークを使い、Spark-X2.6-4B-Baseから始めます。SWE-bench Proの54.3は研究所の数字なので、まず自分のタスクで確かめてください。

導入前に確認すること

導入: ローカルでの利用には、Ollama、LM Studio、llama.cpp b10828以降。Transformers 4.57.1とtrust_remote_code。NVIDIAのGPUとAscendのNPU向けのSGLangとvLLMのDockerイメージ。
連携: spark25のツール呼び出しのパーサーを使う、SGLangとvLLMによるOpenAI互換のサーバー。公開元のSpark-MLX-LLMによるMLX。Unsloth Studio。コミュニティによるWebGPUのデモ。
データとプライバシー: セルフホストなので、プロンプトはデバイスにとどまります。重みはApache 2.0で、モデルカードには学習データや安全性のテストについての記載はありません。読み込みでは公開元自身のモデルのコードが実行されます。
大規模利用時のコスト: かかるのはハードウェアだけです。BF16の重みは約8.2 GB、Q4_K_MのGGUFは約3.5 GBです。1Mトークンのコンテキストには重みよりはるかに多くのメモリが必要で、モデルカードは小さくすることを勧めています。
制限: テキストのみで、英語と中国語です。thinkingを有効にした場合の推奨の出力の予算は131,072トークンです。自己申告の長いコンテキストのスコアは、512Kから1MトークンではMRCRで26.0に落ちます。

良い点

開発元の30のテストの平均でQwen3.5-9Bを63.3対49.1で上回る
Apache 2.0で、ベースモデルと量子化版がある
4ビットで約3.5 GB、Ollama、LM Studio、llama.cppで動く
オフを含む3段階のthinking

気になる点

ベンチマークはすべて自己申告で、独立したテストはまだない
見出しのエージェントのベンチマークのうち2つは未公開の社内のテスト
Transformersではtrust_remote_codeが必要
テキストのみで、開発元は2019年に米国の制裁を受けている

Spark-X2.6-4Bの代替

Gemma 4

Google小型・オンデバイスオープンウェイト

4.4/5

GoogleのApache 2.0のオープンモデルファミリーです。スマートフォン向けのE2Bから、GPU 1基で動く31Bまであり、画像、動画、音声を入力できます。

MiniCPM5-2B

OpenBMB小型・オンデバイスオープンウェイト

4.0/5

OpenBMBの2.5Bのオンデバイスモデルです。ツール呼び出しとコード修正は4Bモデル並みで、チェックポイントと訓練データも公開されています。

LFM3

Liquid AI小型・オンデバイスオープンウェイト

4.0/5

テキスト、ビジョン、音声、オムニ、型付き判定を扱うLiquid AIの6つの2Bモデルのファミリーで、すべて1つの1.7Bのベースから派生しています。

Ministral 3 (3B, 8B and 14B)

Mistral AI小型・オンデバイスオープンウェイト

4.1/5

Apache 2.0で公開されたMistralの小型オープンモデルです。3つのサイズそれぞれにbase、instruct、reasoning版があり、画像入力に対応します。

Spark-X2.6-4B：よくある質問

Spark-X2.6-4Bは使う価値があるか？: iFlytek自身のグラフでは、Spark-X2.6-4Bはこれまでで最も強い4Bのエージェントモデルです。しかしそのどれも外部から確かめられておらず、最大の勝ちのうち2つは、iFlytekしか見たことのないベンチマークによるものです。評価は5点満点中3.7点です。
Spark-X2.6-4Bの料金は？: Apache 2.0で無料で、自分のハードウェアで動きます。4Bのモデルのホスト版の価格は公開されていません。
Spark-X2.6-4Bの欠点は？: ベンチマークはすべて自己申告で、独立したテストはまだない; 見出しのエージェントのベンチマークのうち2つは未公開の社内のテスト; Transformersではtrust_remote_codeが必要; テキストのみで、開発元は2019年に米国の制裁を受けている.
Spark-X2.6-4Bは誰に向いているか？: ノートパソコンやエッジのデバイスでローカルのエージェントを作り、自分のタスクで主張を検証でき、iFlytekのモデルを使っても差し支えない開発者。
チームや本番環境でSpark-X2.6-4Bを使うと費用はいくらか？: かかるのはハードウェアだけです。BF16の重みは約8.2 GB、Q4_K_MのGGUFは約3.5 GBです。1Mトークンのコンテキストには重みよりはるかに多くのメモリが必要で、モデルカードは小さくすることを勧めています。
Spark-X2.6-4Bは企業データを扱っても安全か？: セルフホストなので、プロンプトはデバイスにとどまります。重みはApache 2.0で、モデルカードには学習データや安全性のテストについての記載はありません。読み込みでは公開元自身のモデルのコードが実行されます。
Spark-X2.6-4Bの代わりになるものは？: 当サイトでレビューした中で最も近い代替はGemma 4, MiniCPM5-2B, LFM3 、 Ministral 3 (3B, 8B and 14B)です。

回答確認日：2026年11月2日