Xing 4.0 29B-A4B vs Qwen 3.8 27B: Visión versus Llamada a herramientas

Los dos modelos son lo bastante parecidos en tamaño como para que una hoja de cálculo de compras los colocara en la misma fila: Qwen 3.8 27B es el modelo multimodal denso de 27 mil millones de parámetros de Alibaba, 28B contando la torre de visión, publicado bajo Apache 2.0 en agosto de 2026 con 262.144 posiciones nativas y entrada nativa de imágenes y vídeo; Xing 4.0 29B-A4B es el modelo disperso de mezcla de expertos de 29 mil millones de parámetros de China Telecom, 4B activos por token, texto de entrada y texto de salida, cuyos pesos se publicaron el 16 de septiembre de 2026 y que solo se pudo invocar a mediados de octubre. Ambos son Apache 2.0, ambos son de pesos abiertos y ambos reportan cifras que habrían parecido resultados de frontera hace un año. Además, no son sustitutos el uno del otro en ninguna carga de trabajo que importe, y la razón es una sola línea en cada especificación: si hay una torre de visión en un lado y un bucle de llamadas a herramientas en el otro.

La diferencia de tamaño es menor de lo que sugieren los nombres.

• Nomenclatura — «27B» es una etiqueta redondeada. El repositorio de Q​wen informa 28B en tensores BF16 una vez contado el codificador de visión; el backbone de texto es de 27B en 64 capas con un tamaño oculto de 5.120 y un vocabulario de 248.320 entradas.

• Etiquetado de Xing — "29B-A4B" son dos cifras, no una: 29B en total y 4B activos. El repositorio reporta 31B en tensores de precisión completa.

• Lo que realmente pagas — Qwen 3.8 27B es denso, así que los 27B completos se ejecutan por token. Xing 4.0 lee 4B de 29B por token. Con el mismo hardware y tamaño de lote, Xing es drásticamente más barato por token generado y Qwen es drásticamente más predecible.

• Contexto — Qwen 3.8 27B cuenta con 262.144 posiciones nativas, ampliables a 1.000.000, con un límite máximo recomendado de 262.144 tokens de razonamiento y 131.072 para la respuesta final. Xing 4.0 cuenta con 256K, ampliable según lo declarado a 512K. Comparables en la configuración predeterminada; la extensión publicada de Qwen llega el doble de lejos.

Arquitectura: dos apuestas que no se parecen entre sí

Qwen 3.8 27B se basa en una disposición de atención híbrida —dieciséis bloques de tres capas Gated DeltaNet seguidas de una capa Gated Attention completa, una división de tres a uno entre atención lineal y cuadrática— y se entrena con múltiples pasos MTP. La pila es densa y con un fuerte peso de atención lineal, que es lo que permite que un modelo denso de 27B soporte una ventana de 262K sin la factura de caché KV en la que incurriría un transformer estándar.

Xing 4.0 29B-A4B es un modelo de mezcla de expertos dispersos en el linaje de DeepSeek: atención latente comprimida MLA en todo el modelo, 64 expertos enrutados con 4 activos por token más un experto compartido, y flujos residuales de hiperconexión con restricción de variedad — una disposición residual de cuatro flujos para la que los frameworks de servicio necesitan kernels personalizados. También está entrenado con MTP, por lo que ambos modelos llevan su propia cabeza de decodificación especulativa en el checkpoint en lugar de incluir un archivo de borrador aparte.

La consecuencia para un profesional es poco glamorosa e importante. Qwen 3.8 27B es un modelo denso con una atención inusual, que la mayoría de las pilas de servicio manejan con un trabajo modesto. El soporte confirmado de Xing 4.0 es vLLM, SGLang y KTransformers, con SGLang portando un kernel escrito específicamente para el diseño de hiperconexión de cuatro flujos. Un diseño de flujo residual a medida es un costo de integración real la primera vez, y recurrente cada vez que cuantizas, haces ajuste fino o cambias la forma de tu lote.

Para qué sirve realmente cada modelo

Aquí la comparación deja de ser una comparación, porque los dos modelos no se crearon para la misma tarea y sus tablas de benchmarks no se solapan lo suficiente como para fingirla.

• Ingeniería de software — Xing 4.0 SWE-bench Verified 75,00 frente a SWE-bench Pro 61,7 de Qwen 3.8 27B. Son benchmarks diferentes, así que la diferencia entre ellos no significa nada por sí sola. La fila comparable es que Qwen reporta QwenSWEBench 79,0 y DeepSWE 1.1 42,2, que la ficha de Xing nunca menciona.

• Programación en terminal y agéntica — Xing 4.0 Terminal-Bench 2.1 57.50 frente a Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73.0. Mismo nombre de benchmark, distinto detalle de harness, ambos reportados por el proveedor. Según las cifras publicadas, Qwen está más de 15 puntos por delante.

• Uso de computadora y agentes de visión-lenguaje — Qwen 3.8 27B OSWorld-Verified 84.3, WebArena-Verified 64.8, AndroidWorld 81.9, MathVision 90.0 sin cadena de pensamiento y 94.6 con ella, OmniDocBench 1.5 91.1, RealWorldQA 85.9. Xing 4.0 no tiene ningún benchmark multimodal porque no tiene capacidad multimodal. Esto no es una laguna en la tabla; es una laguna en el producto.

• Invocación de herramientas y agentes de horizonte largo — Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Qwen 3.8 27B CoWorkBench 70.7, el Agents' Last Exam con 20.4 pass@1 y 42.9 de puntuación, JobBench 33.4. De nuevo: suites diferentes, sin solapamiento, no hay comparación disponible.

• Razonamiento general y conocimiento — Qwen 3.8 27B GPQA Diamond 89,2; HLE 30,8; LiveCodeBench v6 90,3; IFBench 79,5. La ficha de Xing 4.0 solo reporta IFBench 69,67 en esa lista — casi diez puntos por detrás de Q​wen, y la única fila de propósito general en la que ambos proveedores publicaron una cifra.

Lee las tablas como dos documentos distintos sobre dos productos distintos. La de Qwen abarca un modelo multimodal que realiza trabajo de uso de computadora mediante una interfaz de capturas de pantalla. La de Xing abarca un modelo de texto diseñado para mantener unido un largo bucle de llamadas a herramientas. La única fila donde de verdad chocan —IFBench, seguimiento de instrucciones— se la lleva Qwen por 9.8 puntos.

Dos abastecimientos, una salvedad compartida

Ninguno de los dos modelos cuenta con una evaluación independiente. Las cifras de Qwen 3.8 27B son de Alibaba, publicadas en la ficha del modelo con la configuración del harness, y las de Xing 4.0 son de China Telecom, publicadas de la misma manera. En ambos casos, las columnas de comparación de las tablas son ejecuciones propias del laboratorio que publica, hechas con modelos rivales, en lugar de las cifras publicadas por esos rivales —una práctica que es casi universal y que conviene recordar cada vez que la tabla de un proveedor muestra a un rival perdiendo por un amplio margen.

Qwen 3.8 27B sí tiene algo que a Xing 4.0 le falta, y no es una fila de benchmark: ocho semanas en abierto, incluido un port de llama.cpp de la comunidad que, según se informó, ejecuta los pesos en la GPU de una PlayStation 5 con jailbreak a unos 20 tokens por segundo. Ese tipo de trabajo de terceros es lo más parecido que tienen los pesos abiertos a una auditoría independiente, y Xing 4.0 ha tenido un mes de eso hasta ahora, la mayor parte del cual se destinó a pull requests de frameworks de servicio en lugar de a evaluación.

Costo, autoalojado y medido

Ambos son Apache 2.0, así que el precio de descarga es cero y se mantiene en cero en ambos lados. Qwen 3.8 27B es denso y necesita la memoria de un modelo denso de 27B más una torre de visión; el mínimo práctico es una tarjeta de 24 GB en baja precisión, con una descarga de 55.6 GB en precisión completa. La colección de Xing 4.0 afirma una cuantización de 4 bits en aproximadamente 15 GB de VRAM —una afirmación que vale la pena verificar contra el tamaño real del archivo GGUF, ya que el repositorio de precisión completa reporta 31B en tensores.

En el lado de pago por uso, Qwen 3.8 27B es el que realmente se puede invocar aquí. OrcaRouter aloja qwen/qwen3.8-27b a $0.33 por millón de tokens de entrada y $2.40 por millón de salida, con los pesos abiertos servidos en nuestra propia infraestructura, que es la razón por la que ese precio se mantiene y por la que un cambio por parte del proveedor no lo haría. Qwen 3.8 27B también está disponible a $0.40 y $4.21 por millón mediante un despliegue comunitario de FP8 en nuestro catálogo que mantiene la torre de visión a plena precisión — un recordatorio útil de que dos listados del mismo modelo abierto no son el mismo producto. Xing 4.0 no está en nuestro catálogo, así que la API propia del proveedor y las plataformas de terceros son donde hay que buscar, y no vamos a pretender lo contrario.

Donde un enrutador merece la pena en una comparación como esta es en la decisión misma. Una API frente a más de 200 modelos con un 0 % de recargo significa que probar a un contendiente es una regla de enrutamiento en lugar de una segunda integración, y la conmutación por error automática implica que la prueba nunca pone en riesgo la ruta de producción: el primario responde, el de respaldo absorbe todo lo que el primario descarta, y todo el experimento se elimina de la configuración cuando termina. La fusión de modelos va un paso más allá y permite que un panel de modelos responda en conjunto cuando la confianza de un solo modelo en una tarea es justo lo que no te inspira confianza.

Cómo decidir

Usa Qwen 3.8 27B si algo en tu pipeline implica una imagen, una captura de pantalla, un documento escaneado, un fotograma de video o un bucle de uso de computadora. Es el único de los dos que puede hacer ese trabajo siquiera, sus cifras de benchmark de uso de computadora son las más fuertes publicadas en esta clase de peso, y hoy se puede invocar con cobro por uso. También es la opción predeterminada más segura en seguimiento de instrucciones, que es el modo de fallo que más cuesta en un pipeline de cara al cliente.

Elige Xing 4.0 29B-A4B si tu carga de trabajo es texto puro, tu carga de trabajo es un bucle largo de llamadas a herramientas, y puedes permitirte verificar las afirmaciones del proveedor por tu cuenta. El argumento de rendimiento por tarjeta es real sobre el papel: la huella de memoria de un modelo de 29B con la aritmética de un modelo de 4B, con un término de licencia que tu equipo legal ya conoce. La incertidumbre es igualmente real: ninguna evaluación independiente, ninguna fila de razonamiento general publicada, y una puntuación de seguimiento de instrucciones casi diez puntos por detrás de su competidor en el único benchmark que ambos laboratorios decidieron reportar.

Para la mayoría de los equipos, la respuesta no es una elección en absoluto. Qwen 3.8 27B se encarga de todo lo que contenga una imagen o una pantalla; Xing 4.0 se encarga de los bucles de agentes de solo texto, donde la aritmética por token es la restricción. Ejecutar ambos a través de un único endpoint es más barato que decidir entre ellos basándose en evidencia que ningún proveedor ha publicado, y la primera evaluación independiente de Xing 4.0 es el acontecimiento que convertiría esto en una comparación real en lugar de un inventario de lo que cada laboratorio eligió medir.

Nada de eso es hipotético: los fallos documentados de IA y los incidentes de agentes detrás de lanzamientos como este se recopilan en el OrcaRouter AI Incident Archive, donde cada entrada incluye sus propias fuentes, severidad, grado de confianza e indicador de disputa.