Xing 4.0 29B-A4B vs. Qwen 3.8 27B: Vision versus Tool-Aufruf

Die beiden Modelle liegen von der Größe her so nah beieinander, dass eine Beschaffungstabelle sie in dieselbe Zeile setzen würde: Qwen 3.8 27B ist das dichte multimodale 27-Milliarden-Parameter-Modell von A​libaba, 28B, wenn man den Vision-Tower mitzählt, im August 2026 unter Apache 2.0 veröffentlicht, mit 262.144 nativen Positionen sowie nativer Bild- und Videoeingabe; Xing 4.0 29B-A4B ist das dünn besetzte 29-Milliarden-Parameter-Mixture-of-Experts-Modell von China Telecom, 4B pro Token aktiv, Texteingabe und Textausgabe, dessen Gewichte am 16. September 2026 veröffentlicht wurden und das erst Mitte Oktober aufrufbar wurde. Beide stehen unter Apache 2.0, beide sind Open-Weight, und beide melden Zahlen, die vor einem Jahr wie Frontier-Ergebnisse ausgesehen hätten. Sie sind außerdem in keiner Arbeitslast, auf die es ankommt, Ersatz füreinander, und der Grund dafür ist eine einzige Zeile in jeder Spezifikation: ob auf der einen Seite ein Vision-Tower steht und auf der anderen eine Tool-Calling-Schleife.

Der Größenunterschied ist kleiner, als die Namen vermuten lassen.

• Namensgebung — „27B“ ist eine gerundete Bezeichnung. Das Q​wen-Repository gibt 28B in BF16-Tensoren an, sobald der Vision-Encoder mitgezählt wird; das Text-Backbone umfasst 27B über 64 Layer bei einer Hidden-Size von 5.120 mit einem Vokabular von 248.320 Einträgen.

• Xings Bezeichnung — „29B-A4B“ sind zwei Zahlen, nicht eine: 29B insgesamt und 4B aktiv. Das Repository meldet 31B in Vollpräzisions-Tensoren.

• Wofür Sie tatsächlich bezahlen — Qwen 3.8 27B ist dicht, daher laufen alle 27B pro Token. Xing 4.0 liest 4B von 29B pro Token. Bei identischer Hardware und Batch-Größe ist Xing pro generiertem Token dramatisch günstiger und Qwen dramatisch besser vorhersagbar.

• Kontext — Qwen 3.8 27B verfügt über 262.144 native Positionen, erweiterbar auf 1.000.000, mit einer empfohlenen Obergrenze von 262.144 Reasoning-Tokens und 131.072 für die finale Antwort. Xing 4.0 verfügt über 256K, laut Herstellerangaben erweiterbar auf 512K. In der Standardkonfiguration vergleichbar; Q​wens veröffentlichte Erweiterung reicht doppelt so weit.

Architektur: zwei Wetten, die sich nicht ähneln

Qwen 3.8 27B basiert auf einem hybriden Attention-Layout – sechzehn Blöcke aus jeweils drei Gated-DeltaNet-Schichten, gefolgt von einer vollständigen Gated-Attention-Schicht, eine Drei-zu-eins-Aufteilung von linearer gegenüber quadratischer Attention – und wird mit mehreren MTP-Schritten trainiert. Der Stack ist dicht und stark auf lineare Attention ausgerichtet, was es einem dichten 27B-Modell ermöglicht, ein 262K-Fenster zu tragen, ohne die KV-Cache-Kosten, die ein Standard-Transformer verursachen würde.

Xing 4.0 29B-A4B ist ein sparse Mixture-of-Experts-Modell aus der D​eepSeek-Linie: durchgängig MLA mit komprimierter latenter Attention, 64 geroutete Experten mit 4 aktiven pro Token plus einem geteilten Experten sowie mannigfaltigkeitsbeschränkte Hyper-Connection-Residualströme – ein Residual-Layout mit vier Strömen, für das Serving-Frameworks eigene Kernel benötigen. Es ist zudem auf MTP trainiert, sodass beide Modelle ihren eigenen Speculative-Decoding-Kopf im Checkpoint tragen, anstatt eine separate Drafter-Datei auszuliefern.

Die Konsequenz für Anwender ist unspektakulär und wichtig. Qwen 3.8 27B ist ein dichtes Modell mit ungewöhnlicher Attention, die die meisten Serving-Stacks mit mäßigem Aufwand bewältigen. Die bestätigte Unterstützung von Xing 4.0 umfasst vLLM, SGLang und KTransformers, wobei SGLang einen Kernel mitbringt, der speziell für das Vier-Stream-Hyper-Connection-Layout geschrieben wurde. Ein maßgeschneidertes Residual-Stream-Design ist beim ersten Mal ein echter Integrationsaufwand – und ein wiederkehrender jedes Mal, wenn man quantisiert, feinabstimmt oder seine Batch-Form ändert.

Wofür jedes Modell eigentlich gedacht ist

Hier hört der Vergleich auf, ein Vergleich zu sein, denn die beiden Modelle wurden nicht für dieselbe Aufgabe entwickelt, und ihre Benchmark-Tabellen überschneiden sich nicht genug, um einen Vergleich vorzutäuschen.

• Softwareentwicklung — Xing 4.0 SWE-bench Verified 75,00 gegenüber Qwen 3.8 27B SWE-bench Pro 61,7. Es handelt sich um unterschiedliche Benchmarks, daher bedeutet der Abstand zwischen ihnen für sich genommen nichts. Die vergleichbare Zeile ist, dass Qwen QwenSWEBench 79,0 und DeepSWE 1.1 42,2 angibt, was Xings Karte nie berührt.

• Terminal- und agentisches Coding — Xing 4.0 Terminal-Bench 2.1 57,50 gegenüber Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73,0. Gleicher Benchmark-Name, unterschiedliches Harness-Detail, beide vom Anbieter gemeldet. Nach den veröffentlichten Zahlen liegt Qwen um mehr als 15 Punkte vorn.

• Computernutzung und Vision-Language-Agenten — Qwen 3.8 27B OSWorld-Verified 84,3, WebArena-Verified 64,8, AndroidWorld 81,9, MathVision 90,0 ohne Chain-of-Thought und 94,6 damit, OmniDocBench 1.5 91,1, RealWorldQA 85,9. Xing 4.0 hat überhaupt keinen multimodalen Benchmark, weil es keine multimodale Fähigkeit besitzt. Das ist keine Lücke in der Tabelle; das ist eine Lücke im Produkt.

• Tool-Aufrufe und Agenten mit langem Zeithorizont — Xing 4.0 Claw-Eval 76,55, Tau3-Bench 64,63, DeepresearchBII 60,80. Qwen 3.8 27B CoWorkBench 70,7, the Agents' Last Exam bei 20,4 pass@1 und 42,9 Score, JobBench 33,4. Noch einmal: unterschiedliche Suites, keine Überschneidung, kein Vergleich möglich.

• Allgemeines Schlussfolgern und Wissen — Qwen 3.8 27B GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, IFBench 79,5. Die Karte von Xing 4.0 nennt in dieser Liste nur IFBench 69,67 – fast zehn Punkte hinter Qwen, und die einzige Zeile für allgemeine Zwecke, in der beide Anbieter einen Wert veröffentlicht haben.

Lies die Tabellen als zwei verschiedene Dokumente über zwei verschiedene Produkte. Qwens Tabelle behandelt ein multimodales Modell, das Computer-Use-Arbeit über eine Screenshot-Schnittstelle erledigt. Xings Tabelle behandelt ein Textmodell, das dafür gebaut ist, eine lange Tool-Calling-Schleife zusammenzuhalten. Die einzige Zeile, in der sie wirklich aufeinandertreffen — IFBench, Instruktionsbefolgung — geht mit 9,8 Punkten an Qwen.

Zwei Bezugsquellen, ein gemeinsamer Vorbehalt

Keines der beiden Modelle hat eine unabhängige Evaluierung. Die Zahlen von Qwen 3.8 27B stammen von Alibaba und wurden auf der Modellkarte mit Harness-Einstellungen veröffentlicht; die von Xing 4.0 stammen von China Telecom und wurden ebenso veröffentlicht. In beiden Fällen sind die Vergleichsspalten in den Tabellen die eigenen Nachtestläufe des jeweiligen Herstellerlabors mit Konkurrenzmodellen statt der veröffentlichten Werte dieser Konkurrenten – eine Praxis, die nahezu universell ist und an die man sich jedes Mal erinnern sollte, wenn die Tabelle eines Anbieters einen Konkurrenten deutlich unterlegen dastehen lässt.

Qwen 3.8 27B hat tatsächlich etwas, das Xing 4.0 fehlt, und es ist keine Benchmark-Zeile: acht Wochen offen zugänglich, darunter ein Community-llama.cpp-Port, der Berichten zufolge die Gewichte auf der GPU einer gejailbreakten PlayStation 5 mit etwa 20 Tokens pro Sekunde ausführt. Diese Art von Arbeit Dritter ist das, was offenen Gewichten einem unabhängigen Audit am nächsten kommt, und Xing 4.0 hat bisher einen Monat davon hinter sich, wovon das meiste in Pull Requests für Serving-Frameworks statt in Evaluierung floss.

Kosten, selbst gehostet und nutzungsbasiert

Beide stehen unter Apache 2.0, daher ist der Downloadpreis null und bleibt auf beiden Seiten null. Qwen 3.8 27B ist dense und benötigt den Speicher eines dichten 27B-Modells plus einen Vision-Tower; die praktische Untergrenze ist eine 24-GB-Karte bei niedriger Präzision, mit einem 55,6 GB großen Full-Precision-Download. Die Sammlung von Xing 4.0 behauptet eine 4-Bit-Quantisierung bei ungefähr 15 GB VRAM – eine Angabe, die man gegen die tatsächliche GGUF-Dateigröße prüfen sollte, da das Full-Precision-Repository 31B in Tensoren meldet.

Auf der abgerechneten Seite ist Qwen 3.8 27B das Modell, das hier tatsächlich aufrufbar ist. OrcaRouter hostet qwen/qwen3.8-27b für 0,33 $ pro Million Input-Tokens und 2,40 $ pro Million Output-Tokens, wobei die offenen Gewichte auf unserer eigenen Infrastruktur bereitgestellt werden — deshalb hält dieser Preis, und deshalb würde eine Änderung daran von Anbieterseite aus nichts daran ändern. Qwen 3.8 27B ist zudem über ein Community-FP8-Deployment in unserem Katalog für 0,40 $ und 4,21 $ pro Million erhältlich, das den Vision-Tower in voller Präzision belässt — eine nützliche Erinnerung daran, dass zwei Einträge desselben offenen Modells nicht dasselbe Produkt sind. Xing 4.0 ist nicht in unserem Katalog, also sind die eigene API des Anbieters und Drittanbieter-Plattformen die Stellen, an denen man sucht, und wir werden nicht so tun, als wäre es anders.

Wo sich ein Router in einem Vergleich wie diesem lohnt, ist bei der Entscheidung selbst. Eine API vor über 200 Modellen bei 0 % Aufschlag bedeutet, dass das Ausprobieren eines Herausforderers eine Routing-Regel statt einer zweiten Integration ist, und automatisches Failover bedeutet, dass der Test den Produktionspfad nie gefährdet: Das Primärmodell antwortet, das Fallback absorbiert alles, was das Primärmodell fallen lässt, und das gesamte Experiment wird aus der Konfiguration gelöscht, wenn es vorbei ist. Modell-Fusion geht noch einen Schritt weiter und lässt ein Panel von Modellen gemeinsam antworten, wenn das Vertrauen eines einzelnen Modells in eine Aufgabe genau das ist, dem man nicht traut.

Wie man entscheidet

Nehmen Sie Qwen 3.8 27B, wenn irgendetwas in Ihrer Pipeline ein Bild, einen Screenshot, ein gescanntes Dokument, einen Video-Frame oder eine Computer-Use-Schleife umfasst. Es ist das einzige der beiden, das diese Arbeit überhaupt erledigen kann, seine Computer-Use-Benchmark-Werte sind die stärksten, die in dieser Gewichtsklasse veröffentlicht wurden, und es ist heute auf nutzungsabhängiger Basis aufrufbar. Es ist außerdem die sicherere Standardeinstellung bei der Befolgung von Anweisungen, was der Fehlermodus ist, der in einer kundenorientierten Pipeline am meisten kostet.

Nehmen Sie Xing 4.0 29B-A4B, wenn Ihre Workload reiner Text ist, Ihre Workload eine lange Tool-Calling-Schleife ist und Sie es sich leisten können, die Behauptungen des Anbieters selbst zu überprüfen. Das Durchsatz-pro-Karte-Argument ist auf dem Papier stichhaltig: der Speicherbedarf eines 29B-Modells mit der Rechenleistung eines 4B-Modells, zu Lizenzbedingungen, die Ihre Rechtsabteilung bereits kennt. Die Unsicherheit ist ebenso real — keine unabhängige Evaluierung, keine veröffentlichten Zeilen zum allgemeinen Schlussfolgern und ein Instruction-Following-Score, der bei dem einen Benchmark, den beide Labore zu berichten wählten, fast zehn Punkte hinter seinem Konkurrenten liegt.

Für die meisten Teams ist die Antwort gar keine Wahl. Qwen 3.8 27B erledigt alles, worin ein Bild oder ein Bildschirm vorkommt; Xing 4.0 erledigt die reinen Text-Agent-Schleifen, bei denen die Arithmetik pro Token der limitierende Faktor ist. Beide über einen einzigen Endpunkt laufen zu lassen ist billiger, als sich zwischen ihnen auf Basis von Belegen zu entscheiden, die kein Anbieter veröffentlicht hat, und die erste unabhängige Bewertung von Xing 4.0 ist das Ereignis, das daraus einen echten Vergleich machen würde statt einer Bestandsaufnahme dessen, was jedes Labor zu messen beschlossen hat.

Nichts davon ist hypothetisch: Die dokumentierten KI-Ausfälle und Agent-Vorfälle, die hinter Releases wie diesem stehen, finden sich im OrcaRouter AI Incident Archive, wo jeder Eintrag seine eigenen Quellen, seinen Schweregrad, seinen Konfidenzgrad und sein Umstritten-Flag führt.