Xing 4.0 29B-A4B vs Qwen 3.8 27B: Visi Versus Pemanggilan Alat

Kedua model itu cukup berdekatan ukurannya sehingga spreadsheet pengadaan akan menempatkannya pada baris yang sama: Qwen 3.8 27B adalah model multimodal padat milik Alibaba dengan 27 miliar parameter, 28B jika menghitung menara visinya, dirilis di bawah Apache 2.0 pada Agustus 2026 dengan 262.144 posisi native serta masukan gambar dan video native; Xing 4.0 29B-A4B adalah model sparse mixture-of-experts milik China Telecom dengan 29 miliar parameter, 4B aktif per token, teks masuk dan teks keluar, yang bobotnya dipublikasikan pada 16 September 2026 dan baru dapat dipanggil pada pertengahan Oktober. Keduanya Apache 2.0, keduanya berbobot terbuka, dan keduanya melaporkan angka yang setahun lalu akan tampak seperti hasil terdepan. Keduanya juga bukan pengganti satu sama lain dalam beban kerja apa pun yang penting, dan alasannya adalah satu baris dalam setiap spesifikasi: apakah ada menara visi di satu sisi dan loop pemanggilan alat di sisi lain.

Perbedaan ukurannya lebih kecil daripada yang disiratkan oleh nama-namanya.

• Penamaan — "27B" adalah label pembulatan. Repositori Qwen melaporkan 28B dalam tensor BF16 setelah encoder visi diperhitungkan; backbone teksnya adalah 27B di 64 lapisan pada ukuran tersembunyi 5.120 dengan kosakata 248.320 entri.

• Pelabelan Xing — "29B-A4B" adalah dua angka, bukan satu: 29B total dan 4B aktif. Repositori tersebut melaporkan 31B dalam tensor presisi penuh.

• Apa yang sebenarnya Anda bayar — Qwen 3.8 27B bersifat dense, jadi seluruh 27B berjalan per token. Xing 4.0 hanya membaca 4B dari 29B per token. Pada perangkat keras dan ukuran batch yang sama, Xing jauh lebih murah per token yang dihasilkan dan Q​wen jauh lebih dapat diprediksi.

• Konteks — Q​wen 3.8 27B memiliki 262,144 posisi asli, dapat diperluas hingga 1,000,000, dengan batas atas yang direkomendasikan sebanyak 262,144 token penalaran dan 131,072 untuk respons akhir. Xing 4.0 memiliki 256K, diklaim dapat diperluas hingga 512K. Setara dalam konfigurasi bawaan; ekstensi Q​wen yang dipublikasikan menjangkau dua kali lebih jauh.

Arsitektur: dua taruhan yang tidak saling menyerupai

Qwen 3.8 27B dibangun di atas tata letak attention hibrida — enam belas blok berisi tiga lapisan Gated DeltaNet yang diikuti satu lapisan Gated Attention penuh, sebuah pembagian tiga banding satu antara attention linear dan kuadratik — dan model ini dilatih dengan beberapa langkah MTP. Tumpukannya padat dan berat pada attention linear, yang justru memungkinkan model padat 27B membawa jendela 262K tanpa beban KV-cache yang akan ditanggung oleh transformer standar.

Xing 4.0 29B-A4B adalah model sparse mixture-of-experts dalam garis keturunan DeepSeek: atensi latent terkompresi MLA di seluruh bagian, 64 pakar routed dengan 4 aktif per token ditambah satu pakar bersama, dan aliran residual hyper-connection dengan kendala manifold — tata letak residual empat aliran yang mengharuskan framework serving memiliki kernel khusus. Model ini juga dilatih dengan MTP, sehingga kedua model membawa head speculative-decoding-nya sendiri di dalam checkpoint, bukan mengirimkan file drafter terpisah.

Konsekuensinya bagi seorang praktisi memang tidak glamor, tetapi penting. Qwen 3.8 27B adalah model dense dengan attention yang tidak biasa, yang ditangani sebagian besar stack serving dengan upaya sederhana. Dukungan terkonfirmasi Xing 4.0 adalah vLLM, SGLang, dan KTransformers, dengan SGLang membawa kernel yang ditulis khusus untuk tata letak hyper-connection empat aliran. Desain residual-stream yang dibuat khusus merupakan biaya integrasi nyata pada kali pertama, dan biaya yang berulang setiap kali Anda melakukan kuantisasi, fine-tune, atau mengubah bentuk batch.

Untuk apa sebenarnya setiap model

Di sini perbandingan berhenti menjadi perbandingan, karena kedua model tidak dirancang untuk pekerjaan yang sama dan tabel tolok ukur mereka tidak cukup tumpang tindih untuk memalsukannya.

• Rekayasa perangkat lunak — Xing 4.0 SWE-bench Verified 75,00 dibandingkan dengan SWE-bench Pro milik Q​wen 3.8 27B sebesar 61,7. Ini adalah tolok ukur yang berbeda, jadi selisih di antara keduanya tidak berarti apa-apa dengan sendirinya. Baris yang sebanding adalah bahwa Q​wen melaporkan QwenSWEBench 79,0 dan DeepSWE 1.1 42,2, yang tidak pernah disinggung dalam kartu Xing.

• Pengodean terminal dan agentik — Xing 4.0 Terminal-Bench 2.1 57,50 versus Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73,0. Nama benchmark sama, detail harness berbeda, keduanya dilaporkan oleh vendor. Berdasarkan angka yang dipublikasikan, Q​wen unggul lebih dari 15 poin.

• Penggunaan komputer dan agen visi-bahasa — Qwen 3.8 27B OSWorld-Verified 84.3, WebArena-Verified 64.8, AndroidWorld 81.9, MathVision 90.0 tanpa chain-of-thought dan 94.6 dengannya, OmniDocBench 1.5 91.1, RealWorldQA 85.9. Xing 4.0 sama sekali tidak memiliki benchmark multimodal karena tidak memiliki kemampuan multimodal. Ini bukan celah dalam tabel; ini celah dalam produk.

• Pemanggilan alat dan agen jangka panjang — 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 pada 20.4 pass@1 dan skor 42.9, JobBench 33.4. Sekali lagi: suite berbeda, tidak ada tumpang tindih, tidak ada perbandingan yang tersedia.

• Penalaran umum dan pengetahuan — Qwen 3.8 27B GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, IFBench 79.5. Kartu Xing 4.0 hanya melaporkan IFBench 69.67 pada daftar itu — hampir sepuluh poin di belakang Qwen, dan satu-satunya baris tujuan umum tempat kedua vendor memublikasikan angka.

Baca tabel-tabel itu sebagai dua dokumen berbeda tentang dua produk berbeda. Milik Qwen mencakup model multimodal yang melakukan pekerjaan penggunaan komputer melalui antarmuka tangkapan layar. Milik Xing mencakup model teks yang dirancang untuk menjaga loop pemanggilan alat yang panjang tetap utuh. Satu-satunya baris tempat keduanya benar-benar bertabrakan — IFBench, pengikutan instruksi — dimenangkan Qwen dengan selisih 9,8 poin.

Dua proses sourcing, satu peringatan bersama

Tidak ada model yang memiliki evaluasi independen. Angka Qwen 3.8 27B adalah milik Alibaba, diterbitkan di kartu model dengan pengaturan harness, dan angka Xing 4.0 adalah milik China Telecom, diterbitkan dengan cara yang sama. Dalam kedua kasus, kolom perbandingan dalam tabel adalah pengujian ulang model pesaing oleh lab internal itu sendiri, bukan angka terbitan para pesaing tersebut — praktik yang hampir universal dan layak diingat setiap kali tabel seorang vendor menunjukkan pesaing kalah telak.

Qwen 3.8 27B memang punya sesuatu yang tidak dimiliki Xing 4.0, dan itu bukan sekadar baris benchmark: delapan minggu terbuka untuk publik, termasuk port llama.cpp komunitas yang dilaporkan menjalankan bobot tersebut pada GPU PlayStation 5 yang di-jailbreak dengan kecepatan sekitar 20 token per detik. Pekerjaan pihak ketiga semacam itu adalah hal yang paling mendekati audit independen bagi bobot terbuka, dan Xing 4.0 baru menjalaninya selama sebulan, yang sebagian besar dihabiskan untuk pull request framework penyajian alih-alih evaluasi.

Biaya, dihosting sendiri, dan terukur

Keduanya Apache 2.0, jadi harga unduhannya nol dan tetap nol di kedua sisi. Qwen 3.8 27B bersifat dense dan membutuhkan memori model dense 27B ditambah menara visi; batas praktisnya adalah kartu 24GB pada presisi rendah, dengan unduhan presisi penuh 55.6GB. Koleksi Xing 4.0 mengklaim kuantisasi 4-bit dalam sekitar 15GB VRAM — klaim yang layak diperiksa terhadap ukuran file GGUF sebenarnya, karena repositori presisi penuh melaporkan 31B dalam tensor.

Di sisi berbayar berdasarkan pemakaian, Qwen 3.8 27B adalah model yang benar-benar dapat dipanggil di sini. OrcaRouter meng-host qwen/qwen3.8-27b dengan tarif $0.33 per juta token masukan dan $2.40 per juta token keluaran, dengan bobot terbuka yang dilayankan di infrastruktur kami sendiri, itulah sebabnya harga tersebut tetap berlaku dan perubahan dari pihak vendor terhadapnya tidak akan berdampak. Qwen 3.8 27B juga tersedia dengan harga $0.40 dan $4.21 per juta melalui deployment FP8 komunitas di katalog kami yang mempertahankan vision tower pada presisi penuh — pengingat berguna bahwa dua listing dari model terbuka yang sama bukanlah produk yang sama. Xing 4.0 tidak ada di katalog kami, jadi API milik vendor sendiri dan platform pihak ketiga adalah tempat Anda mencarinya, dan kami tidak akan berpura-pura sebaliknya.

Dalam perbandingan seperti ini, router baru layak dipertimbangkan pada keputusannya sendiri. Satu API di depan 200+ model tanpa markup berarti mencoba penantang menjadi aturan routing, bukan integrasi kedua, dan failover otomatis berarti uji coba tersebut tidak pernah membahayakan jalur produksi: model utama menjawab, fallback menyerap apa pun yang dilewatkan model utama, dan seluruh eksperimen dihapus dari konfigurasi setelah selesai. Fusi model melangkah lebih jauh dan memungkinkan panel model menjawab bersama ketika keyakinan satu model atas suatu tugas adalah hal yang tidak Anda percayai.

Cara memutuskan

Pilih Qwen 3.8 27B jika apa pun dalam pipeline Anda melibatkan gambar, tangkapan layar, dokumen hasil pemindaian, bingkai video, atau loop penggunaan komputer. Ini adalah satu-satunya dari keduanya yang bahkan dapat melakukan pekerjaan itu, angka benchmark penggunaan komputernya adalah yang terkuat yang dipublikasikan di kelas bobot ini, dan ini dapat dipanggil hari ini dengan dasar berbayar per pemakaian. Ini juga merupakan default yang lebih aman dalam mengikuti instruksi, yang merupakan mode kegagalan yang paling merugikan dalam pipeline yang berhadapan dengan pelanggan.

Ambil Xing 4.0 29B-A4B jika beban kerja Anda murni teks, beban kerja Anda adalah loop pemanggilan alat yang panjang, dan Anda mampu memverifikasi klaim vendor sendiri. Argumen throughput per kartu memang nyata di atas kertas: jejak memori model 29B dengan aritmetika model 4B, pada ketentuan lisensi yang sudah dikenal tim hukum Anda. Ketidakpastiannya juga sama nyata — tidak ada evaluasi independen, tidak ada baris penalaran umum yang dipublikasikan, dan skor mengikuti instruksi hampir sepuluh poin di belakang pesaingnya pada satu tolok ukur yang dipilih kedua lab untuk dilaporkan.

Bagi sebagian besar tim, jawabannya bukanlah sebuah pilihan sama sekali. Qwen 3.8 27B menangani segala hal yang di dalamnya ada gambar atau layar; Xing 4.0 menangani loop agen yang hanya teks, tempat aritmetika per token menjadi kendala. Menjalankan keduanya melalui satu endpoint lebih murah daripada memilih di antara keduanya berdasarkan bukti yang belum diterbitkan oleh kedua vendor, dan evaluasi independen pertama atas Xing 4.0 adalah peristiwa yang akan mengubah ini menjadi perbandingan nyata alih-alih inventaris tentang apa yang dipilih tiap lab untuk diukur.

Tidak ada satu pun dari itu yang hipotetis: kegagalan AI dan insiden agen yang terdokumentasi di balik rilis seperti ini dikumpulkan dalam OrcaRouter AI Incident Archive, di mana setiap entri membawa sumbernya sendiri, tingkat keparahan, peringkat keyakinan, dan penanda status diperdebatkan.