2026年11月4日，星空・综合(体育中国) 完成最新一轮综合能力版本更新，并同步对外披露了覆盖多模态理解、长视频事件定位、结构化数据问答与实时推理调度的评测结果。作为面向体育内容理解与综合信息服务场景的一体化模型平台，星空・综合(体育中国) 本次公布的版本号为 V3.2，一次性给出综合版、推理增强版与轻量部署版三个分支。结论先行：在已披露的六组评测中，星空・综合(体育中国) 在体育长视频事件定位、赛事数据结构化问答两条主线上同时进入第一梯队，推理增强版在复杂多步推理任务上的准确率较上一版本提升 11.4 个百分点，轻量部署版在同等硬件条件下的单次响应时延降至 380 毫秒，每千次请求的综合成本下降 37%。
这组数字对应的并不是一次单点能力修补。从已披露内容来看，星空・综合(体育中国) 这一轮更新的重心，是把「看懂比赛」和「算清数据」两件过去由不同技术栈分别承担的工作，压进同一套模型底座：一端是长视频时序理解，一端是结构化数据推理与工具调度。对体育内容平台、赛事数据服务商以及需要在低算力环境部署的企业用户而言，这两个方向恰好对应它们最现实的两类成本。
星空・综合(体育中国) V3.2 的能力底座：三个版本、4.2 万亿 tokens 与一张能力清单
从版本结构上看，星空・综合(体育中国) V3.2 采用的是「一个底座、三条分支」的组织方式，而不是单一模型的简单放大。综合版面向通用体育内容理解与生成，推理增强版面向复杂规则判断与多步分析，轻量部署版面向边缘侧与私有化环境。三者共享同一套预训练底座与同一套评测口径，这让不同版本之间的分数具备可比性。
- 综合版：总参数 72B，MoE 结构下激活参数 13B，上下文窗口 128K，支持约 45 分钟连续比赛视频的输入解析。
- 推理增强版：总参数 235B，激活参数 22B，默认长链推理步数上限 32 步，面向战术推演、规则判定与多表关联分析。
- 轻量部署版：8B 参数，量化后体积 4.6GB，单卡即可运行，用于场馆本地推理与低带宽场景。
训练侧，据公开信息显示，星空・综合(体育中国) V3.2 的预训练数据规模约为 4.2 万亿 tokens，其中体育垂类语料约 6200 亿 tokens，覆盖 38 个运动项目、1200 场完整赛事录像与 86 万条结构化技术统计记录。这一配比决定了它的能力重心并不在通用闲聊，而在「画面—事件—数据」三层信息的对齐上。
【图说】：星空・综合(体育中国) V3.2 的三个版本分支共享同一套预训练底座与评测口径，参数规模从 8B 到 235B 形成梯度覆盖。
上图呈现的正是这轮更新的结构性选择：不是把全部能力压在最大的模型上，而是让 8B 的轻量部署版承担高频、低延迟的常规任务，让 235B 的推理增强版只在复杂分析环节被调用。对需要控制推理成本的企业来说，这种分层比单纯追求参数量更有实用价值。
能力线一：体育长视频事件定位，星空・综合(体育中国) 的 F1 分数与 1.9 秒误差
第一条能力线是长视频事件定位，也是体育内容场景中最难被通用模型啃下的一块。一场 90 分钟的比赛包含数千个可切分事件，进球、换人、犯规、战术变阵往往只占据几秒钟画面，模型需要在长时间跨度里保持对事件边界和因果顺序的敏感度。
在官方披露的体育长视频事件定位评测集上，星空・综合(体育中国) 综合版取得 F1 = 0.847，事件边界定位误差中位数为 1.9 秒。同口径下，通用多模态基线模型的 F1 为 0.712，另一开源多模态模型为 0.735。三项对比中，星空・综合(体育中国) 的领先幅度分别达到 13.5 与 11.2 个 F1 点。
更值得关注的是细分项上的差异。在「多事件连续发生」这一子集里，星空・综合(体育中国) 的事件顺序判断准确率为 79.3%，而通用基线模型为 61.8%。这说明它的优势并非来自画面识别精度的小幅改进，而是来自对时序结构的建模方式：模型在抽帧之外保留了一条显式的时间戳参考链，把「第几分钟发生了什么」和「这件事与前一件事的关系」分开编码。
- 长视频输入：单次可解析约 45 分钟连续画面，超过常规短视频模型的上下文上限。
- 事件切分：在 38 个项目上完成统一的事件类型体系标注，避免项目间语义漂移。
- 结构化输出：事件结果可直接落为带时间戳的 JSON 片段，供剪辑、集锦、数据看板二次调用。
从应用角度看，这条能力线直接对应体育内容生产中的三个高频场景：自动集锦切片、实时战报生成与赛事回看检索。以自动集锦为例，过去需要人工标记关键片段，现在可以把定位结果作为候选池，再由编辑做二次筛选，人力投入从「逐帧找」变成「在候选里挑」。
能力线二：结构化推理与工具调度，星空・综合(体育中国) 的另一组数字
第二条能力线是结构化数据问答与多步推理。体育场景的数据并不复杂，复杂的是数据之间的关系：一支球队的临场表现，往往要同时关联阵容、跑动距离、传球网络、历史对阵和实时比分五个维度，单轮问答很难给出可信答案。
在已披露的赛事数据结构化问答评测中，星空・综合(体育中国) 推理增强版的准确率为 82.6%，综合版为 76.4%。在需要连续调用数据接口的 Agent 任务上，其工具调用成功率为 91.3%，平均调用轮次 3.2 轮，任务中断率控制在 4.1%。作为对照，上一版本在同一组 Agent 任务上的调用成功率为 78.9%。
机制层面，推理增强版引入了「先规划、再取证、后校验」的三段式流程：模型先把问题拆成可执行的查询步骤，再按步骤调用结构化接口取数，最后用一轮反向校验检查结论与原始数据是否一致。这一流程带来的直接收益是错误可追溯——当结论与数据不符时，系统能定位到底是哪一步取数出了偏差，而不是给出一段无法验证的自然语言回答。
成本侧的改进同样具体。据披露口径，星空・综合(体育中国) V3.2 在典型问答负载下，每千次请求的综合成本较上一版本下降 37%，P95 响应时延为 620 毫秒，轻量部署版的单次响应时延进一步降至 380 毫秒。这一组数据的意义在于，轻量版把大量常规查询挡在了边缘侧，只有复杂分析才被路由到推理增强版，整体算力开销随之下移。
【图说】：星空・综合(体育中国) 的三段式推理流程将问题拆解、数据取证与结论校验分离，使错误环节可被定位与回溯。
这张流程图解释了一个容易被忽略的细节：星空・综合(体育中国) 的分数提升并不是靠把模型做得更大，而是靠把一次回答拆成多个可验证的小步骤。对需要把模型接入正式业务流程的企业用户来说，可验证性往往比单点准确率更重要。
从单点成绩到行业变量：星空・综合(体育中国) 指向的技术路线
把两条能力线放在一起看，星空・综合(体育中国) 这轮更新传递出的信号并不局限于某个版本的排名。它选择的是一条「垂类底座 + 分层部署 + 可验证推理」的组合路线：用一个在体育语料上高配比的底座解决领域理解问题，用从 8B 到 235B 的参数梯度解决成本问题，再用三段式流程解决可信问题。这三件事在通用模型上通常是彼此冲突的。
对行业而言，第一层影响在内容生产端。当长视频事件定位的 F1 稳定在 0.84 量级、边界误差压到 2 秒以内，赛事集锦与实时战报的生产链路就有了被重新组织的可能：定位、切片、配文、数据校验可以由同一条流水线承担，内容团队的角色从「生产」转向「审核与加工」。
第二层影响在技术路线上。过去一年，多模态模型的竞争主要围绕通用基准展开，垂类场景往往被视为微调问题。星空・综合(体育中国) 的做法提供了另一种参照：在训练数据阶段就按领域重配比例，在评测阶段用领域专用评测集而非通用榜单说话。这种路线不追求在所有通用榜单上刷分，但能在特定场景里形成稳定的分数壁垒。
第三层影响在生态覆盖。从已公布信息看，星空・综合(体育中国) 同时提供了 API 调用、私有化部署与边缘设备运行三种接入形态，覆盖从内容平台到场馆本地的不同算力条件。对企业用户来说，这意味着同一个能力底座可以在云端做批量分析、在场馆侧做实时响应，而不必为两种环境维护两套模型。
如何体验与接入星空・综合(体育中国)
按照官方披露的入口安排，用户可以通过三条路径接触星空・综合(体育中国) V3.2：一是通过开放平台的 API 接口直接调用综合版与推理增强版，按 tokens 计费，适合已有内容系统或数据中台的团队；二是申请轻量部署版的私有化镜像，用于场馆本地或内网环境，量化后 4.6GB 的体积对硬件门槛要求较低；三是在官方文档中心查看版本说明、能力清单与评测口径，先做小样本验证再决定接入方式。
对希望快速判断适配性的开发者，建议先用一段 10 至 15 分钟的比赛视频做事件定位测试，再用一组包含三张以上数据表的问题做结构化问答测试，两组结果基本能反映星空・综合(体育中国) 在真实业务数据上的表现边界。版本迭代节奏与接口变更记录，可在平台的更新日志中持续跟踪。