九天·天行行业大模型完成新一轮升级

2026年6月，九天·天行行业大模型完成新一轮重大升级。本次升级在推理效率、行业知识注入和多模态理解三个维度实现显著突破，进一步夯实了九天技术在行业大模型领域的竞争力。

核心升级

MoE架构全面升级

新版天行大模型从稠密架构切换至MoE（混合专家）架构，总参数量保持在合理范围，但每次推理的活跃参数量降至37B。这一改变带来了显著的性能提升：

行业知识深度注入

本次升级新增了超过800万条行业专业知识数据，覆盖政务、能源、制造、民生四大垂类领域。通过持续预训练（CPT）+ 指令微调（SFT）+ 强化学习（RLHF）三阶段训练，模型在专业问答准确率上实现大幅提升：

• 政务问答：准确率从85.3%提升至93.1%（基于内部评测集5000题）
• 能源设备故障诊断：准确率从78.6%提升至92.4%（基于某能源集团实测数据）
• 制造业工艺优化建议：专家采纳率从67%提升至89%
• 民生政策解读：语义理解准确率从88.1%提升至94.7%

多模态理解增强

新版天行增强了视觉理解能力，支持对工业现场照片、设备监控画面、城市治理场景图片的自动识别与分析。例如，在能源巡检场景中，模型可以通过分析无人机拍摄的光伏面板照片，自动识别热斑、隐裂等缺陷。

技术细节

训练数据治理

行业知识注入的关键不在于数据量，而在于数据质量。九天技术建立了完整的行业数据治理流水线：

1. 数据采集：从合作单位脱敏获取、公开政策文件、行业技术标准、专业教材等
2. 数据清洗：去重、去噪、格式标准化，自动过滤低质量内容
3. 专家标注：行业专家参与关键样本的人工校验与标注
4. 持续迭代：根据实际使用反馈持续补充高质量数据

推理优化

除了MoE架构本身带来的效率提升，天行还采用了vLLM推理引擎的PagedAttention技术，大幅降低了KV缓存的显存碎片。结合量化推理（INT8），单卡可支持的并发请求数提升了4倍。

未来计划

下一阶段，天行大模型将重点在以下方向持续优化：

• 更长上下文支持（目标128K→256K），适配复杂政策法规分析场景
• 边缘端轻量化版本，满足数据不出域的离线推理需求
• 工具调用能力增强，更精准地对接政企现有业务系统

九天技术始终坚持以行业需求为导向，持续打磨天行大模型的专业能力，让AI真正成为政企客户的好帮手。