Xing 4.0 29B-A4B أصبح قابلاً للاستدعاء الآن: نموذج MoE المفتوح من China Telecom يغادر المختبر

أوزان Xing 4.0 29B-A4B أصبحت قابلة للتنزيل من XingChen-AGI، المنظمة على Hugging Face، منذ 16 سبتمبر 2026 — هذا الجزء ليس جديدًا. ما تغيّر في منتصف أكتوبر أضيق نطاقًا وأكثر فائدة: أصبح النموذج شيئًا يمكنك استدعاؤه بدلًا من شيء يمكنك استضافته فقط. ظهر إدراج تجاري عام لـ Xing4.0-29B-A4B في 15–16 أكتوبر بنافذة سياق تبلغ 262,144 رمزًا ومستوى ترويجي مجاني، ولحقت البنيات المُكمَّمة بالركب في 13 أكتوبر، واكتمل وصول أطر الخدمة: انتقل طلب السحب الخاص بدعم SGLang من المسودة إلى جاهز للدمج، وvLLM يحمل البنية بالفعل، وتسمّي بطاقة النموذج الآن OpenCode وClaude Code وOpenClaw وHermes كأطر وكلاء مُكيَّفة. يتناول هذا المقال ما شُحن فعليًا، وما تدّعيه بطاقة نموذج China Telecom الخاصة، وأي من هذه الادعاءات لم يتحقق منه أحد خارج المختبر بعد.

تاريخان، ولماذا يهم واحد منهما فقط اليوم

تاريخ المستودع واضح لا لبس فيه. تلقّى X​ingChen-AGI/Xing4.0-29B-A4B أول التزام (commit) له في 16 سبتمبر 2026، مع رفع الأوزان في اليوم نفسه وملف README في صباح اليوم التالي. كانت أوزان Apache-2.0 متاحة للعموم منذ شهر. إن مقالًا بنسخته الأولى كُتب في 17 أكتوبر وأعلن أن هذا النموذج جديد سيكون خاطئًا، وهو بالضبط الخطأ الذي اضطرت التغطية السابقة في هذه السلسلة إلى تصحيحه — فقد تتبّعت منشورات حقبة التسريب إعادة تسمية من XingChen4 إلى Xing4_0 عبر ستة طلبات سحب (pull requests) خاصة بإطار العمل قبل أن يصبح أي شيء قابلًا للتنزيل.

إذن اعتبر 16 سبتمبر تاريخ الإصدار. تطور أكتوبر هو الإتاحة: حتى تلك النقطة، كان استخدام النموذج يعني استئجار العتاد أو امتلاكه. الآن لم يعد الأمر كذلك.

ما هو النموذج في الواقع

Xing 4.0 29B-A4B هو خليفة سلسلة TeleChat، وقد طوّرته شركة China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — ونُشر بموجب Apache 2.0. وهو نموذج خليط خبراء متناثر: 29 مليار معامل في نقطة الحفظ، ويُقرأ منها نحو 4 مليارات لكل رمز مُولَّد. تصف بطاقة النموذج البنية بأنها «mHC + MLA + MTP»، وتفاصيل التكوين المهمة هي كما يلي:

• البنية — 40 طبقة، حجم مخفي 3,584، الطبقة الوسيطة الكثيفة في FFN 9,216، الطبقة الوسيطة للخبير 1,024، المفردات 131,072.

• الخبراء — 64 خبيرًا موجّهًا مع 4 نشطين لكل رمز، بالإضافة إلى خبير مشترك واحد يعمل دائمًا. هذا الخبير المشترك هو السبب في أن عدد النشطين ليس 4/64 من الإجمالي.

• تنبيه — MLA (الانتباه الكامن متعدد الرؤوس)، مخطط KV المضغوط من سلالة DeepSeek بدلاً من انتباه الاستعلام المجمّع القياسي.

• السياق — 256K أصلي، مذكور على البطاقة بأنه قابل للتوسعة إلى 512K. تذكر القائمة التجارية 262,144 موضعًا.

• فك التشفير التخميني — MTP، التنبؤ متعدد الرموز، مُدمَج في التدريب بدلًا من إضافته لاحقًا.

• الترخيص والصيغ — Apache 2.0، مع إصدارات bfloat16 safetensors وFP8 وw8a8 وGGUF منشورة من المنظمة نفسها.

جزء mHC هو الجزء غير المعتاد حقًا. يرمز إلى تدفقات متبقية فائقة الاتصال مقيّدة بالمشعبات، وهو السبب في ظهور النموذج في شيفرة أطر تقديم الخدمة كشيء آخر غير محوّل قياسي: تحتاج الأطر إلى نوى مخصّصة له، ويوفّر تطبيق SGLang نواة split-K تحديدًا من أجل تخطيط الاتصال الفائق رباعي التدفقات. إذا كنت ممارسًا تحاول أن تقرّر ما إذا كان الأمر يستحق العناء، فالخلاصة الصادقة هي أن هذا نموذج فيه رهان معماري حقيقي، وليس مزيج خبراء جاهزًا باسم جديد.

الأرقام — ومن أنتجها

كل ما يلي مستمَدّ من بطاقة النموذج الخاصة بشركة China Telecom نفسها. لم يُعِد أحد إنتاج أيٍّ منه بشكل مستقل، وتذكر البطاقة نفسها إطار الاختبار وإعدادات أخذ العينات الكامنة وراء كل صف، وهو قدر من الإفصاح يفوق ما يتطوّع به معظم المورّدين. اقرأه على أنه ادّعاء مورّد، لا حقيقة مقيسة.

• SWE-bench Verified — 75.00، تم التشغيل ضمن إطار عمل SWE-agent بنافذة سياق تبلغ 210K.

• Terminal-Bench 2.1 — 57.50، وكيل terminus-2، بحدٍّ أقصى 64K رمزًا، ومهلة زمنية مدتها 24 ساعة، بمتوسط ثلاث تشغيلات.

• SWE-bench Multilingual — 66.00، نفس أداة الاختبار المستخدمة في Verified.

• Claw-Eval — 76.55، إطار الاختبار الرسمي، سياق 256 ألف، متوسط ثلاث تشغيلات.

• Tau3-Bench — 64.63، منصة الاختبار الرسمية، متوسط pass^1 على أربع تشغيلات.

• DeepresearchBII — 60.80، إطار اختبار OpenCode مع تمكين خادم Exa MCP.

• AIME2026 — 90.00، متوسط خمس تشغيلات. IFBench — 69.67. AA.LCR — 61.00.

يستحق اثنان من هذين التوقف عندهما. نموذج ذو 4B من المعاملات النشطة يزعم تحقيق 75 على SWE-bench Verified و57.5 على Terminal-Bench 2.1 إنما يزعم أنه يقع في منطقة تحتلها نماذج تبلغ عدة أضعاف حجمه النشط، وكلا الرقمين وكيليّا الطابع — أي أنهما يعتمدان اعتمادًا كبيرًا على السقالات الداعمة لمنظومة التشغيل، وليس على النموذج وحده. بطاقة النموذج محددة بشكل منعش في ما يتعلق بالسقالات، لكن التحديد الدقيق لمنظومة تشغيل لا يكافئ تشغيلها بشكل مستقل.

حيث يفوز في جدوله الخاص، وحيث لا يفوز

تقيس البطاقة أداءها مقارنةً بـ Gemma4-26B-A4B وQwen3.6-35B-A3B. وفقًا لأرقام China Telecom نفسها، فإن الصورة ليست اكتساحًا كاملًا، وهو أمر مفيد بحد ذاته:

• مقابل Gemma4-26B-A4B — يتفوق Xing 4.0 في SWE-bench Verified بنتيجة 75.00 مقابل 53.00، وفي Terminal-Bench 2.1 بنتيجة 57.50 مقابل 30.00، وفي SWE-bench Multilingual بنتيجة 66.00 مقابل 51.00، وفي Claw-Eval بنتيجة 76.55 مقابل 71.49، وفي Tau3-Bench بنتيجة 64.63 مقابل 58.90، وفي DeepresearchBII بنتيجة 60.80 مقابل 39.30. ويخسر في IFBench بنتيجة 69.67 مقابل 72.67 وفي AA.LCR بنتيجة 61.00 مقابل 66.00، ويتأخر في AIME2026 بمقدار 1.7 نقطة.

• مقابل Qwen3.6-35B-A3B — يفوز Xing 4.0 في Claw-Eval وTerminal-Bench 2.1 وDeepresearchBII، ويخسر في SWE-bench Verified بنتيجة 75.00 مقابل 76.00، وفي Tau3-Bench بنتيجة 64.63 مقابل 67.20، وفي AIME2026 بنتيجة 90.00 مقابل 92.70.

النمط ثابت: قوي في التقييمات الوكيلية وذات الشكل الطرفي، وأضعف في اتباع التعليمات والاستدلال بالسياق الطويل. عمليات إعادة التشغيل تلك لنماذج المنافسين أجرتها China Telecom، وليس الشركات التي بنتها، لذا فالمقارنة متسقة داخليًا لكنها ليست مستقلة في أي من الاتجاهين. (تتناول مقالة سابقة في هذه السلسلة جانب Gemma 4 من ذلك الجدول بالتفصيل.)

ادعاء تدريبي واحد يستحق الإشارة إليه بشكل منفصل

تم تدريب Xing 4.0 على وحدات NPU من Ascend باستخدام MindSpore وMindFormers، وليس على وحدات GPU باستخدام PyTorch. وتزعم البطاقة تحقيق تحسّن في الإنتاجية بنحو 96% مقارنة بخط أساسها الخاص، وقد تحقق ذلك عبر ضبط اتصالات MoE، وإعادة الحساب الانتقائية، ودمج مشغّلات الرسم البياني DVM، ونوى Ascend C المكتوبة يدويًا لمشغّلات mHC. هذا الرقم ادّعاء خاص بالبنية التحتية للتدريب حول خط أساس داخلي، ما يجعله غير قابل للتحقق من الخارج عمليًا — فلا توجد نقطة مرجعية عامة لـ"خط الأساس" هنا. ومع ذلك، فهو أكثر التصريحات الهندسية إثارة للاهتمام في هذا الإصدار: نموذج MoE كامل قريب من نماذج الطليعة دُرِّب من طرف إلى طرف على منظومة غير NVIDIA، مع إنجاز العمل على المشغّلات داخليًا.

ما هي تكلفة التشغيل

لأنّ الترخيص هو Apache 2.0، فسعر التنزيل صفر ويبقى صفرًا. العتاد هو الفاتورة الحقيقية. يزعم النص التعريفي للمجموعة تكميمًا بـ4 بت عند نحو 15GB من ذاكرة VRAM، وهو ما قد يتّسع على RTX 3090 أو 4090؛ لكن هذا الرقم ادّعاء من جهة المورّد، ويبدو غريبًا عند مقارنته بحجم الموتر البالغ 31 مليار معامل الذي يذكره المستودع لنقطة التحقق الكاملة، لذا تحقق منه مقابل الملف المكمّم الفعلي قبل أن تشتري بطاقة بناءً عليه. المسارات المدعومة هي SGLang وvLLM وKTransformers للاستدلال، مع LLaMA-Factory وMindFormers للضبط الدقيق.

لمن يفضّل ألّا يشغّله بنفسه، هناك الآن مسار محاسَب بالاستخدام: الإدراج التجاري الذي ظهر في منتصف أكتوبر يتيح الوصول إلى النموذج بسياق يبلغ 262,144 توكن، وأقصى إكمال يبلغ 235,929 توكن، وكامل خيارات أخذ العينات بما في ذلك استدعاء الأدوات، والمخرجات المهيكلة، ووضع تفكير قابل للتفعيل والإيقاف. خلال النافذة الترويجية، تُدرَج نسخة مجانية من نفس نقطة النهاية، وهي أرخص طريقة ممكنة لمعرفة ما إذا كان صف SWE-bench الخاص بالمورّد يصمد عند احتكاكه بمستودعك الخاص. وكما هو الحال دائمًا مع أي إدراج جديد تمامًا، تحقّق مما يتم توجيهك إليه فعليًا قبل أن تضعه في مسار الإنتاج — فغالبًا ما تكون الطبقة المجانية والطبقة المدفوعة عمليتَي نشر مختلفتين.

كيف نسميه، وكيف نتناسب

لنكن صريحين بشأن موقفنا نحن: Xing 4.0 29B-A4B ليس ضمن كتالوج OrcaRouter اليوم، لذا لسنا مسارًا للوصول إليه، ولن يدّعي هذا المقال عكس ذلك. إذا أردته، فالخيارات هي واجهة API الخاصة بالمورّد، أو الأسواق التابعة لجهات خارجية التي أدرجته مؤخرًا، أو عتادك الخاص.

إن ما يجعل الموجّه يستحق مكانه هنا يقع على الجانب الآخر من القرار. المسار الواقعي لمعظم الفرق هو تشغيل هذا النموذج في وضع مرافق (sidecar)، على مسار منخفض المخاطر، لمدة كافية لمعرفة ما إذا كانت قوّته الوكيلية حقيقية في مهامهم الخاصة — بينما تظلّ حركة الإنتاج تعمل على نماذج سبق أن تحقّقتم منها. OrcaRouter هو واجهة برمجية واحدة أمام أكثر من 200 نموذج مستضاف بهامش ربح 0%، مع لغة توجيه مخصّصة (DSL) وتحويل تلقائي عند الفشل، ما يعني أن التقييم تغيير في الإعدادات بدلًا من عقد ثانٍ: يظل الموجّه يخدم النموذج القائم، وتضيف المتحدّي حيث يكون قد استحق حق الإجابة. وعندما يطال تخفيض سعر من مزوّد نموذجًا نقدّمه فعلًا، يصبح ذلك السعر ساريًا لدينا في اليوم نفسه، لأننا نمرّر سعر قائمة المزوّد كما هو ولا نضيف إليه أي شيء.

ما الذي لا يزال غير مُتحقَّق؟

أربعة أمور، بترتيب مدى تأثيرها على الحكم. أولًا، جميع صفوف المعايير التسعة مُبلَّغ عنها من المورّد، ولا يوجد لأي منها إعادة إنتاج من طرف ثالث. ثانيًا، التمديد من 256K إلى 512K ادعاء وارد في البطاقة، ولا توجد منهجية منشورة للتمديد نفسه. ثالثًا، أعمدة المنافسين في جدول المعايير هي إعادات تشغيل المورّد نفسه، لذا فإن هوامش الفوز غير قابلة للمقارنة بالأرقام المنشورة للمنافسين أنفسهم — فبطاقة G​emma 4، على سبيل المثال، لا تذكر SWE-bench Verified إطلاقًا، لذا لا يتوفر أي تحقق متقاطع. رابعًا، رقم «93.52 على SuperCLUE» الذي تداول إلى جانب هذا الإصدار يظهر في نبذة تعريفية لمجموعة لا في جدول بطاقة النموذج نفسه، وينبغي التعامل معه باعتباره بلا مصدر إلى أن يثبت العكس.

أكثر شيء مفيد يمكنك فعله بهذا النموذج في أكتوبر 2026 هو الشيء الذي لا يفعله الإعلان نيابةً عنك: ضع أصعب مهمة وكيلية لديك أمامه، وانظر ما إذا كانت القوة على شكل terminal-bench تصمد خارج جدول harness. إذا صمدت، فإن نموذجًا بـ4B-active بترخيص Apache-2.0 يعمل على بطاقة استهلاكية واحدة يُعد شيئًا مفيدًا حقًا لامتلاكه. وإذا لم تصمد، فستكون قد أنفقت عطلة نهاية أسبوع ووحدة GPU واحدة. الإنجاز التالي الذي ينبغي مراقبته هو أول تشغيل تقييم مستقل على الأوزان — وليس طلب سحب آخر لإطار العمل، الذي أصبح الآن مشكلة محلولة.

لا شيء من ذلك افتراضي: تم جمع إخفاقات الذكاء الاصطناعي الموثقة وحوادث الوكلاء الكامنة وراء إصدارات مثل هذا في OrcaRouter AI Incident Archive، حيث يحمل كل مدخل مصادره الخاصة ودرجة خطورته ودرجة ثقته وعلامة النزاع الخاصة به.