Xing 4.0 29B-A4B è ora invocabile: il MoE open di China Telecom lascia il laboratorio

I pesi per Xing 4.0 29B-A4B sono scaricabili da X​ingChen-AGI, l'organizzazione su Hugging Face, dal 16 settembre 2026 — questa parte non è una novità. Ciò che è cambiato a metà ottobre è più circoscritto e più utile: il modello è diventato qualcosa che puoi chiamare invece di qualcosa che puoi solo ospitare. Un annuncio commerciale pubblico per Xing4.0-29B-A4B è apparso il 15–16 ottobre con una finestra di contesto di 262.144 token e un livello promozionale gratuito, le build quantizzate sono arrivate il 13 ottobre, e i framework di serving hanno finito di arrivare: la pull request di supporto di SGLang è passata da bozza a pronta per il merge, vLLM supporta già l'architettura, e la model card ora cita OpenCode, C​laude Code, OpenClaw e Hermes come framework per agenti adattati. Questo articolo riguarda ciò che è effettivamente stato rilasciato, ciò che sostiene la model card di China Telecom e quali di queste affermazioni nessuno fuori dal laboratorio ha ancora verificato.

Due date, e perché solo una di esse conta oggi

La cronologia del repository è inequivocabile. X​ingChen-AGI/Xing4.0-29B-A4B ha ricevuto il suo commit iniziale il 16 settembre 2026, con un caricamento dei pesi lo stesso giorno e un README la mattina successiva. I pesi Apache-2.0 sono pubblici da un mese. Un articolo di prima versione scritto il 17 ottobre che annunciava questo modello come nuovo sarebbe sbagliato, ed è esattamente l'errore che la copertura precedente in questa serie ha già dovuto correggere — i post dell'epoca dei leak hanno seguito un cambio di nome da XingChen4 a Xing4_0 attraverso sei pull request del framework prima che qualsiasi cosa fosse scaricabile.

Quindi considera il 16 settembre la data di rilascio. La novità di ottobre è la disponibilità: fino a quel momento, usare il modello significava noleggiare o possedere l'hardware. Ora non più.

Che cos'è effettivamente il modello

Xing 4.0 29B-A4B è il successore della linea TeleChat, sviluppato da China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — e pubblicato sotto Apache 2.0. È un modello sparse mixture-of-experts: 29 miliardi di parametri nel checkpoint, circa 4 miliardi letti per token generato. La scheda descrive l'architettura come "mHC + MLA + MTP", e i dettagli di configurazione che contano sono questi:

• Forma — 40 strati, dimensione nascosta 3.584, dimensione intermedia FFN densa 9.216, dimensione intermedia degli esperti 1.024, vocabolario 131.072.

• Esperti — 64 esperti instradati con 4 attivi per token, più 1 esperto condiviso sempre attivo. È proprio per quell'esperto condiviso che il conteggio degli attivi non è pari a 4/64 del totale.

• Attenzione — MLA (multi-head latent attention), lo schema KV compresso della linea D​eepSeek anziché l'attenzione standard con query raggruppate.

• Contesto — 256K nativo, descritto sulla scheda come estensibile a 512K. La scheda commerciale indica 262.144 posizioni.

• Decodifica speculativa — MTP, predizione multi-token, addestrata nel modello anziché aggiunta a posteriori.

• Licenza e formati — Apache 2.0, con build bfloat16 safetensors, FP8, w8a8 e GGUF pubblicate dalla stessa organizzazione.

La parte mHC è quella che è davvero insolita. Sta per flussi residui di iper-connessione vincolati a varietà, ed è il motivo per cui il modello compare nel codice dei framework di serving come qualcosa di diverso da un transformer standard: i framework necessitano di kernel personalizzati per esso, e l'implementazione di SGLang include un kernel split-K specificamente per il layout a quattro flussi di iper-connessione. Se sei un professionista che sta decidendo se valga la pena occuparsene, il riassunto onesto è che questo è un modello con una vera scommessa architetturale al suo interno, non un mixture-of-experts di serie con un nuovo nome.

I numeri — e chi li ha prodotti

Tutto quanto segue proviene dalla model card di China Telecom stessa. Niente di tutto ciò è stato riprodotto in modo indipendente, e la scheda stessa dichiara l'harness e le impostazioni di campionamento alla base di ogni riga, il che è una divulgazione maggiore di quella che la maggior parte dei fornitori offre volontariamente. Leggilo come un'affermazione di un fornitore, non come un fatto misurato.

• SWE-bench Verified — 75,00, eseguito con l'harness SWE-agent con una finestra di contesto di 210K.

• Terminal-Bench 2.1 — 57,50, agente terminus-2, massimo 64K token, timeout di 24 ore, media su tre esecuzioni.

• SWE-bench Multilingual — 66,00, stesso harness di Verified.

• Claw-Eval — 76.55, harness ufficiale, contesto 256K, media di tre esecuzioni.

• Tau3-Bench — 64,63, harness ufficiale, pass^1 mediato su quattro esecuzioni.

• DeepresearchBII — 60,80, harness OpenCode con un server MCP Exa abilitato.

• AIME2026 — 90,00, media su cinque esecuzioni. IFBench — 69,67. AA.LCR — 61,00.

Due di questi meritano una riflessione. Un modello con 4B attivi che dichiara 75 su SWE-bench Verified e 57.5 su Terminal-Bench 2.1 sostiene di collocarsi in un territorio occupato da modelli diverse volte la sua dimensione attiva, ed entrambe le cifre sono agentiche — il che significa che dipendono fortemente dallo scaffolding dell'harness, non solo dal modello. La scheda è sorprendentemente specifica riguardo allo scaffolding, ma la specificità di un harness non equivale a un'esecuzione indipendente dello stesso.

Dove vince sul proprio tavolo, e dove no

La scheda si confronta tramite benchmark con Gemma4-26B-A4B e Qwen3.6-35B-A3B. Secondo i numeri della stessa China Telecom, il quadro non è una vittoria netta, il che è di per sé informativo:

• Contro Gemma4-26B-A4B — Xing 4.0 vince su SWE-bench Verified 75,00 a 53,00, Terminal-Bench 2.1 57,50 a 30,00, SWE-bench Multilingual 66,00 a 51,00, Claw-Eval 76,55 a 71,49, Tau3-Bench 64,63 a 58,90 e DeepresearchBII 60,80 a 39,30. Perde su IFBench 69,67 a 72,67 e AA.LCR 61,00 a 66,00, ed è indietro su AIME2026 di 1,7 punti.

• Contro Qwen3.6-35B-A3B — Xing 4.0 vince su Claw-Eval, Terminal-Bench 2.1 e DeepresearchBII, e perde su SWE-bench Verified 75,00 contro 76,00, su Tau3-Bench 64,63 contro 67,20 e su AIME2026 90,00 contro 92,70.

Il pattern è coerente: forte nelle valutazioni agentiche e di tipo terminale, più debole nel seguire le istruzioni e nel ragionamento su contesti lunghi. Quelle ri-esecuzioni dei modelli concorrenti sono state eseguite da China Telecom, non dalle aziende che li hanno realizzati, quindi il confronto è internamente coerente ma non indipendente in nessuna delle due direzioni. (Un articolo precedente di questa serie tratta in dettaglio il lato Gemma 4 di quella tabella.)

Un'affermazione sul training che vale la pena segnalare separatamente

Xing 4.0 è stato addestrato su NPU Ascend con MindSpore e MindFormers, non su GPU con PyTorch. La scheda dichiara un miglioramento del throughput di circa il 96% rispetto alla propria baseline, ottenuto tramite ottimizzazione della comunicazione MoE, ricomputazione selettiva, fusione graph-operator DVM e kernel Ascend C scritti a mano per gli operatori mHC. Tale cifra è un'affermazione sull'infrastruttura di addestramento relativa a una baseline interna, il che la rende essenzialmente non verificabile dall'esterno — non esiste qui alcun punto di riferimento pubblico per la "baseline". È comunque la dichiarazione ingegneristica più interessante del rilascio: un MoE completo e vicino alla frontiera, addestrato end-to-end su uno stack non NVIDIA, con il lavoro sugli operatori svolto internamente.

Quanto costa

Poiché la licenza è Apache 2.0, il prezzo di download è zero e resta zero. L'hardware è il vero costo. La descrizione della raccolta dichiara una quantizzazione a 4 bit con circa 15GB di VRAM, che starebbe su una RTX 3090 o 4090; quella cifra è un'affermazione del fornitore e stona con la dimensione del tensore da 31B parametri che il repository riporta per il checkpoint completo, quindi verificala rispetto al file quantizzato effettivo prima di comprare una scheda in base a essa. I percorsi supportati sono SGLang, vLLM e KTransformers per l'inferenza, con LLaMA-Factory e MindFormers per il fine-tuning.

Per chi preferisce non eseguirlo da sé, ora esiste una via a consumo: l'inserzione commerciale comparsa a metà ottobre mette a disposizione il modello con un contesto di 262.144 token, una completion massima di 235.929 token e l'intera superficie di campionamento, inclusi tool calling, output strutturati e una modalità di ragionamento attivabile/disattivabile. Durante la finestra promozionale è elencata una variante gratuita dello stesso endpoint, che è il modo più economico possibile per scoprire se la riga SWE-bench del fornitore sopravvive al contatto con il tuo repository. Come sempre con un'inserzione nuovissima, controlla a cosa vieni effettivamente instradato prima di metterlo in un percorso di produzione — il tier gratuito e quello a pagamento sono spesso deployment diversi.

Come chiamarlo e come ci inseriamo

Per essere diretti sulla nostra posizione: Xing 4.0 29B-A4B oggi non è nel catalogo di OrcaRouter, quindi non siamo un canale per accedervi e questo articolo non fingerà il contrario. Se lo volete, le opzioni sono l'API del fornitore stesso, i marketplace di terze parti che lo hanno recentemente inserito, oppure il vostro hardware.

È dall'altra parte della decisione che un router si guadagna il suo posto, qui. Il percorso realistico per la maggior parte dei team è eseguire questo modello in un sidecar, su un percorso a basso rischio, per il tempo sufficiente a vedere se la sua forza agentica è reale sui loro compiti — mentre il traffico di produzione continua a girare su modelli che hai già validato. OrcaRouter è una sola API davanti a oltre 200 modelli ospitati, con 0% di markup, con un DSL di routing e failover automatico, il che significa che la valutazione è una modifica di configurazione anziché un secondo contratto: il router continua a servire il modello già in uso, e tu aggiungi lo sfidante dove si è guadagnato il diritto di rispondere. Quando un taglio di prezzo di un fornitore arriva su un modello che distribuiamo, quel prezzo è attivo dalla nostra parte lo stesso giorno, perché passiamo il prezzo di listino del provider senza aggiungere nulla.

Cosa è ancora non verificato

Quattro cose, in ordine di quanto cambierebbero il verdetto. Primo, tutte e nove le righe di benchmark sono dichiarate dal fornitore e nessuna ha una riproduzione da terzi. Secondo, l'estensione da 256K a 512K è un'affermazione della scheda modello, senza alcuna ricetta pubblicata per l'estensione stessa. Terzo, le colonne dei concorrenti nella tabella di benchmark sono ri-esecuzioni dello stesso fornitore, quindi i margini di vittoria non sono confrontabili con i numeri pubblicati dai concorrenti stessi — la scheda di Gemma 4, per esempio, non riporta affatto SWE-bench Verified, quindi non è disponibile alcun riscontro incrociato. Quarto, il dato «93.52 su SuperCLUE» che ha circolato insieme a questa release compare nel testo di presentazione di una raccolta anziché nella tabella della scheda del modello stessa, e va considerato privo di fonte finché non lo sarà.

La cosa più utile che puoi fare con questo modello a ottobre 2026 è quella che l'annuncio non fa per te: mettergli davanti il tuo compito agentico più difficile e vedere se la forza in stile terminal-bench sopravvive al di fuori di una tabella di harness. Se sopravvive, un modello Apache-2.0 con 4B attivi che gira su una singola scheda consumer è davvero una cosa utile da possedere. Se non sopravvive, hai speso un fine settimana e una GPU. La prossima pietra miliare da tenere d'occhio è la prima esecuzione di valutazione indipendente sui pesi — non un'altra pull request a un framework, che ormai è un problema risolto.

Niente di tutto ciò è ipotetico: i fallimenti documentati dell'IA e gli incidenti degli agenti alla base di rilasci come questo sono raccolti in l'OrcaRouter AI Incident Archive, dove ogni voce riporta le proprie fonti, la gravità, il grado di confidenza e il flag di contestazione.