Nanbeige4.3-33B 대 Xing 4.0 29B-A4B: 23점 터미널 격차와 16점 역전

Nanbeige4.3-33B와 Xing 4.0 29B-A4B는 같은 제안을 서로 반대 방향에서 내놓은 것이다. 첫 번째는 BOSS Zhipin의 Nanbeige LLM Lab에서 만든 330억 매개변수 밀집 모델로, 2026년 10월 24일 Apache 2.0 라이선스로 공개되었으며 524,288토큰 컨텍스트와 GPU 4개를 전제로 한 서빙 레시피를 갖추고 있다. 두 번째는 China Telecom의 TeleAI에서 나온 290억 매개변수 전문가 혼합(MoE) 모델로, 2026년 9월 16일부터 가중치가 공개되었고 토큰당 약 40억 개 매개변수를 활성화하며 자체 카드에서는 4비트로 24GB 소비자용 카드 한 장에 들어간다고 주장한다. 둘 다 에이전틱 코딩과 긴 도구 루프를 겨냥한다. 둘 다 오픈 가중치로 제공된다. 자체 연구소를 포함해 누구도 이 둘을 직접 맞붙여 비교하지 않았다 — Nanbeige의 카드는 Qwen3.8-27B, Muse-Glimmer-30B, Gemma4-31B와 벤치마크하며, Xing의 카드는 Gemma4-26B-A4B, Qwen3.6-35B-A3B와 벤치마크한다. 두 모델은 서로를 언급하지 않는다.

그것은 비교 표로 덮어 버릴 수 있는 격차가 아니다. 두 공급업체의 표는 서로 다른 하네스, 서로 다른 샘플링, 서로 다른 경쟁자 집합을 사용하기 때문이다. 할 수 있는 일은 더 좁지만 더 유용하다. 두 연구소가 우연히 공유하는 행을 찾고, 그 행이 의미가 있는지를 결정하는 각주를 읽은 뒤, 측정 대가를 받지 않은 사람이 측정한 한 모델과 그렇지 않은 모델을 구분하는 것이다.

벤치마크를 실행하기도 전에, 330억 개의 dense 대 40억 개의 active

아키텍처 차이는 화젯거리가 아니다. 그것은 비용 청구서이자 지연 시간이며 배포 계획이고, 두 모델 중 어느 쪽이든 단 하나의 프롬프트에 답하기도 전에 결정된다.

Nanbeige4.3-33B는 표준 dense 디코더입니다. LlamaForCausalLM이며, 52개 레이어, 은닉 크기 7,168, 56개 쿼리 헤드와 8개 KV 헤드로 구성된 그룹 쿼리 어텐션을 사용합니다. 생성되는 모든 토큰은 331억 개 파라미터 전부에 대한 비용을 지불합니다. BF16 체크포인트는 14개의 safetensors 샤드에 걸쳐 66.3GB이며, 저장소의 vLLM 및 SGLang 레시피는 모두 텐서 병렬 처리를 4로 지정합니다. 이는 의도된 머신이 워크스테이션이 아니라 4개 GPU 노드임을 보여줍니다.

Xing 4.0 29B-A4B는 희소 모델입니다. 체크포인트에 290억 개 매개변수가 있고, 라우팅된 전문가 64개 중 4개가 활성화되며 공유 전문가 1개가 더해지고, 레이어 40개, 히든 크기 3,584이며, 모델 카드에서 mHC + MLA + MTP라고 부르는 것을 기반으로 구축되었습니다. 토큰당 연산량은 저장된 290억 개가 아니라 활성 매개변수 40억 개에 비례합니다. 공급업체는 약 15GB VRAM에서 4비트 양자화를 주장하는데, 이는 RTX 3090 또는 4090에 올릴 수 있다는 뜻입니다. 다만 저장소가 전체 체크포인트의 텐서 크기를 310억 매개변수로 보고해 두 숫자가 이상하게 맞지 않으므로, 이를 기준으로 하드웨어를 구매하기 전에 실제 양자화 파일과 대조해 확인할 가치가 있는 주장입니다.

나머지 모든 것은 그 분할에서 비롯됩니다.

• 컨텍스트 — Nanbeige4.3-33B는 524,288 토큰, 네이티브이며 레시피에 YaRN 확장이 없습니다. Xing 4.0 29B-A4B는 262,144 네이티브로, 512K까지 확장 가능하다고 설명되지만 확장 레시피는 공개되지 않았습니다.

• 실질적 최소 풋프린트 — Nanbeige4.3-33B는 KV 캐시 이전 BF16 가중치 66.3 GB, 4-way 텐서 병렬; Xing 4.0 29B-A4B는 제조사 자체 주장 기준 4비트에서 약 15 GB, 카드 한 장.

• 학습 스택 — Nanbeige4.3-33B는 상세히 문서화되어 있지 않다. Xing 4.0 29B-A4B는 Ascend 910C 클러스터에서 MindSpore와 MindFormers로 엔드투엔드 학습되었으며, 벤더 자체의 기본 제공 베이스라인 대비 처리량이 96% 향상되었다고 주장한다. 이는 공개된 기준점이 없는 내부 베이스라인 주장이므로 외부에서는 검증할 수 없지만, 두 릴리스 중 더 흥미로운 엔지니어링 진술이다.

• 라이선스 — 둘 다 Apache 2.0이므로 두 제품 모두 다운로드 가격이 0이 되고, 논쟁은 전적으로 하드웨어와 토큰으로 옮겨갑니다.

두 실험실이 모두 실행한 다섯 개의 행, 그리고 서로 일치하지 않는 두 개

두 모델 카드는 다섯 가지 벤치마크 이름을 공유합니다: {{1}}Terminal-Bench 2.1{{/1}}, {{2}}Tau3-Bench{{/2}}, {{3}}Claw-Eval{{/3}}, {{4}}AIME2026{{/4}} 및 {{5}}AA.LCR{{/5}}. 이들을 교차해 읽는 것이 이용 가능한 유일한 정량적 비교이며, 그것이 견디는지 무너지는지는 각주에서 판가름 납니다.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80.9, Xing 4.0 29B-A4B 57.5. 두 연구소 모두 이를 Terminus 2에서 실행했다고 밝히며, 이 때문에 이 항목은 두 표 중 어느 쪽에서든 공통 측정 도구에 가장 가까운 것이 된다. 그래도 이것은 같은 실험이 아니다. Xing의 모델 카드는 temperature 0.8, top-p 0.95, 최대 64K 토큰, 24시간 타임아웃, 3회 실행 평균을 명시하지만, Nanbeige의 모델 카드는 하네스 이름 외에는 아무것도 밝히지 않는다. 거의 동일한 하네스에서의 23점 차이는 이 비교에서 가장 강력한 단일 신호이며, 여전히 측정값이라기보다는 신호다.

• Tau3-Bench — Nanbeige4.3-33B 48.8, Xing 4.0 29B-A4B 64.63. 이것은 역전이며, 그 폭이 크다. Xing은 다중 턴 함수 호출을 가장 직접적으로 평가하는 벤치마크 계열에서 도구 사용 대화 부문을 거의 16점 차이로 이긴다. 단서는 지표에 있다. Xing은 공식 tau-bench harness에서 네 번의 실행에 걸쳐 평균한 pass^1을 보고한다. Nanbeige는 공식 저장소를 사용했다고 말하지만 집계 방식은 명시하지 않으며, 해당 행을 도구 사용이 아니라 에이전틱 코딩 아래에 나열한다.

• Claw-Eval — Nanbeige4.3-33B는 pass^3에서 78.3, Xing 4.0 29B-A4B는 76.55. 이 결과는 읽을 것이 아니라 폐기해야 한다. Nanbeige의 각주에는 Claw-Eval General 하위 집합만, 즉 157개의 단일 턴 작업만 평가했다고 나와 있다. Xing의 각주에는 하위 집합이 명시되어 있지 않다. 같은 벤치마크의 이름 없는 두 버전 사이의 1.75점 차이는 결과라는 옷을 입은 잡음일 뿐이다.

• AIME2026 — Nanbeige4.3-33B 95.2, Xing 4.0 29B-A4B 90.0. 경쟁 수학 분야이며, Xing 쪽은 5회 실행 평균, 최대 131,072토큰; Nanbeige의 샘플링은 이번에도 명시되지 않았다. 둘 다 강력하고, 순서는 최종 결과와 일관되며, 어느 수치도 두 모델 각각의 실제 작업에 대해 많은 것을 알려주지 않는다.

• AA.LCR — Nanbeige4.3-33B 84.0, Xing 4.0 29B-A4B 61.0. 장문맥 추론이며, Terminal-Bench 다음으로 가장 큰 비례 격차입니다. 이 벤치마크는 Artificial Analysis의 벤치마크를 두 업체가 실행한 것이므로, 어느 수치도 Artificial Analysis의 수치가 아니라는 점을 짚고 넘어갈 만합니다.

다섯 개 중 네 개는 Nanbeige4.3-33B를 선호한다. 반대로 뒤집히는 항목은 도구를 순차적으로 호출하는 것에 관한 것이며, 이는 에이전트가 하루 종일 하는 일이다. 그 모순은 두 카드 중 어느 쪽에서든 가장 유용한 정보인데, 어느 연구소도 이 문제를 다루지 않았다.

특히 터미널 행에서 Nanbeige에 유리하게 작용하는 신뢰성 관련 언급이 있습니다. 자사 카드에서는 Terminal-Bench 4.0을 23.8로 주장하지만, 자체 하네스를 돌린 Artificial Analysis는 29.8을 측정했습니다. 외부 측정치가 벤더 자체 주장보다 6점 더 높게나왔는데, 이는 일반적인 방향과 반대이며 여기서 벤더 표가 부풀려지지 않았음을 시사합니다. Xing 4.0 29B-A4B에는 이에 상응하는 검증이 없습니다.

이 모델들 중 단 하나만이 아무도 돈을 지불하지 않은 숫자를 가지고 있습니다.

Nanbeige4.3-33B가 평가되었습니다. Artificial Analysis는 이 모델을 Intelligence Index v5.0.1에서 20점으로 평가했습니다. 오픈웨이트 비교 클래스 9개 중 1위로, 해당 클래스 중앙값 10을 크게 웃돌며 전체 모델 목록에서는 76위입니다. 하위 점수는 종합 점수보다 더 많은 정보를 줍니다. Terminal-Bench 4.0은 29.8%, FrontierCode 2.0은 10.7%, 비환각률은 81.8%로 사이트에서 일곱 번째로 높은 수치입니다. 이 모델은 많은 질문에 답변을 거부합니다. 증류 교사용으로 명시적으로 구축된 모델에게 이는 장점입니다.

Xing 4.0 29B-A4B에는 Artificial Analysis 항목이 없다. 형편없는 항목이 아니라, 아예 없는 것이다. 사이트는 해당 모델의 슬러그에 대해 그럴듯한 두 가지 표기 모두 404를 반환하며, 그 보드 어디에도 이 모델의 종합 점수, 하위 점수, 가격, 속도 수치는 존재하지 않는다.

그 비대칭성은 비교 기사가 정직하게 주장할 수 있는 모든 것을 좌우한다. 두 모델은 위에 제시된 각주상의 단서들을 전제로 벤더 표에서는 비교할 수 있다. 그러나 두 연구소 모두 통제하지 못하는 단 하나의 기기에서는 비교할 수 없는데, 그중 하나만 그 기기 위에 있기 때문이다. 이 둘을 중립적인 토대 위에서 서로 겨루게 순위를 매기는 글은 그 중립적인 토대를 만들어내는 셈이다.

법안이 실제로 갈리는 지점

둘 중 하나를 고르고 있다면, 토큰의 가격은 결정적인 숫자가 아닙니다 — 과업을 완료하는 비용이 결정적이며, Nanbeige 쪽에는 세 가지 별개의 배수가 겹칩니다.

첫 번째는 밀도입니다. 출력 토큰당 330억 개의 파라미터를 읽는 것과 약 40억 개를 읽는 것의 차이입니다. 어떤 하드웨어를 갖고 있든, 다른 무엇을 고려하기 전에 토큰당 연산량에서 이것은 큰 배수입니다.

두 번째는 장황함인데, 이는 추정된 것이 아니라 측정된 것이다. Artificial Analysis에 따르면 Nanbeige4.3-33B는 Intelligence Index 실행 전반에서 1억 6,000만 개의 출력 토큰을 생성했으며, 이는 동급 중앙값 7,770만 개와 비교해 중앙값의 2.06배이고, 해당 사이트의 장황함 순위에서 8개 중 8위다. 모델 자체의 카드는 그 일부를 설명한다: 사고는 기본적으로 켜져 있으며, 추론 작업에 권장되는 상한은 262,144토큰이다. 25만 토큰까지 생각해도 된다고 들은 모델이라면 그중 일부를 사용할 것이다.

그 두 가지를 합치면, 두 배로 말하는 dense 모델도 완료된 작업당 실행 비용이 두 배가 아니라 거의 한 자릿수(10배) 차이에 가깝다. 그것이 33B 대 4B-active 비교의 실제 내용이며, 두 벤치마크 표 어디에도 나타나지 않는다.

세 번째는 알 수 없으며, 그것도 기본적으로만 Xing에게 유리하게 작용할 뿐입니다. Xing 4.0 29B-A4B의 장황도 수치를 공개한 사람은 아무도 없으므로, 토큰 효율 측정치가 없는 4B-active 모델은 작업당 실제로 저렴할 수도 있고, 이점의 일부를 지울 만큼 많은 토큰을 내보낼 수도 있습니다. 당신은 측정된 비싼 모델을 측정되지 않은 저렴한 모델과 비교하고 있습니다.

오늘 전화할 수 있는 것

어느 모델도 일반적인 의미에서 호스팅되지 않으며, 두 모델의 차이는 출시 보도가 시사하는 것보다 작다.

Nanbeige4.3-33B는 API가 전혀 없습니다. Hugging Face 페이지에 따르면 이 모델은 어떤 추론 제공업체에서도 배포되지 않으며, Artificial Analysis는 공개적으로 사용 가능한 API를 기록하지 않고 가격 필드를 비워 둡니다. 접근하려면 66GB의 가중치를 다운로드해 직접 소유하거나 임대한 하드웨어에서 실행해야 합니다.

Xing 4.0 29B-A4B는 9월 16일부터 가중치가 공개되어 있고, 10월 중순에 등장한 종량제 경로가 있습니다. 한 제3자 마켓플레이스는 입력 토큰 100만 개당 $0.22, 출력 토큰 100만 개당 $0.90에 이를 등록해 두었으며, 같은 엔드포인트의 무료 프로모션 버전도 함께 등록되어 있습니다. Hugging Face 추론 제공자 패널은 여전히 비어 있어, 호스팅 경로는 공급업체가 아니라 마켓플레이스를 통해 운영되며, 프로모션 등급은 예산을 세울 기준 가격이 아닙니다.

저희 입장을 분명히 말씀드리면, 현재 OrcaRouter의 카탈로그에는 두 모델 모두 없으므로 저희는 어느 쪽으로도 가는 경로가 아니며, 아래 내용도 그런 척하지 않습니다. 이런 결정에서 라우터가 제 역할을 하는 지점은 바로 대조군 역할입니다. 자체 호스팅 33B 덴스 모델이 GPU 4개 값을 할 만한지 알아내는 가장 저렴한 방법은 토큰당 호출할 수 있는 무언가와 나란히 두고 둘 다 자체 과제에서 측정하는 것이며, 여기서 당연한 대조군은 Nanbeige 자체 카드가 벤치마크 대상으로 삼는 모델입니다. Qwen3.8-27B는 저희 카탈로그에 있으며 입력 100만 토큰당 $0.33, 출력 100만 토큰당 $2.40입니다, Artificial Analysis는 이를 Nanbeige의 20에 대비해 20.1로 평가하며, 카탈로그의 나머지와 동일한 키를 사용합니다 제공업체 정가가 마크업 없이 그대로 적용됩니다. 따라서 이 비교는 두 번째 계약이 아니라 라우팅 규칙이 됩니다.

누가 무엇을 골라야 할까요?

이 구분은 이것이 역량 대 역량의 결정이 아니라 역량 대 비용의 결정임을 받아들일 때 명확해진다.

터미널 작업 자체가 제품인 경우라면 Nanbeige4.3-33B가 선택이다. 거의 공통으로 쓰이는 Terminus 2 하네스에서 23점 앞서고, 동급 최고의 비환각 수치를 기록했으며, 네이티브 512K 윈도와 벤더 자체 주장을 웃도는 독립 점수를 갖췄다 — 워크로드가 장기 코드와 셸 작업이고, 토큰 비용이 동급 중앙값의 약 두 배를 감당할 수 있다면, 이 모델은 GPU 4장 값을 한다.

Xing 4.0 29B-A4B는 단일 카드와 사용량 기반 청구서가 제약 조건일 때 선택할 모델이다. Tau3-Bench에서 16점 우위, 벤더가 24GB 카드에 맞는다고 말하는 풋프린트, Nanbeige의 토큰당 컴퓨트의 4분의 1, 그리고 두 모델 중 하드웨어를 구매하지 않고도 지불할 수 있는 가격을 갖춘 유일한 모델이다. 또한 하네스가 가장 근접하게 일치하는 한 행에서는 더 약한 모델이므로, 이 모델을 선택하는 근거는 성능이 아니라 경제성과 운영성이다.

남아 있는 부분을 매듭지을 방법은 두 가지입니다. Xing 4.0 29B-A4B에 대한 Artificial Analysis 실행 결과가 나오면 비대칭 비교가 대칭 비교로 바뀔 것이고, Nanbeige가 집계 방식을 명시한 Tau3-Bench 수치를 내놓는다면 16포인트 역전이 도구 사용에서의 실제 약점인지, 아니면 이름만 공유하는 두 개의 서로 다른 지표가 빚어낸 인공물인지가 판가름 날 것입니다. 둘 중 어느 하나라도 나오기 전까지 정직한 요약은 이렇습니다. 현존하는 증거로는 Nanbeige4.3-33B가 더 강한 모델이고, 실제로 돌릴 여유가 있는 쪽은 Xing 4.0 29B-A4B이며, 그 맞교환의 크기는 두 카드 중 어느 쪽에 관한 질문이 아니라 여러분의 작업 구성에 관한 질문입니다.