Nanbeige4.3-33B مقابل Xing 4.0 29B-A4B: فجوة نهائية بـ23 نقطة وانعكاس بـ16 نقطة

Nanbeige4.3-33B وXing 4.0 29B-A4B هما العرض نفسه مقدَّمًا من اتجاهين متعاكسين. الأول نموذج كثيف بـ33 مليار معامل من مختبر Nanbeige LLM التابع لـ BOSS Zhipin، نُشر في 24 أكتوبر 2026 بموجب Apache 2.0، بسياق بطول 524,288 رمزًا ووصفة تشغيل تفترض وجود أربع وحدات GPU. والثاني مزيج من الخبراء بـ29 مليار معامل من TeleAI التابعة لـ China Telecom، أوزانه متاحة للعموم منذ 16 سبتمبر 2026، وينشّط نحو 4 مليارات معامل لكل رمز، وتزعم بطاقته الخاصة أنه يتسع لبطاقة استهلاكية واحدة بسعة 24GB عند 4 بت. يستهدف كلاهما البرمجة الوكيلية وحلقات الأدوات الطويلة. كلاهما يُشحن بأوزان مفتوحة. لم يضع أحد أيًّا منهما في مواجهة مباشرة، بما في ذلك مختبراتهما — فبطاقة Nanbeige تقارن معاييرها بـ Qwen3.8-27B وMuse-Glimmer-30B وGemma4-31B؛ وبطاقة Xing تقارن معاييرها بـ Gemma4-26B-A4B وQwen3.6-35B-A3B. لا يذكر أيٌّ منهما الآخر أبدًا.

ليست هذه فجوة يمكنك تغطيتها بجدول مقارنة، لأن جدولي المورّدين يستخدمان أُطر اختبار مختلفة، وأساليب أخذ عينات مختلفة، ومجموعات منافسين مختلفة. ما يمكنك فعله أضيق نطاقًا وأكثر فائدة: اعثر على الصفوف التي يتشاركها المختبران مصادفةً، واقرأ الحواشي التي تحدد ما إذا كانت تلك الصفوف تعني شيئًا، ثم افصل النموذج الذي قاسه شخص لم يُدفع له مقابل قياسه عن النموذج الذي لم يخضع لذلك.

33 مليار كثيف مقابل 4 مليار نشط، قبل إجراء أي اختبار أداء

الفرق المعماري ليس مجرد كلام يُقال. إنه الفاتورة وزمن الاستجابة وخطة النشر، ويُحسم قبل أن يجيب أيٌّ من النموذجين على مطالبة واحدة.

نانبيج 4.3-33B هو فك ترميز كثيف قياسي — LlamaForCausalLM، بـ52 طبقة، وحجم مخفي 7,168، وانتباه استعلامات مجمّع بـ56 رأس استعلام و8 رؤوس KV. كل رمز يُولَّد يدفع ثمن جميع المعلمات البالغ عددها 33.1 مليار. نقطة التحقق BF16 بحجم 66.3 غيغابايت موزعة على أربعة عشر جزءًا من safetensors، وكل من وصفات vLLM وSGLang في المستودع تحدد التوازي الموتر بقيمة 4، ما يدل على أن الآلة المقصودة عقدة رباعية وحدات معالجة رسومية وليست محطة عمل.

Xing 4.0 29B-A4B متناثر: 29 مليار معامل في نقطة الحفظ، و64 خبيرًا موجّهًا منها 4 نشطة بالإضافة إلى واحد مشترك، و40 طبقة، وحجم مخفي 3,584، مبني على ما تسميه بطاقته mHC + MLA + MTP. وتتناسب الحوسبة لكل رمز مع 4 مليارات معامل نشط، لا مع 29 مليارًا مخزنة. وتدّعي الشركة المصنعة تكميمًا رباعي البتات بحوالي 15 غيغابايت من ذاكرة VRAM، مما يجعله يعمل على RTX 3090 أو 4090 — وهو ادعاء يستحق التحقق منه مقابل ملف التكميم الفعلي قبل شراء عتاد بناءً عليه، لأن المستودع يذكر حجم موترات يبلغ 31 مليار معامل لنقطة الحفظ الكاملة، والرقمان يبدوان متناقضين بشكل غريب.

كل ما عدا ذلك يتبع من هذا الانقسام.

• السياق — Nanbeige4.3-33B ‏524,288 رمزًا، أصلي، دون أي امتداد YaRN في الوصفة؛ Xing 4.0 29B-A4B ‏262,144 أصلي، يُوصف بأنه قابل للتمديد إلى 512K، رغم عدم نشر أي وصفة تمديد.

• أقل بصمة عملية ممكنة — Nanbeige4.3-33B بوزن 66.3 غيغابايت من أوزان BF16 قبل ذاكرة KV المؤقتة، مع توازٍ تنسوري رباعي الاتجاه؛ وXing 4.0 29B-A4B بنحو 15 غيغابايت بدقة 4 بت وفقًا لادعاء المورّد نفسه، على بطاقة واحدة.

• حزمة التدريب — لا يوجد توثيق مفصّل لـ Nanbeige4.3-33B؛ أما Xing 4.0 29B-A4B فقد دُرِّب من البداية إلى النهاية على عناقيد Ascend 910C باستخدام MindSpore وMindFormers، مع ادعاء تحسين الإنتاجية بنسبة 96% مقارنةً بخط الأساس الجاهز من المورد نفسه. هذا ادعاء يستند إلى خط أساس داخلي دون نقطة مرجعية عامة، لذا لا يمكن التحقق منه من الخارج، لكنه البيان الهندسي الأكثر إثارة للاهتمام بين الإصدارين.

• الترخيص — Apache 2.0 على كليهما، ما يجعل سعر التنزيل صفرًا لكليهما وينقل الجدل بالكامل إلى العتاد والرموز (tokens).

خمسة صفوف أجراها كلا المختبرين، والصفان اللذان يختلفان

تشترك بطاقتا الطرازين في خمسة أسماء معايير: Terminal-Bench 2.1 وTau3-Bench وClaw-Eval وAIME2026 وAA.LCR. والقراءة المتقاطعة بينها هي المقارنة الكمية الوحيدة المتاحة، والحواشي هي الموضع الذي تصمد فيه أو تنهار.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9، Xing 4.0 29B-A4B 57.5. يقول كلا المختبرين إنهما شغّلاها في Terminus 2، ما يجعلها أقرب شيء إلى أداة قياس مشتركة في أي من الجدولين. ومع ذلك، فهي ليست التجربة نفسها: بطاقة Xing تحدد درجة حرارة 0.8، وtop-p 0.95، وحدًا أقصى 64K رمزًا، ومهلة 24 ساعة، ومتوسط ثلاث تشغيلات؛ أما بطاقة Nanbeige فلا تذكر سوى أداة التشغيل ولا شيء آخر. إن فجوة قدرها 23 نقطة في ظل أدوات تشغيل شبه متطابقة هي أقوى إشارة منفردة في هذه المقارنة، وهي مع ذلك إشارة لا قياس.

• Tau3-Bench — Nanbeige4.3-33B 48.8، Xing 4.0 29B-A4B 64.63. هذا هو الانعكاس، وهو كبير. يفوز Xing في حوار استخدام الأدوات بفارق يقارب 16 نقطة، على عائلة الاختبارات التي تختبر استدعاء الدوال متعدد الأدوار بأكثر مباشرة. التحفظ يتعلق بالمقياس: يذكر Xing أن pass^1 محسوب كمتوسط على أربع تشغيلات باستخدام أداة اختبار tau-bench الرسمية؛ أما Nanbeige فيقول إنه استخدم المستودعات الرسمية لكنه لا يوضح طريقة التجميع، ويدرج الصف تحت البرمجة الوكيلية بدلًا من استخدام الأدوات.

• Claw-Eval — Nanbeige4.3-33B ‏78.3 عند pass^3، وXing 4.0 29B-A4B ‏76.55. ينبغي تجاهل هذه النتيجة بدلًا من قراءتها. تشير حاشية Nanbeige إلى أنه قيّم مجموعة Claw-Eval General الفرعية فقط، وهي 157 مهمة أحادية الدور؛ أما حاشية Xing فلا تسمّي أي مجموعة فرعية. إن فارقًا قدره 1.75 نقطة بين نسختين غير مسمّاتين من الاختبار نفسه ليس سوى ضجيج يرتدي ثوب نتيجة.

• AIME2026 — Nanbeige4.3-33B 95.2، Xing 4.0 29B-A4B 90.0. رياضيات المسابقات، خمس محاولات بمتوسط على جانب Xing، بحد أقصى 131,072 رمزًا؛ وأسلوب أخذ العينات لدى Nanbeige غير معلن مجددًا. كلاهما قوي، والترتيب متسق مع النتيجة النهائية، ولا يخبرك أي من الرقمين بالكثير عن المهمة الفعلية لأي من النموذجين.

• AA.LCR — Nanbeige4.3-33B 84.0، Xing 4.0 29B-A4B 61.0. الاستدلال بالسياقات الطويلة، وأوسع فجوة تناسبية بعد Terminal-Bench. يجدر التنبيه إلى أن هذا معيار Artificial Analysis يشغّله مورّدان، لذا لا يُعد أي من الرقمين رقمًا خاصًا بـ Artificial Analysis.

أربعة من الخمسة يفضّلون Nanbeige4.3-33B. أما الوحيد الذي ينقلب فهو ذاك المتعلق باستدعاء الأدوات بالتتابع، وهو ما يفعله الوكيل طوال اليوم. هذا التناقض هو أنفع ما في أيٍّ من البطاقتين، ولم يعالجه أيٌّ من المختبرين.

ثمة ملاحظة مصداقية تصب في مصلحة Nanbeige في صف الطرفية تحديدًا. تدّعي بطاقته الخاصة أن Terminal-Bench 4.0 عند 23.8؛ بينما قاس Artificial Analysis، باستخدام إطار الاختبار الخاص به، 29.8. جاء القياس الخارجي بست نقاط أعلى من ادعاء البائع نفسه، وهو عكس الاتجاه المعتاد ويشير إلى أن جدول البائع هنا غير منفوخ. لا يوجد فحص مكافئ لـ Xing 4.0 29B-A4B.

واحد فقط من هذه الطرازات لديه رقم لم يدفع أحد مقابله

تم تقييم Nanbeige4.3-33B. وضعته Artificial Analysis عند 20 على Intelligence Index v5.0.1 — الأول من تسعة في فئة المقارنة مفتوحة الأوزان الخاصة به مقابل وسيط فئة قدره 10، والـ76 على قائمة جميع النماذج. الدرجات الفرعية أكثر إفادة من الدرجة المركبة: Terminal-Bench 4.0 عند 29.8%، وFrontierCode 2.0 عند 10.7%، ومعدل عدم الهلوسة بنسبة 81.8%، وهو سابع أفضل رقم على الموقع. إنه يرفض الكثير من الأسئلة. بالنسبة لنموذج بُني صراحةً كمعلّم تقطير، فهذه ميزة.

Xing 4.0 29B-A4B ليس له أي إدخال في Artificial Analysis. ليس إدخالاً ضعيفاً — بل لا يوجد أي إدخال على الإطلاق. يُرجع الموقع خطأ 404 لمعرّف النموذج (slug) بكلا التهجئتين المحتملتين، ولا توجد أي درجة مركّبة أو درجة فرعية أو سعر أو رقم سرعة له في أي مكان على تلك اللوحة.

هذا التفاوت هو ما يحكم كل ما يمكن لمقال مقارنة أن يدّعيه بصدق. يمكن مقارنة النموذجين في جداول البائع، مع تحفظات الحواشي أعلاه. لكن لا يمكن مقارنتهما على الأداة الوحيدة التي لا يتحكم بها أي من المختبرين، لأن واحدًا منهما فقط موجود عليها. وأي مقال يصنّف هذين النموذجين مقابل بعضهما على أرض محايدة إنما يختلق تلك الأرض المحايدة.

أين يختلف مشروع القانون في الواقع

إذا كنت تختار بينهما، فسعر الرمز ليس الرقم الحاسم — بل تكلفة إنجاز المهمة، وهناك ثلاثة مضاعفات منفصلة تتراكم في جانب Nanbeige.

العامل الأول هو الكثافة: 33 مليار معامل تُقرأ لكل رمز إخراج مقابل نحو 4 مليارات. وأيًا كان العتاد الذي تملكه، فهذا مضاعف كبير في الحوسبة لكل رمز قبل النظر في أي شيء آخر.

الثاني هو الإسهاب، وهو يُقاس لا يُفترض. يذكر {{KEEP}}Artificial Analysis{{/KEEP}} أن {{KEEP}}Nanbeige4.3-33B{{/KEEP}} ولّد 160 مليون رمز إخراج خلال تشغيله على {{KEEP}}Intelligence Index{{/KEEP}} مقابل وسيط فئته البالغ 77.7 مليون — أي 2.06 ضعف الوسيط، والمرتبة الثامنة من ثماني في ترتيب الإسهاب على الموقع. وتوضح بطاقة النموذج نفسه جزءًا من ذلك: التفكير مُفعّل افتراضيًا، والحد الأقصى الموصى به هو 262,144 رمزًا لأعمال الاستدلال. وأي نموذج يُقال له إنه يجوز له التفكير بمقدار ربع مليون رمز سيستخدم بعضًا منها.

إذا جمعت هذين الأمرين، فإن نموذجًا كثيفًا يتحدث أيضًا ضعف الكمية ليس أغلى مرتين في التشغيل لكل مهمة مكتملة؛ بل أقرب إلى مرتبة قدرية كاملة. هذا هو المضمون الحقيقي لمقارنة 33B مقابل 4B النشط، وهو لا يظهر في أي من جدولي القياس.

الثالث غير معروف، وهو غير معروف لصالح Xing فقط على سبيل الافتراض. لم ينشر أحد رقمًا للإسهاب خاصًا بـ Xing 4.0 29B-A4B، لذا فإن نموذجًا نشطًا بحجم 4B دون قياس لكفاءة الرموز قد يكون رخيصًا فعلًا لكل مهمة، أو قد يُصدر رموزًا كافية لمحو جزء من الميزة. أنت تقارن نموذجًا مكلفًا مقيسًا بنموذج رخيص غير مقيس.

ما يمكنك الاتصال به اليوم

لا يُستضاف أيٌّ من النموذجين بالمعنى المعتاد، والفرق بينهما أصغر مما توحي به تغطية الإطلاق.

لا يمتلك Nanbeige4.3-33B أي واجهة برمجة تطبيقات على الإطلاق. تشير صفحته على Hugging Face إلى أن النموذج غير منشور من قِبل أي مزوّد استدلال، ولا يسجّل Artificial Analysis أي واجهة برمجة تطبيقات متاحة للعموم ويترك حقول السعر فارغة. الوصول يعني تنزيل 66 غيغابايت من الأوزان وتشغيلها على عتاد تملكه أو تستأجره.

تتوفر أوزان Xing 4.0 29B-A4B منذ 16 سبتمبر، وهناك مسار محاسَب بالاستهلاك ظهر في منتصف أكتوبر: يدرجه سوق طرف ثالث بسعر 0.22 دولار لكل مليون رمز إدخال و0.90 دولار لكل مليون رمز إخراج، وقد أُدرجت إلى جانبه نسخة ترويجية مجانية من نقطة النهاية نفسها. لا تزال لوحة مزوّدي الاستدلال في Hugging Face فارغة، لذا يمر المسار المستضاف عبر الأسواق بدلًا من المورّد، والطبقة الترويجية ليست سعرًا ينبغي بناء ميزانية عليه.

لنكون صريحين بشأن موقفنا: لا يوجد أي من الطرازين في كتالوج OrcaRouter اليوم، لذا لسنا مسارًا إلى أي منهما، ولا شيء فيما يلي يدّعي خلاف ذلك. وحيثما يكسب الموجّه مكانه في قرار كهذا، فإنه يكسبه بصفته عنصر التحكم. أرخص طريقة لمعرفة ما إذا كان طراز كثيف بحجم 33B مستضافًا ذاتيًا يستحق أربع وحدات GPU هي وضعه إلى جانب شيء يمكنك استدعاؤه لكل رمز وقياس كليهما على مهامك الخاصة — والعنصر الضابط الواضح هنا هو الطراز الذي تتخذه بطاقة Nanbeige الخاصة مرجعًا للمقارنة. Qwen3.8-27B موجود في كتالوجنا بسعر 0.33 دولار لكل مليون رمز إدخال و2.40 دولار لكل مليون رمز إخراج، ويمنحه Artificial Analysis درجة 20.1 مقابل 20 لـ Nanbeige، ويستخدم المفتاح نفسه الذي تستخدمه بقية الكتالوج مع تمرير أسعار المزوّدين المدرجة دون هامش ربح. وهذا يجعل المقارنة قاعدة توجيه بدلًا من عقد ثانٍ.

من الذي يجب أن يختار ماذا

يصبح هذا الانقسام واضحًا بمجرد أن تقبل أن الأمر قرارٌ بين القدرة والتكلفة، لا بين قدرةٍ وقدرة.

نانبيج 4.3-33B هو الخيار عندما يكون العمل في الطرفية هو المنتج نفسه. تقدم بـ23 نقطة على أداة اختبار Terminus 2 شبه المشتركة، وأعلى رقم لعدم التخريف في فئته، ونافذة أصلية بسعة 512K، ودرجة مستقلة جاءت أعلى من ادعاء المورّد نفسه — هذا طراز يستحق أربع وحدات GPUs إذا كان عبء عملك عبارة عن شيفرة برمجية وأعمال صدفة طويلة الأفق، وإذا كان بإمكانك استيعاب فاتورة رموز تبلغ نحو ضعف الوسيط في الفئة.

Xing 4.0 29B-A4B هو الخيار عندما تكون البطاقة الواحدة والفاتورة المحسوبة بالاستهلاك هما القيدين. تقدم بـ16 نقطة على Tau3-Bench، وبصمة يقول المورّد إنها تناسب بطاقة بسعة 24GB، وربع الحوسبة لكل رمز لدى Nanbeige، وهو الوحيد من بين الاثنين الذي له سعر يمكنك دفعه دون شراء عتاد. وهو أيضًا النموذج الأضعف في الصف الوحيد الذي تتطابق فيه أدوات الاختبار على أقرب وجه، لذا فإن الحجة لصالحه اقتصادية وتشغيلية، لا تتعلق بالقدرات.

هناك أمران سيحسمان الأجزاء التي ما زالت مفتوحة. إجراء اختبار من Artificial Analysis على Xing 4.0 29B-A4B سيحوّل مقارنة غير متماثلة إلى متماثلة، ورقم Tau3-Bench من Nanbeige مع طريقة تجميع معلنة سيخبرك ما إذا كان الانقلاب البالغ 16 نقطة ضعفًا حقيقيًا في استخدام الأدوات أم ناتجًا عن مقياسين مختلفين يتشاركان الاسم نفسه. وإلى أن يتحقق أي منهما، فالخلاصة الصادقة هي أن Nanbeige4.3-33B هو النموذج الأقوى وفق الأدلة المتاحة، وأن Xing 4.0 29B-A4B هو النموذج الذي يمكنك تحمّل تكلفة تشغيله — وحجم هذه المقايضة مسألة تتعلق بمزيج مهامك، لا بأي من البطاقتين.