Xing 4.0 29B-A4B 対 Qwen 3.8 27B：ビジョン対ツール呼び出し

両モデルはサイズが十分に近く、調達表なら同じ行に並べられるだろう。Qwen 3.8 27BはAlibabaのdenseな270億パラメータのマルチモーダルモデルで、ビジョンタワーを含めると28B、2026年8月にApache 2.0で公開され、262,144のネイティブポジションとネイティブな画像・動画入力を備えている。Xing 4.0 29B-A4BはChina Telecomのsparseな290億パラメータのMixture-of-Expertsモデルで、トークンあたり4Bが活性化し、テキスト入力・テキスト出力であり、その重みは2026年9月16日に公開され、呼び出し可能になったのは10月中旬になってからだ。どちらもApache 2.0で、どちらもオープンウェイトで、どちらも1年前ならフロンティア級の結果に見えたはずの数値を報告している。そして、重要などんなワークロードにおいても両者は互いの代替にはならず、その理由は各仕様書のたった一行にある。すなわち、片方にビジョンタワーがあるか、もう片方にツール呼び出しループがあるか、という点だ。

サイズの違いは、名前が示すほど大きくありません。

• 命名 — 「27B」は概数ラベルです。Qwenリポジトリでは、ビジョンエンコーダーを含めると、BF16テンソルで28Bと報告されています。テキストバックボーンは、64層にわたり27Bで、隠れサイズは5,120、語彙は248,320エントリです。

• Xingの表記 — 「29B-A4B」は1つではなく2つの数値です。合計29Bとアクティブ4Bです。リポジトリはフル精度テンソルで31Bを報告しています。

• 実際に支払っているもの — Qwen 3.8 27B は dense モデルなので、トークンごとに 27B すべてが実行されます。Xing 4.0 はトークンごとに 29B のうち 4B のみを読み取ります。同一のハードウェアとバッチサイズでは、Xing は生成トークンあたりのコストが劇的に低く、Qwen は劇的に予測しやすくなっています。

• コンテキスト — Qwen 3.8 27B は 262,144 のネイティブポジションを備え、1,000,000 まで拡張可能で、推奨上限は推論トークンが 262,144、最終応答が 131,072 です。Xing 4.0 は 256K を備え、512K まで拡張可能と主張しています。デフォルト構成では同等ですが、Qwen の公表している拡張はその 2 倍先まで届きます。

アーキテクチャ：互いに似ていない二つの賭け

Qwen 3.8 27B はハイブリッドアテンション構成に基づいて構築されています — 3つの Gated DeltaNet 層の後に1つの完全な Gated Attention 層が続くブロックが16個あり、線形アテンション対二次アテンションを3対1で分割した構成です — そして複数の MTP ステップで訓練されています。このスタックは密で線形アテンションを多用しており、そのおかげで 27B の密モデルが、標準的なトランスフォーマーなら発生する KV キャッシュの負担なしに 262K のウィンドウを扱えます。

Xing 4.0 29B-A4B は、DeepSeek 系譜のスパースな Mixture-of-Experts モデルです。全体を通して MLA（圧縮潜在アテンション）を採用し、64 のルーテッドエキスパートを持ち、トークンごとに 4 つがアクティブで、さらに共有エキスパートを備えています。また、多様体制約付きハイパーコネクション残差ストリーム——4 ストリーム残差レイアウトであり、サービングフレームワークにはカスタムカーネルが必要です。さらに、MTP で訓練されているため、両モデルは別個のドラフターファイルを同梱するのではなく、チェックポイント内に独自の投機的デコーディングヘッドを備えています。

実務者にとってその帰結は地味だが重要だ。Qwen 3.8 27Bは特殊なアテンションを備えたdenseモデルであり、ほとんどのサービングスタックはそれを少ない労力で扱う。Xing 4.0が確認済みでサポートするのはvLLM、SGLang、KTransformersであり、SGLangは4ストリームのハイパーコネクションレイアウト向けに専用で書かれたカーネルを備えている。特注の残差ストリーム設計は、初回には実際の統合コストとなり、量子化、ファインチューニング、バッチ形状の変更を行うたびに繰り返し発生するコストでもある。

各モデルが実際に何のためにあるのか

ここでこの比較は比較でなくなる。というのも、この2つのモデルは同じ目的のために作られたものではなく、両者のベンチマーク表は、それを取り繕えるほどには重なっていないからだ。

• ソフトウェアエンジニアリング — Xing 4.0のSWE-bench Verified 75.00に対し、Qwen 3.8 27BのSWE-bench Proは61.7。これらは異なるベンチマークなので、両者の差自体には何の意味もない。比較できる行は、QwenがQwenSWEBench 79.0とDeepSWE 1.1 42.2を報告している点だが、Xingのカードはそれに一切触れていない。

• ターミナルおよびエージェント型コーディング — Xing 4.0 Terminal-Bench 2.1 57.50 対 Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73.0。同じベンチマーク名だが、ハーネスの詳細は異なり、いずれもベンダーによる報告値である。公表された数値で見る限り、Qwen が15ポイント以上先行している。

• コンピュータ操作および視覚言語エージェント — Qwen 3.8 27BはOSWorld-Verified 84.3、WebArena-Verified 64.8、AndroidWorld 81.9、MathVisionは思考の連鎖なしで90.0、ありで94.6、OmniDocBench 1.5は91.1、RealWorldQAは85.9。Xing 4.0にはマルチモーダル能力がないため、マルチモーダルベンチマークが一切ありません。これは表の欠落ではなく、製品の欠落です。

• ツール呼び出しと長期的視野のエージェント — Xing 4.0 Claw-Eval 76.55、Tau3-Bench 64.63、DeepresearchBII 60.80。Qwen 3.8 27B CoWorkBench 70.7、Agents' Last Exam は pass@1 で 20.4、スコア 42.9、JobBench 33.4。繰り返すが、スイートが異なり、重複はなく、比較はできない。

• 一般的な推論と知識 — Qwen 3.8 27B は GPQA Diamond 89.2、HLE 30.8、LiveCodeBench v6 90.3、IFBench 79.5。Xing 4.0 のカードは、そのリストのうち IFBench 69.67 しか報告しておらず、Qwen に約 10 ポイント差をつけられている。しかも、両ベンダーが数値を公表した唯一の汎用項目である。

この2つの表は、別々の製品についての別々の文書として読んでほしい。Qwenの表が扱うのは、スクリーンショットのインターフェースを通じてコンピュータ操作の作業を行うマルチモーダルモデルだ。Xingの表が扱うのは、長いツール呼び出しのループをつなぎ止めるために作られたテキストモデルだ。両者が本当にぶつかる唯一の行——IFBench、指示追従——では、Qwenが9.8ポイント差で制している。

2つのソーシング、1つの共通の注意点

どちらのモデルも独立した評価を受けていない。Qwen 3.8 27Bの数値はAlibabaによるもので、ハーネス設定とともにモデルカードで公開されている。Xing 4.0の数値はChina Telecomによるもので、同様に公開されている。どちらの場合も、表の比較列は、競合モデルが公表した数値ではなく、自社ラボ自身による競合モデルの再実行結果だ——これはほぼ普遍的な慣行であり、ベンダーの表で競合が大敗しているのを見るたびに思い出す価値がある。

Qwen 3.8 27B には、Xing 4.0 に欠けているものがある。しかもそれはベンチマークの1行ではない。公開から8週間の間に、コミュニティによる llama.cpp 移植が、ジェイルブレイクされた PlayStation 5 の GPU 上で重みを毎秒約20トークンで動かしたと報告されている。この種の第三者による作業は、オープンウェイトにとって独立した監査に最も近いものだ。そして Xing 4.0 にはこれまでにその1か月分があるが、その大半は評価ではなく、サービングフレームワークのプルリクエストに費やされた。

コスト、セルフホスト、従量課金

どちらもApache 2.0なので、ダウンロード価格はゼロで、両側ともゼロのままです。Qwen 3.8 27Bはdenseで、27Bのdenseモデルのメモリに加えてビジョンタワーが必要です。実用上の下限は低精度時の24GBカードで、フル精度のダウンロードは55.6GBです。Xing 4.0のコレクションは、約15GBのVRAMで4ビット量子化を実現すると主張していますが、フル精度リポジトリがテンソルで31Bと報告しているため、この主張は実際のGGUFファイルサイズと照らし合わせて確認する価値があります。

従量課金側で、ここで実際に呼び出せるのは Qwen 3.8 27B です。OrcaRouter は qwen/qwen3.8-27b を入力100万トークンあたり $0.33 でホストしており、出力は100万トークンあたり $2.40 で、オープンウェイトは当社自身のインフラ上で提供されているため、この価格が維持され、ベンダー側による変更ではそうはなりません。Qwen 3.8 27B は、当社のカタログ内にあるコミュニティの FP8 デプロイを通じて、100万トークンあたり $0.40 と $4.21 でも利用可能で、こちらはビジョンタワーをフル精度に保っています。同じオープンモデルに対する2つの掲載が同じ製品ではないことを思い出させてくれる好例です。Xing 4.0 は当社のカタログにはないため、ベンダー自身の API やサードパーティのプラットフォームを探すことになり、そうでないふりをするつもりはありません。

このような比較においてルーターに価値があるのは、まさにその判断そのものにおいてだ。200以上のモデルの前面に立つ、マークアップ0%の単一APIは、挑戦者を試すことが二つ目の統合ではなく一つのルーティングルールで済むことを意味し、自動フェイルオーバーによって、その試行が本番経路を危険にさらすことは決してない。プライマリが応答し、プライマリが取りこぼしたものはすべてフォールバックが吸収し、実験が終われば設定から実験全体が削除される。モデルフュージョンはさらに一歩進み、あるタスクに対する単一モデルの信頼度こそ信用できないものである場合に、モデルのパネルが一緒に回答できるようにする。

どうやって決めるか

選ぶべきですQwen 3.8 27Bを、パイプラインに画像、スクリーンショット、スキャンした文書、動画のフレーム、あるいはコンピュータ操作ループが少しでも関わる場合は。2つのうち、そもそもそうした作業をこなせるのはこれだけであり、そのコンピュータ操作のベンチマーク数値はこの重みクラスで公開されている中で最強であり、今日から従量制で呼び出すことができます。また、指示追従においてより安全な既定の選択肢でもあり、これは顧客向けパイプラインで最も大きなコストを生む障害モードです。

選べXing 4.0 29B-A4Bワークロードが純粋なテキストで、長いツール呼び出しループであり、ベンダーの主張を自分で検証する余裕があるなら。カードあたりのスループットという主張は机上では本物だ。29Bモデルのメモリフットプリントを、4Bモデルの演算量で、しかも法務チームがすでに知っているライセンス条件で実現する。不確実性も同じくらい現実的だ — 独立した評価はなく、一般的推論の行も公表されておらず、両ラボが報告することを選んだ唯一のベンチマークで、指示追従スコアは競合他社よりほぼ10ポイント低い。

ほとんどのチームにとって、答えはそもそも選択ではない。Qwen 3.8 27B は、画像や画面が関わるものはすべて処理する。Xing 4.0 は、トークンあたりの計算量が制約となるテキストのみのエージェントループを処理する。両方を1つのエンドポイント経由で動かすほうが、どちらのベンダーも公表していない証拠に基づいて両者を選別するより安くつく。そして、Xing 4.0 の最初の独立評価こそが、これを各ラボが何を測定対象に選んだかの一覧ではなく、真の比較へと変える出来事だ。

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。