Xing 4.0 29B-A4B が呼び出し可能に：China TelecomのOpen MoEがラボを離れる

重みについては、Xing 4.0 29B-A4BはXingChen-AGI組織の Hugging Face から2026年9月16日以降ダウンロード可能になっている — そこはニュースではない。10月中旬に変わったのは、もっと狭く、もっと実用的なことだ。モデルは、自分でホストするしかないものから、呼び出せるものになった。Xing4.0-29B-A4Bの公開商用リスティングは10月15～16日に登場し、262,144トークンのコンテキストウィンドウと無料のプロモーションティアを備えていた。量子化ビルドは10月13日に追いつき、サービングフレームワークもついに揃った。SGLang のサポート用プルリクエストはドラフトからマージ可能な状態にまで進み、vLLM はすでにこのアーキテクチャに対応しており、モデルカードには OpenCode、C​laude Code、OpenClaw、Hermes が適応済みのエージェントフレームワークとして記載されるようになった。本稿は、実際に出荷されたものは何か、中国電信自身のモデルカードが何を主張しているのか、そしてその主張のうち研究室の外の誰もまだ検証していないのはどれかを扱う。

2つの日付、そして今日重要なのはそのうち1つだけである理由

リポジトリの履歴は明白だ。X​ingChen-AGI/Xing4.0-29B-A4B は2026年9月16日に初回コミットを受け取り、同日に重みがアップロードされ、翌朝にはREADMEが追加された。Apache-2.0の重みは1か月前から公開されている。10月17日に書かれた、このモデルを新規として発表する初版記事は誤りであり、それはこのシリーズの以前の報道がすでに訂正しなければならなかった、まさにその失敗だ——リーク時代の投稿は、何かがダウンロード可能になる前に、XingChen4からXing4_0への名称変更を6件のフレームワークプルリクエストにわたって追跡していた。

したがって、9月16日をリリース日と見なしてください。10月の展開は可用性です。それまでは、モデルを使うにはハードウェアを借りるか所有する必要がありました。今はそうではありません。

モデルが実際には何なのか

Xing 4.0 29B-A4B は、中国電信人工知能科技有限公司 — TeleAI — によって開発され、Apache 2.0 の下で公開された TeleChat シリーズの後継です。これはスパース混合エキスパートモデルであり、チェックポイントには 290 億個のパラメータがあり、生成されるトークンごとに約 40 億個が読み込まれます。モデルカードではアーキテクチャを「mHC + MLA + MTP」と説明しており、重要な設定の詳細は次のとおりです：

• 形状 — 40層、隠れサイズ3,584、dense FFN中間サイズ9,216、エキスパート中間サイズ1,024、語彙サイズ131,072。

• エキスパート — トークンごとに4つがアクティブになる64のルーティング済みエキスパート、さらに常時稼働の共有エキスパートが1つ。この共有エキスパートがあるため、アクティブ数は全体の64分の4にはならない。

• アテンション — MLA（multi-head latent attention）。標準的なgrouped-query attentionではなく、DeepSeek系のKV圧縮方式です。

• コンテキスト — ネイティブ256K、カード上では512Kまで拡張可能と記載されている。商用リスティングには262,144ポジションと記載されている。

• 投機的デコーディング — MTP、マルチトークン予測。後付けではなく、トレーニングによって組み込まれています。

• ライセンスとフォーマット — Apache 2.0。bfloat16 safetensors、FP8、w8a8、GGUF ビルドが同一組織から公開されています。

mHCの部分は、本当に異例なものだ。これはmanifold-constrained hyper-connection residual streams（多様体制約付きハイパーコネクション残差ストリーム）の略で、このモデルが標準的なトランスフォーマー以外の何かとしてサービングフレームワークのコードに現れる理由でもある。フレームワーク側はそのためのカスタムカーネルを必要とし、SGLangの実装では4ストリームのハイパーコネクション配置専用にsplit-Kカーネルを同梱している。導入すべきか迷っている実務者にとって、正直な要約はこうだ。これは新しい名前を付けただけのありふれた混合エキスパートモデルではなく、実際にアーキテクチャ上の賭けを内包したモデルである。

数字 — そして誰がそれを生み出したのか

以下はすべてChina Telecom自身のモデルカードからのものです。そのいずれも独立に再現されたものではなく、カード自体が各行の背後にあるハーネスとサンプリング設定を明記しており、これはほとんどのベンダーが自発的に開示するよりも多くの開示です。測定された事実ではなく、ベンダーの主張として読んでください。

• SWE-bench Verified — 75.00、210K のコンテキストウィンドウで SWE-agent ハーネス上で実行。

• Terminal-Bench 2.1 — 57.50、terminus-2エージェント、最大64Kトークン、24時間タイムアウト、3回の実行の平均。

• SWE-bench Multilingual — 66.00、Verifiedと同じハーネス。

• Claw-Eval — 76.55、公式ハーネス、256Kコンテキスト、3回実行の平均。

• Tau3-Bench — 64.63、公式ハーネス、pass^1 は4回の実行の平均値。

• DeepresearchBII — 60.80、Exa MCPサーバーを有効化したOpenCodeハーネス。

• AIME2026 — 90.00、5回実行の平均。IFBench — 69.67。AA.LCR — 61.00。

そのうちの2つは、じっくり検討する価値がある。SWE-bench Verifiedで75、Terminal-Bench 2.1で57.5を主張する4Bアクティブモデルは、そのアクティブサイズの数倍のモデルが占める領域に位置すると主張している。そして、両方の数値はエージェント的である——つまり、モデルだけでなく、ハーネスの足場に大きく依存している。モデルカードは足場について爽快なほど具体的だが、ハーネスについて具体的であることは、それを独立に実行したことと同じではない。

自分の土俵で勝てるところ、そうでないところ

このカードはGemma4-26B-A4BとQwen3.6-35B-A3Bを相手に自らをベンチマークしている。China Telecom自身の数値では、完全な圧勝とは言えない状況であり、それ自体が示唆に富む：

• Gemma4-26B-A4B に対して — Xing 4.0 は SWE-bench Verified で 75.00 対 53.00、Terminal-Bench 2.1 で 57.50 対 30.00、SWE-bench Multilingual で 66.00 対 51.00、Claw-Eval で 76.55 対 71.49、Tau3-Bench で 64.63 対 58.90、DeepresearchBII で 60.80 対 39.30 と勝利。一方、IFBench では 69.67 対 72.67、AA.LCR では 61.00 対 66.00 で敗れ、AIME2026 では 1.7 ポイント差で後れを取っている。

• Qwen3.6-35B-A3B との比較 — Xing 4.0 は Claw-Eval、Terminal-Bench 2.1、DeepresearchBII で勝利し、SWE-bench Verified では 75.00 対 76.00、Tau3-Bench では 64.63 対 67.20、AIME2026 では 90.00 対 92.70 で敗れています。

パターンは一貫している。エージェント型およびターミナル型の評価では強く、指示追従と長いコンテキストの推論では弱い。競合モデルのそれらの再実行は、それらを開発したベンダーではなく中国電信によって行われたため、比較は内部的には一貫しているが、どちらの方向にも独立ではない。（このシリーズの先行記事では、その表のG​emma 4側を詳しく扱っている。）

別途注記する価値のあるトレーニングに関する主張が1つ

Xing 4.0は、PyTorchを使ったGPU上ではなく、MindSporeとMindFormersを使ってAscend NPU上で学習された。モデルカードは、自身のベースラインに対して約96%のスループット向上を主張しており、それはMoE通信のチューニング、選択的再計算、DVMのグラフ演算子融合、およびmHC演算子向けの手書きAscend Cカーネルによって達成されたとしている。この数値は内部ベースラインに関する学習インフラストラクチャ上の主張であり、外部からは事実上検証できない——ここには「ベースライン」の公開された基準点が存在しない。それでもなお、これは今回のリリースにおいて最も興味深いエンジニアリング上の表明である。すなわち、非NVIDIAスタック上でエンドツーエンドに学習された、フロンティアに隣接する完全なMoEであり、演算子の作業も内製で行われている。

運営にかかる費用

ライセンスがApache 2.0なので、ダウンロード価格はゼロで、ゼロのままです。実際の出費はハードウェアです。コレクションの紹介文では、約15GBのVRAMで4ビット量子化ができると主張しており、それならRTX 3090や4090に収まります。ただし、その数値はベンダー側の主張であり、リポジトリがフルチェックポイントについて報告している31Bパラメータのテンソルサイズとは妙に食い違うため、それを前提にカードを購入する前に、実際の量子化ファイルと照らし合わせて確認してください。サポートされている経路は、推論用がSGLang、vLLM、KTransformersで、ファインチューニング用がLLaMA-FactoryとMindFormersです。

自分で実行したくない人向けに、今では従量制のルートがある。10月中旬に登場した商用リスティングは、このモデルを262,144トークンのコンテキスト、235,929トークンの最大補完、そしてツール呼び出し、構造化出力、切り替え可能な推論モードを含む完全なサンプリング機能群で提供している。プロモーション期間中は、同じエンドポイントの無料版が掲載されており、これはベンダーのSWE-benchの行があなた自身のリポジトリと接触しても生き残るかどうかを知るための最も安価な方法だ。新しいリスティングではいつものことだが、本番経路に入れる前に、実際に何へルーティングされているのかを確認しよう——無料枠と有料枠は、異なるデプロイであることがよくある。

それをどう呼ぶか、そして私たちがどう適合するか

私たち自身の立場について率直に言えば、Xing 4.0 29B-A4Bは現在OrcaRouterのカタログにはないため、私たちはそれへのルートではなく、この記事もそうでないふりはしません。それを利用したい場合の選択肢は、ベンダー自身のAPI、最近それを取り扱い始めたサードパーティのマーケットプレイス、またはご自身のハードウェアです。

ここでルーターがその価値を発揮するのは、判断の反対側です。ほとんどのチームにとって現実的な道筋は、このモデルをサイドカーで、影響の小さい経路に置き、そのエージェントとしての強みが自分たちのタスクで本物かどうかを確かめられるだけの期間動かすことです — その間、本番トラフィックはすでに検証済みのモデルで動き続けます。OrcaRouter は 200以上のホスト型モデルの前段に立つ単一のAPIを0%のマークアップで提供し、ルーティングDSLと自動フェイルオーバーを備えています。つまり、評価は2つ目の契約ではなく設定変更で済みます。ルーターは現行モデルを提供し続け、挑戦者モデルは、回答する資格を得た場所にだけ追加します。私たちが扱っているモデルにベンダーの値下げが及んだ場合、その価格は当日中にこちら側でも有効になります。なぜなら、私たちはプロバイダーの定価をそのまま通し、そこに何も上乗せしないからです。

まだ未確認なのは何ですか？

判定を変える度合いが大きい順に、4つの点を挙げる。第一に、9つあるベンチマークの行はすべてベンダー報告で、第三者による再現は一つもない。第二に、256Kから512Kへの拡張はカード上の主張であり、その拡張自体について公開されたレシピはない。第三に、ベンチマーク表の競合他社の列はベンダー自身による再実行なので、勝利幅は競合他社自身が公表した数値とは比較できない——たとえばG​emma 4のカードはSWE-bench Verifiedをまったく報告しておらず、利用できるクロスチェックがない。第四に、今回のリリースとともに出回っている「SuperCLUEで93.52」という数値は、モデルカード自身の表ではなくコレクションの紹介文に現れており、出典が示されるまでは出典不明として扱うべきだ。

2026年10月にこのモデルでできる最も有用なことは、発表があなたの代わりにやってくれないことだ。それは、自分にとって最も難しいエージェント的タスクをこのモデルに突きつけ、terminal-bench型の強さがハーネスの表の外でも生き残るかどうかを見ることだ。もしそうなら、1枚のコンシューマー向けカードで動く4BアクティブのApache-2.0モデルは、持っていると本当に役立つものだ。そうでなければ、週末と1枚のGPUを費やしただけだ。次に注目すべきマイルストーンは、重みに対する最初の独立した評価実行であり、別のフレームワークのプルリクエストではない。それは今や解決済みの問題だ。

そうした話は決して仮定ではない。このようなリリースの背景にある、記録に残されたAIの障害やエージェントのインシデントはOrcaRouter AIインシデントアーカイブに集められており、各項目には独自の情報源、深刻度、信頼度グレード、係争中フラグが付されています。