Spark-X2.6-4B의 개요
Spark-X2.6-4B는 41억 파라미터 텍스트 모델입니다. 2026년 10월 19일 SparkLLM 계정 XHToken이 Hugging Face에 올렸고, Spark 모델 제품군을 만든 허페이의 음성 및 AI 기업 iFlytek이 10월 22일 1024 Developer Festival에서 293B 클라우드 모델과 함께 발표했습니다. 모델 카드 자체에는 iFlytek이라는 이름이 없습니다. 영어와 중국어를 읽으며, 1.7B 형제 모델, 파인튜닝용 베이스 모델, FP8, INT8, INT4, GGUF 빌드가 함께 제공됩니다.
아키텍처는 전작 Spark-X2.5-4B와 같고, 성능 향상은 사후 학습에서 나옵니다. 36개 레이어 구조에서 전체 어텐션 레이어 하나마다 512토큰 창의 슬라이딩 윈도 어텐션 레이어 세 개가 섞여, 긴 컨텍스트 비용을 감당할 만하게 유지합니다. 설정상 1,048,576토큰까지 허용합니다. thinking은 세 단계(none, low, high)이며 기본으로 켜져 있습니다.
가중치는 Apache 2.0입니다. Transformers로 불러오려면 trust_remote_code가 필요하므로 배포자의 Python 코드가 사용자 기기에서 실행되며, 카드는 Transformers 4.57.1로 버전을 고정합니다.
Spark-X2.6-4B, 쓸 만한 가치가 있습니까?
Spark-X2.6-4B를 뒷받침하는 근거는 전적으로 개발사의 표입니다. 평가 30개 평균이 63.3으로, Qwen3.5-9B 49.1, Gemma4-12B 47.0, Qwen3.5-4B 43.2보다 높습니다. 격차는 에이전트 작업에서 가장 큽니다. BFCL-V4 함수 호출에서 71.8로 Qwen3.5-4B의 50.3을, MCP-Atlas에서 62.4 대 40.8, SWE-bench Pro에서 54.3 대 29.4로 앞섭니다. 이 크기 모델로서는 큰 결 과입니다. 이 모델을 싣고 있는 유일한 서드파티 페이지인 BenchLM 등은 직접 측정하지 않고 카드의 수치를 옮겨 적었습니다.
여러 수치는 조심해서 봐야 합니다. SWebBench(71.7)와 PAgentBench(74.1)는 아직 공개되지 않은 사내 테스트입니다. 경쟁 모델 점수 상당수는 다시 돌린 것이 아니라 다른 모델 카드에서 가져왔다고 표시돼 있고, Spark 결과는 모두 high thinking 단계를 씁니다. BrowseComp에서는 53.1로 Qwen3.5-9B의 8.3을 앞서는데, 격차가 이 정도면 능력만큼이나 평가 하네스 차이를 의심하게 됩니다. 앞서지 못한 항목은 그렇다고 밝힙니다. GPQA Diamond(81.7 대 77.1)와 긴 컨텍스트 AA-LCR(70.0 대 67.3)에서는 Qwen3.5-9B가 이깁니다.
아키텍처는 노트북에 맞게 합리적입니다. 레이어 네 개 중 세 개는 마지막 512토큰만 보고, 4-bit GGUF는 약 3.5 GB입니다. 카드는 RTX 4090과 M5 Pro에서 prefill과 decode 속도가 Qwen3.5-4B, Gemma4-E4B와 비슷하다고 주장하지만, 차트에 정확한 수치는 없습니다. 1M 토큰 컨텍스트는 설정값일 뿐입니다. 그 범위의 끝에서는 자체 점수도 Graphwalks 34.2, OpenAI MRCR 26.0으로 떨어집니다.
출처는 충분히 분명하지만 일부 구매자에게는 부담이 따릅니다. Hugging Face 카드에는 "SparkLLM Team"만 적혀 있고, iFlytek과의 연결은 출시 행사와 언론 보도에서 나옵니다. iFlytek은 2019년 미국의 제재 대상이 됐습니다. 그래서 일부 구매 담당 팀은 Apache 2.0이라도 이 가중치를 출시하기 전에 승인 절차를 거쳐야 합니다.
제 역할을 하는 곳
Windows와 macOS용 데스크톱 어시스턴트 개발자
클라우드 비용 없이 도구 호출과 파일 작업을 로컬에서 실행
3.5 GB Q4_K_M GGUF를 llama.cpp b10828 이상 또는 Ollama 0.34.1로 배포하고, 빠른 도구 루프를 위해 thinking을 none이나 low로 둡니다. BFCL 우위는 자체 보고이므로 먼저 자체 도구 스키마로 Gemma 4 E4B와 비교해 봐야 합니다.
중국 자동차 또는 로보틱스 제조사의 임베디드 소프트웨어 팀
Ascend 기반 하드웨어에 이중 언어 에이전트 모델 탑재
카드의 SGLang 또는 vLLM-Ascend 이미지로 A2, A3, 950DT NPU에서 서빙합니다. Apache 2.0은 제품 내 수정과 재배포를 허용하며, iFlytek은 출시 때 이 모델을 자동차, 로봇, AI PC용으로 내세웠습니다.
50명 규모 소프트웨어 회사의 ML 엔지니어
사내 저장소로 작은 코딩 도우미 파인튜닝
카드가 파인튜닝용으로 권하는 배포자의 LlamaFactory 포크로 Spark-X2.6-4B-Base에서 시작합니다. SWE-bench Pro 54.3은 개발사 수치이므로 먼저 자기 작업으로 확인해야 합니다.
도입 전 확인할 점
- 설정
- 로컬에서는 Ollama, LM Studio 또는 llama.cpp b10828+를 씁니다. Transformers 4.57.1에서는 trust_remote_code가 필요합니다. NVIDIA GPU와 Ascend NPU용 SGLang 및 vLLM Docker 이미지가 있습니다.
- 연동
- spark25 도구 호출 파서를 쓰는 SGLang 및 vLLM 기반 OpenAI 호환 서버, 배포자의 Spark-MLX-LLM을 통한 MLX, Unsloth Studio, 커뮤니티 WebGPU 데모.
- 데이터와 개인정보
- 자체 호스팅이므로 프롬프트는 기기에 머뭅니다. 가중치는 Apache 2.0입니다. 카드에는 학습 데이터나 안전성 테스트에 대한 설명이 없습니다. 불러올 때 배포자 자체의 모델 코드가 실행됩니다.
- 대규모 사용 시 비용
- 하드웨어 비용뿐입니다. BF16 가중치는 약 8.2 GB, Q4_K_M GGUF는 약 3.5 GB입니다. 1M 토큰 컨텍스트에는 가중치보다 훨씬 많은 메모리가 필요하며, 카드는 이를 낮추라고 권합니다.
- 제한
- 텍스트 전용, 영어와 중국어. thinking을 켰을 때 권장 출력 예산은 131,072토큰입니다. 자체 보고한 긴 컨텍스트 점수는 512K~1M 토큰에서 MRCR 26.0까지 떨어집니다.
좋은 점
- 개발사의 30개 테스트 평균에서 Qwen3.5-9B를 63.3 대 49.1로 앞섬
- Apache 2.0, 베이스 모델과 양자화 빌드 제공
- 4-bit 기준 약 3.5 GB, Ollama, LM Studio, llama.cpp에서 실행
- 끄기를 포함한 세 단계 thinking
아쉬운 점
- 모든 벤치마크가 자체 보고이며 독립 테스트는 아직 없음
- 대표 에이전트 벤치마크 두 개가 공개되지 않은 사내 테스트
- Transformers에서 trust_remote_code 필요
- 텍스트 전용, 개발사는 2019년 미국 제재 대상
추천 대상
노트북이나 엣지 기기에서 로컬 에이전트를 만들고, 자기 작업으로 주장을 검증할 수 있으며, iFlytek 모델을 써도 문제가 없는 개발자.
Spark-X2.6-4B 대안
Spark-X2.6-4B: 자주 묻는 질문
- Spark-X2.6-4B, 쓸 만한 가치가 있습니까?
- iFlytek 자체 차트로는 Spark-X2.6-4B가 지금까지 가장 강한 4B 에이전트 모델입니다. 하지만 외부에서 확인된 것은 하나도 없고, 가장 큰 우위 두 개는 iFlytek만 본 벤치마크에서 나왔습니다. 평점은 5점 만점에 3.7점입니다.
- Spark-X2.6-4B의 가격은 얼마입니까?
- Apache 2.0으로 무료이며 자체 하드웨어에서 실행합니다. 4B 모델의 호스팅 가격은 공개되지 않았습니다.
- Spark-X2.6-4B의 단점은 무엇입니까?
- 모든 벤치마크가 자체 보고이며 독립 테스트는 아직 없음; 대표 에이전트 벤치마크 두 개가 공개되지 않은 사내 테스 트; Transformers에서 trust_remote_code 필요; 텍스트 전용, 개발사는 2019년 미국 제재 대상.
- Spark-X2.6-4B에 적합한 사람은 누구입니까?
- 노트북이나 엣지 기기에서 로컬 에이전트를 만들고, 자기 작업으로 주장을 검증할 수 있으며, iFlytek 모델을 써도 문제가 없는 개발자.
- 팀이나 프로덕션 환경에서 Spark-X2.6-4B의 비용은 얼마입니까?
- 하드웨어 비용뿐입니다. BF16 가중치는 약 8.2 GB, Q4_K_M GGUF는 약 3.5 GB입니다. 1M 토큰 컨텍스트에는 가중치보다 훨씬 많은 메모리가 필요하며, 카드는 이를 낮추라고 권합니다.
- Spark-X2.6-4B에 회사 데이터를 맡겨도 안전합니까?
- 자체 호스팅이므로 프롬프트는 기기에 머뭅니다. 가중치는 Apache 2.0입니다. 카드에는 학습 데이터나 안전성 테스트에 대한 설명이 없습니다. 불러올 때 배포자 자체의 모델 코드가 실행됩니다.
- Spark-X2.6-4B의 가장 좋은 대안은 무엇입니까?
- 저희가 리뷰한 것 중 가장 가까운 대안은 Gemma 4, MiniCPM5-2B, LFM3 및 Ministral 3 (3B, 8B and 14B)입니다.
답변 확인일: 2026년 11월 2일.