Nanbeige4.3-33B לעומת Xing 4.0 29B-A4B: פער הטרמינל של 23 נקודות וההיפוך של 16 נקודות

Nanbeige4.3-33B וXing 4.0 29B-A4B הם אותו מסר שיווקי שמגיע משני כיוונים מנוגדים. הראשון הוא מודל dense עם 33 מיליארד פרמטרים ממעבדת ה-LLM Nanbeige של BOSS Zhipin, שפורסם ב-24 באוקטובר 2026 תחת Apache 2.0, עם חלון הקשר של 524,288 טוקנים ומתכון serving שמניח ארבעה GPUs. השני הוא mixture of experts עם 29 מיליארד פרמטרים מ-TeleAI של China Telecom, שהמשקלים שלו פומביים מאז 16 בספטמבר 2026, שמפעיל כ-4 מיליארד פרמטרים לכל טוקן ושהכרטיס שלו עצמו טוען שהוא נכנס לכרטיס צרכני יחיד של 24GB ב-4-bit. שניהם מכוונים ל-agentic coding וללופים ארוכים של כלים. שניהם משוחררים עם משקלים פתוחים. אף אחד לא העמיד אותם זה מול זה, כולל המעבדות שלהם עצמן — הכרטיס של Nanbeige משווה מול Qwen3.8-27B,‏ Muse-Glimmer-30B ו-Gemma4-31B; זה של Xing משווה מול Gemma4-26B-A4B ו-Qwen3.6-35B-A3B. הם אף פעם לא מזכירים אחד את השני.

זה לא פער שאפשר לטשטש עם טבלת השוואה, מפני ששתי טבלאות הספקים משתמשות במערכי בדיקה שונים, בדגימה שונה ובקבוצות מתחרים שונות. מה שאפשר לעשות הוא צר יותר ושימושי יותר: למצוא את השורות שבמקרה משותפות לשתי המעבדות, לקרוא את הערות השוליים שמכריעות אם לשורות האלה יש בכלל משמעות, ואז להפריד בין המודל האחד שנמדד בידי מישהו שלא שולם לו כדי למדוד אותו לבין זה שלא.

33 מיליארד צפופים לעומת 4 מיליארד פעילים, לפני הרצת בנצ'מרק כלשהו

ההבדל הארכיטקטוני אינו נקודת שיחה. הוא החשבון, זמן ההשהיה ותוכנית הפריסה, והוא נקבע לפני שכל אחד מהמודלים עונה אפילו על פרומפט אחד.

Nanbeige4.3-33B הוא דקודר צפוף סטנדרטי — LlamaForCausalLM,‏ 52 שכבות, גודל חבוי 7,168, ותשומת שאילתה מקובצת עם 56 ראשי query ו-8 ראשי KV. כל אסימון שנוצר משלם על כל 33.1 מיליארד הפרמטרים. נקודת הביקורת ב-BF16 היא 66.3 GB על פני ארבעה עשר שברי safetensors, ושני המתכונים, של vLLM ושל SGLang, במאגר הקוד מגדירים מקביליות טנזורית של 4, מה שמעיד שהמכונה המיועדת היא צומת עם ארבעה GPUs ולא תחנת עבודה.

Xing 4.0 29B-A4B הוא דליל: 29 מיליארד פרמטרים בצ'קפוינט, 64 מומחים מנותבים עם 4 פעילים ועוד אחד משותף, 40 שכבות, גודל מוסתר 3,584, בנוי על מה שהכרטיס שלו מכנה mHC + MLA + MTP. החישוב לכל טוקן מתאים ל-4 מיליארד הפרמטרים הפעילים, לא ל-29 מיליארד המאוחסנים. הספק טוען לכימות 4-bit בכ-15 GB של VRAM, מה שיאפשר להריץ אותו על RTX 3090 או 4090 — טענה שכדאי לבדוק מול קובץ הכימות בפועל לפני שקונים חומרה סביבה, כי המאגר מדווח על גודל טנסור של 31B פרמטרים עבור הצ'קפוינט המלא, ושני המספרים יושבים יחד באופן מוזר.

כל השאר נובע מהפיצול הזה.

• הקשר — Nanbeige4.3-33B 524,288 אסימונים, נייטיבי, ללא הרחבת YaRN במתכון; Xing 4.0 29B-A4B 262,144 נייטיבי, מתואר כניתן להרחבה ל-512K, אם כי אין מתכון הרחבה מפורסם.

• טביעת רגל מעשית מינימלית — Nanbeige4.3-33B, ‏66.3 GB של משקולות BF16 לפני מטמון KV, הקבלה טנזורית בארבע דרכים; Xing 4.0 29B-A4B, כ-15 GB ב-4 סיביות לפי טענת הספק עצמו, כרטיס אחד.

• סטאק האימון — Nanbeige4.3-33B אינו מתועד בפירוט; Xing 4.0 29B-A4B אומן מקצה לקצה על אשכולות Ascend 910C עם MindSpore ו-MindFormers, עם טענה לשיפור תפוקה של 96% לעומת קו הבסיס המוכן מראש של הספק עצמו. זוהי טענה המבוססת על קו בסיס פנימי ללא נקודת ייחוס ציבורית, ולכן אי אפשר לאמת אותה מבחוץ, אך היא ההצהרה ההנדסית המעניינת יותר מבין שתי ההשקות.

• רישיון — Apache 2.0 בשניהם, מה שהופך את מחיר ההורדה לאפס בשניהם ומעביר את הוויכוח כולו לחומרה ולטוקנים.

חמש שורות ששתי המעבדות הריצו, ושתי השורות שבהן הן חולקות.

שני כרטיסי המודל חולקים חמישה שמות של בנצ'מרקים: Terminal-Bench 2.1, Tau3-Bench, Claw-Eval, AIME2026 ו-AA.LCR. הקריאה בשניהם זה לצד זה היא ההשוואה הכמותית היחידה הזמינה, וההערות השוליים הן המקום שבו היא מחזיקה מעמד או מתפרקת.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9, Xing 4.0 29B-A4B 57.5. שתי המעבדות אומרות שהריצו אותו ב-Terminus 2, מה שהופך את זה לדבר הקרוב ביותר לכלי מדידה משותף בכל אחת מהטבלאות. זה עדיין לא אותו ניסוי: הכרטיס של Xing מפרט טמפרטורה 0.8, top-p 0.95, מקסימום 64K אסימונים, פסק זמן של 24 שעות והממוצע של שלוש ריצות; הכרטיס של Nanbeige מציין את מסגרת ההרצה ותו לא. פער של 23 נקודות תחת מסגרות הרצה כמעט זהות הוא האות הבודד החזק ביותר בהשוואה הזו, והוא עדיין אות ולא מדידה.

• Tau3-Bench — Nanbeige4.3-33B 48.8, Xing 4.0 29B-A4B 64.63. זהו היפוך, והוא גדול. Xing מנצחת בדיאלוג שימוש בכלים בפער של כמעט 16 נקודות, במשפחת הבנצ'מרקים שבודקת בצורה הישירה ביותר קריאה לפונקציות מרובת תורות. ההסתייגות היא המדד: Xing מדווחת על pass^1 כממוצע על פני ארבע ריצות על ה-harness הרשמי של tau-bench; Nanbeige אומרת שהשתמשה במאגרי הקוד הרשמיים אך אינה מציינת את אופן הצבירה, ורושמת את השורה תחת קידוד סוכני ולא תחת שימוש בכלים.

• Claw-Eval — Nanbeige4.3-33B 78.3 ב-pass^3, Xing 4.0 29B-A4B 76.55. יש להשליך את זה ולא לקרוא בו. בהערת השוליים של Nanbeige נאמר שהיא העריכה רק את תת-הקבוצה Claw-Eval General, 157 משימות חד-תוריות; אצל Xing לא מצוינת תת-קבוצה. פער של 1.75 נקודות בין שתי גרסאות ללא שם של אותו מבחן הוא רעש שעוטה על עצמו בגדים של תוצאה.

• AIME2026 — Nanbeige4.3-33B 95.2, Xing 4.0 29B-A4B 90.0. מתמטיקה תחרותית, חמישה ריצות בממוצע בצד של Xing, מקסימום 131,072 טוקנים; הדגימה של Nanbeige שוב אינה מצוינת. שניהם חזקים, הסדר עקבי עם התוצאה הסופית, ואף אחד מהמספרים לא אומר לך הרבה על העבודה בפועל של אף אחד מהמודלים.

• AA.LCR — Nanbeige4.3-33B 84.0, Xing 4.0 29B-A4B 61.0. הסקה בהקשר ארוך, והפער הפרופורציונלי הרחב ביותר אחרי Terminal-Bench. כדאי לציין שזהו מבחן של Artificial Analysis שמופעל על ידי שני ספקים, ולכן אף אחד מהנתונים אינו נתון של Artificial Analysis.

ארבעה מתוך החמישה מעדיפים את Nanbeige4.3-33B. זה שהופך את הכיוון הוא זה שעוסק בקריאה לכלים ברצף, וזה מה שסוכן עושה כל היום. הסתירה הזו היא הדבר השימושי ביותר בכל אחד משני הכרטיסים, ואף אחת משתי המעבדות לא התייחסה אליה.

יש הערת אמינות שנוטה לטובת Nanbeige דווקא בשורת הטרמינל. הכרטיס שלה עצמו טוען ל-Terminal-Bench 4.0 בתוצאה 23.8; Artificial Analysis, בהרצת ההרנס שלה, מדדה 29.8. המדידה החיצונית הגיעה לשש נקודות גבוה יותר מהטענה של הספק עצמו, וזה ההפך מהכיוון הרגיל ומרמז שהטבלה של הספק כאן אינה מנופחת. ל-Xing 4.0 29B-A4B אין בדיקה מקבילה.

רק לאחד מהמודלים האלה יש מספר שאף אחד לא שילם עליו.

Nanbeige4.3-33B מדורג. Artificial Analysis הציבו אותו בציון 20 ב-Intelligence Index v5.0.1 — ראשון מבין תשעה בקטגוריית ההשוואה למודלים במשקלים פתוחים, מול חציון קטגוריה של 10, ומקום 76 ברשימת כל המודלים. ציוני המשנה מאלפים יותר מהציון המשולב: Terminal-Bench 4.0 עם 29.8%, FrontierCode 2.0 עם 10.7%, ושיעור אי-הזיהוי של 81.8%, שהוא הנתון השביעי בטיבו באתר. הוא מסרב להרבה שאלות. עבור מודל שנבנה במפורש כמורה לדיסטילציה, זה יתרון.

ל-Xing 4.0 29B-A4B אין רשומה ב-Artificial Analysis. לא רשומה גרועה — אלא אין כלל. האתר מחזיר 404 עבור הסלאג של המודל בשתי האיותים הסבירים, ואין עבורו שום נתון משולב, תת-ציון, מחיר או מהירות בשום מקום בלוח הזה.

האסימטריה הזו קובעת כל מה שמאמר השוואה יכול לטעון ביושר. אפשר להשוות בין שני המודלים בטבלאות הספקים, עם הסתייגויות הערות השוליים שלעיל. אי אפשר להשוות ביניהם על המכשיר היחיד שאף אחת מהמעבדות אינה שולטת בו, משום שרק אחד מהם נמצא עליו. כל מאמר שמדרג את השניים זה מול זה על קרקע ניטרלית ממציא את הקרקע הניטרלית.

היכן שהצעת החוק למעשה נבדלת

אם אתם בוחרים בין השניים, מחירו של טוקן אינו המספר המכריע — עלות השלמת משימה היא, ושלושה מכפילים נפרדים מצטברים בצד של Nanbeige.

הראשון הוא צפיפות: 33 מיליארד פרמטרים נקראים לכל טוקן פלט לעומת כ-4 מיליארד. בכל חומרה שיש לך, זהו מכפיל גדול מבחינת חישוב לכל טוקן לפני ששוקלים דבר אחר.

השני הוא מילוליות, והיא נמדדת ולא מונחת. Artificial Analysis מדווחת ש-Nanbeige4.3-33B הפיק 160 מיליון אסימוני פלט במהלך הרצת Intelligence Index שלו, לעומת חציון קטגוריה של 77.7 מיליון — פי 2.06 מהחציון, ומקום שמיני מתוך שמונה בדירוג המילוליות של האתר. הכרטיס של המודל עצמו מסביר חלק מזה: חשיבה מופעלת כברירת מחדל, והתקרה המומלצת היא 262,144 אסימונים לעבודת היסק. כל מודל שנאמר לו שהוא רשאי לחשוב במשך רבע מיליון אסימונים ישתמש בחלק מהם.

אם מחברים את השניים, מודל צפוף שגם מדבר פי שניים אינו יקר פי שניים להרצה לכל משימה שהושלמה; הוא קרוב יותר לסדר גודל. זהו התוכן האמיתי של ההשוואה בין 33B ל-4B אקטיבי, והוא אינו מופיע בשום מקום באף אחת משתי טבלאות הבנצ'מרק.

השלישי אינו ידוע, והוא אינו ידוע לטובת Xing רק כברירת מחדל. איש לא פרסם מדד מילוליות עבור Xing 4.0 29B-A4B, כך שמודל עם 4B פרמטרים פעילים וללא מדידת יעילות טוקנים יכול להיות ממש זול לכל משימה, או שהוא יכול לפלוט מספיק טוקנים כדי למחוק חלק מהיתרון. אתה משווה מודל יקר שנמדד מול מודל זול שלא נמדד.

מה שאפשר לקרוא לו היום

אף אחד מהמודלים אינו מתארח במובן הרגיל, וההבדל ביניהם קטן מכפי שסיקור ההשקה מרמז.

ל-Nanbeige4.3-33B אין API בכלל. בעמוד ה-Hugging Face שלו נאמר שהמודל אינו מופעל על ידי שום ספק הסקה, ו-Artificial Analysis מתעדת שאין API זמין לציבור ומשאירה את שדות המחיר ריקים. גישה פירושה הורדת 66 GB של משקלים והרצתם על חומרה שבבעלותך או בשכירות.

ל-Xing 4.0 29B-A4B יש משקלים מאז 16 בספטמבר ונתיב מחויב לפי שימוש שהופיע באמצע אוקטובר: מרקטפלייס של צד שלישי מציין אותו ב-$0.22 למיליון טוקני קלט וב-$0.90 למיליון פלט, וגרסה מקדמת חינמית של אותה נקודת קצה מופיעה לצידו. פאנל ספקי ההסקה של Hugging Face עדיין ריק, כך שהנתיב המתארח עובר דרך מרקטפלייסים ולא דרך הספק, ורמת מחיר מקדמת אינה מחיר שעליו כדאי לבנות תקציב.

אם להיות ישירים לגבי העמדה שלנו: אף אחד מהמודלים אינו בקטלוג של OrcaRouter היום, כך שאיננו נתיב לאף אחד מהם, ושום דבר בהמשך אינו מעמיד פנים אחרת. המקום שבו נתב מרוויח את מקומו בהחלטה כמו זו הוא כבקרה. הדרך הזולה ביותר לגלות אם מודל צפוף 33B באירוח עצמי שווה ארבעה GPUs היא להציב אותו לצד משהו שאפשר לקרוא לו לפי טוקן ולמדוד את שניהם על המשימות שלכם — והבקרה המתבקשת כאן היא המודל שכרטיס המודל של Nanbeige עצמה משווה אליו.Qwen3.8-27B נמצא בקטלוג שלנו במחיר של $0.33 למיליון טוקני קלט ו-$2.40 למיליון טוקני פלט, Artificial Analysis נותנת לו ציון 20.1 לעומת 20 של Nanbeige, והוא משתמש באותו מפתח כמו שאר הקטלוג כאשר מחירי המחירון של הספקים מועברים ללא תוספת. זה הופך את ההשוואה לכלל ניתוב ולא לחוזה שני.

מי צריך לבחור מה

החלוקה ברורה ברגע שמקבלים שזו החלטה של יכולת מול עלות, ולא של יכולת מול יכולת.

Nanbeige4.3-33B היא הבחירה כאשר עבודת טרמינל היא המוצר. יתרון של 23 נקודות בהרנס Terminus 2 כמעט משותף, שיעור אי-ההזיה הגבוה ביותר בקטגוריה שלה, חלון מקורי של 512K וציון בלתי תלוי שהגיע מעל להצהרת הספק עצמו — זהו מודל ששווה ארבעה כרטיסי GPU אם עומס העבודה שלך הוא קוד ועבודת shell לטווח ארוך, ואם אתה יכול לספוג חשבון טוקנים כפול בערך מהחציון של הקטגוריה.

Xing 4.0 29B-A4B הוא הבחירה כשכרטיס יחיד וחשבונית בתשלום לפי שימוש הם האילוצים. יתרון של 16 נקודות ב-Tau3-Bench, טביעת רגל שהספק אומר שמתאימה לכרטיס של 24GB, רבע מהמחשוב לכל טוקן של Nanbeige, והיחיד מבין השניים עם מחיר שאפשר לשלם בלי לקנות חומרה. הוא גם המודל החלש יותר בשורה היחידה שבה ההרנסים כמעט תואמים, כך שהטיעון בעדו הוא כלכלי ותפעולי, לא יכולות.

שני דברים יכריעו את החלקים שנותרו פתוחים. הרצה של Artificial Analysis על Xing 4.0 29B-A4B תהפוך השוואה א-סימטרית לסימטרית, ונתון Tau3-Bench מ-Nanbeige עם שיטת אגרגציה מוצהרת יגיד לך אם ההיפוך של 16 הנקודות הוא חולשה אמיתית בשימוש בכלים או תוצר לוואי של שני מדדים שונים שחולקים אותו שם. עד שאחד מהם יתפרסם, הסיכום הכנה הוא ש-Nanbeige4.3-33B הוא המודל החזק יותר לפי הראיות הקיימות, ו-Xing 4.0 29B-A4B הוא זה שאתה יכול להרשות לעצמך להריץ — וגודל הפשרה הזו הוא שאלה של תמהיל המשימות שלך, לא של אף אחד מהכרטיסים.