Xing 4.0 29B-A4B, 이제 호출 가능: China Telecom의 오픈 MoE, 연구실을 떠나다

의 가중치는Xing 4.0 29B-A4B 2026년 9월 16일부터 Hugging Face의 XingChen-AGI 조직에서 다운로드할 수 있었습니다 — 그 부분은 새로운 소식이 아닙니다. 10월 중순에 달라진 점은 더 좁고 더 유용합니다: 이 모델은 이제 직접 호스팅만 할 수 있는 대상이 아니라 호출할 수 있는 대상이 되었습니다. Xing4.0-29B-A4B에 대한 공개 상업용 리스팅이 10월 15–16일에 나타났으며 262,144토큰 컨텍스트 창과 무료 프로모션 티어를 제공합니다. 양자화 빌드는 10월 13일에 따라잡았고, 서빙 프레임워크도 도착을 마쳤습니다: SGLang의 지원 풀 리퀘스트는 초안에서 병합 가능 상태로 넘어갔고, vLLM은 이미 해당 아키텍처를 지원하며, 모델 카드는 이제 OpenCode, Claude Code, OpenClaw, Hermes를 적응된 에이전트 프레임워크로 명시합니다. 이 글은 실제로 출시된 것, China Telecom 자체 모델 카드가 주장하는 내용, 그리고 그 주장 중 아직 연구소 밖에서 아무도 확인하지 않은 것이 무엇인지에 관한 것입니다.

두 개의 날짜, 그리고 오늘 그중 하나만 중요한 이유

저장소 이력은 명확합니다. X​ingChen-AGI/Xing4.0-29B-A4B는 2026년 9월 16일에 최초 커밋이 있었고, 같은 날 가중치가 업로드되었으며 다음 날 아침에는 README가 올라왔습니다. Apache-2.0 가중치는 공개된 지 한 달이 되었습니다. 10월 17일에 작성되어 이 모델을 새로운 모델로 발표한 첫 버전 기사는 틀렸을 것이며, 이는 이 시리즈의 앞선 보도가 이미 바로잡아야 했던 바로 그 실패입니다 — 유출 시기의 게시물들은 다운로드할 수 있는 것이 나오기 전에 여섯 개의 프레임워크 풀 리퀘스트에 걸쳐 XingChen4에서 Xing4_0으로의 이름 변경을 추적했습니다.

따라서 9월 16일을 출시일로 간주하세요. 10월의 진전은 이용 가능성입니다: 그때까지 모델을 사용하려면 하드웨어를 임대하거나 소유해야 했습니다. 이제는 그렇지 않습니다.

모델이 실제로 무엇인지

Xing 4.0 29B-A4B는 China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — 가 개발하고 Apache 2.0에 따라 공개한 TeleChat 라인의 후속 모델입니다. 이는 희소 전문가 혼합(mixture-of-experts) 모델로, 체크포인트에 290억 개의 파라미터가 있고 생성된 토큰당 약 40억 개가 읽힙니다. 모델 카드는 아키텍처를 "mHC + MLA + MTP"로 설명하며, 중요한 구성 세부 정보는 다음과 같습니다:

• 형상 — 40개 레이어, 히든 크기 3,584, 덴스 FFN 중간 크기 9,216, 전문가 중간 크기 1,024, 어휘 131,072.

• 전문가 — 토큰당 4개가 활성화되는 64개의 라우팅 전문가와 항상 켜져 있는 1개의 공유 전문가가 있습니다. 바로 이 공유 전문가 때문에 활성 개수가 전체의 4/64가 아닙니다.

• 주의 — MLA(다중 헤드 잠재 어텐션)는 표준 그룹화 쿼리 어텐션이 아니라 DeepSeek 계열의 압축 KV 방식입니다.

• 컨텍스트 — 256K 네이티브이며, 카드에는 512K까지 확장 가능하다고 설명되어 있습니다. 상업용 목록에는 262,144개 위치가 기재되어 있습니다.

• 추측적 디코딩 — MTP, 다중 토큰 예측, 나중에 덧붙이는 것이 아니라 훈련 과정에 내장된.

• 라이선스 및 형식 — Apache 2.0, 동일한 조직에서 공개한 bfloat16 safetensors, FP8, w8a8 및 GGUF 빌드 포함.

mHC 부분은 정말로 이례적인 부분이다. 이는 매니폴드 제약 하이퍼 연결 잔차 스트림(manifold-constrained hyper-connection residual streams)을 뜻하며, 이 모델이 표준 트랜스포머가 아닌 다른 무언가로 서빙 프레임워크 코드에 등장하는 이유다: 프레임워크에는 이를 위한 커스텀 커널이 필요하고, SGLang의 구현은 4-스트림 하이퍼 연결 레이아웃을 위해 특별히 split-K 커널을 제공한다. 이걸 굳이 신경 써야 할지 결정하는 실무자라면, 솔직한 요약은 이것이 새 이름만 붙인 평범한 전문가 혼합(mixture-of-experts)이 아니라 실제 아키텍처적 승부수가 걸린 모델이라는 것이다.

숫자들 — 그리고 누가 그것을 산출했는가

아래 내용은 모두 China Telecom 자체 모델 카드에서 나온 것입니다. 그중 어느 것도 독립적으로 재현되지 않았으며, 카드 자체가 각 행의 근거가 된 하네스와 샘플링 설정을 명시하고 있는데, 이는 대부분의 벤더가 자발적으로 공개하는 것보다 더 많은 정보를 밝힌 것입니다. 측정된 사실이 아니라 벤더의 주장으로 읽으십시오.

• SWE-bench Verified — 75.00, SWE-agent 하네스에서 210K 컨텍스트 윈도우로 실행.

• Terminal-Bench 2.1 — 57.50, terminus-2 에이전트, 최대 64K 토큰, 24시간 타임아웃, 3회 실행 평균.

• SWE-bench Multilingual — 66.00, Verified와 동일한 하네스입니다.

• Claw-Eval — 76.55, 공식 하네스, 256K 컨텍스트, 3회 실행 평균.

• Tau3-Bench — 64.63, 공식 하네스, 4회 실행 평균 pass^1.

• DeepresearchBII — 60.80, Exa MCP 서버가 활성화된 OpenCode 하네스.

• AIME2026 — 90.00, 5회 실행 평균. IFBench — 69.67. AA.LCR — 61.00.

그중 두 가지는 곱씹어 볼 가치가 있다. SWE-bench Verified에서 75, Terminal-Bench 2.1에서 57.5를 주장하는 4B-active 모델은 자신의 활성 크기보다 몇 배 큰 모델들이 차지하는 영역에 있다고 주장하는 셈인데, 두 수치 모두 에이전트형이다. 즉 모델만이 아니라 하네스 스캐폴딩에 크게 의존한다. 이 카드는 스캐폴딩에 관해 놀랄 만큼 구체적이지만, 하네스에 관한 구체성이 그것을 독립적으로 실행한 것과 같은 것은 아니다.

자기 테이블에서는 이기는 곳, 그리고 그렇지 않은 곳

이 카드는 Gemma4-26B-A4B와 Qwen3.6-35B-A3B를 상대로 자체 벤치마크를 합니다. China Telecom 자체 수치로 보면 양상은 완승이 아니며, 이는 그 자체로 시사하는 바가 있습니다:

• Gemma4-26B-A4B 대비 — Xing 4.0은 SWE-bench Verified에서 75.00 대 53.00, Terminal-Bench 2.1에서 57.50 대 30.00, SWE-bench Multilingual에서 66.00 대 51.00, Claw-Eval에서 76.55 대 71.49, Tau3-Bench에서 64.63 대 58.90, DeepresearchBII에서 60.80 대 39.30으로 승리했습니다. IFBench에서는 69.67 대 72.67로, AA.LCR에서는 61.00 대 66.00으로 패했으며, AIME2026에서는 1.7점 뒤처졌습니다.

• Qwen3.6-35B-A3B 대비 — Xing 4.0은 Claw-Eval, Terminal-Bench 2.1, DeepresearchBII에서 승리하고, SWE-bench Verified에서는 75.00 대 76.00, Tau3-Bench에서는 64.63 대 67.20, AIME2026에서는 90.00 대 92.70으로 패배한다.

패턴은 일관적입니다: 에이전트형 및 터미널 형태 평가에서는 강하고, 지시 따르기와 장문 맥락 추론에서는 약합니다. 경쟁 모델들의 그 재실행은 이를 개발한 벤더가 아니라 China Telecom이 수행했으므로, 비교는 내부적으로 일관되지만 어느 방향으로도 독립적이지는 않습니다. (이 시리즈의 이전 기사에서는 해당 표의 G​emma 4 부분을 자세히 다룹니다.)

따로 짚어볼 만한 훈련 주장 하나

Xing 4.0은 PyTorch와 GPU가 아니라 MindSpore와 MindFormers를 사용해 Ascend NPU에서 학습되었습니다. 이 카드에서는 자체 베이스라인 대비 약 96%의 처리량 향상을 주장하며, 이는 MoE 통신 튜닝, 선택적 재계산, DVM 그래프-연산자 융합, 그리고 mHC 연산자용 직접 작성한 Ascend C 커널을 통해 달성되었다고 밝히고 있습니다. 이 수치는 내부 베이스라인에 관한 학습 인프라 주장이므로, 외부에서는 사실상 검증할 수 없습니다. 여기에는 "베이스라인"에 대한 공개된 기준점이 없습니다. 그럼에도 이는 이번 릴리스에서 가장 흥미로운 엔지니어링 진술입니다: 비NVIDIA 스택에서 엔드투엔드로 학습된, 최전선에 근접한 완전한 MoE이며, 연산자 작업은 사내에서 수행했습니다.

운영하는 데 드는 비용

라이선스가 Apache 2.0이므로 다운로드 가격은 0이고 계속 0으로 유지된다. 진짜 비용은 하드웨어다. 컬렉션 설명에는 약 15GB의 VRAM에서 4비트 양자화가 가능하다고 나와 있는데, 이는 RTX 3090이나 4090에 들어맞을 것이다. 그러나 그 수치는 벤더 측 주장이며, 리포지토리가 전체 체크포인트에 대해 보고하는 31B 파라미터 텐서 크기와는 어긋나 보이므로, 이를 기준으로 카드를 구매하기 전에 실제 양자화된 파일과 대조해 확인하라. 지원되는 경로는 추론용으로 SGLang, vLLM, KTransformers이고, 파인튜닝용으로 LLaMA-Factory와 MindFormers가 있다.

직접 실행하고 싶지 않은 사람들을 위해 이제 종량제 경로가 있습니다. 10월 중순에 등장한 상용 리스팅은 해당 모델을 262,144토큰 컨텍스트, 235,929토큰의 최대 완성, 그리고 툴 호출, 구조화된 출력, 켜고 끌 수 있는 추론 모드를 포함한 전체 샘플링 기능으로 제공합니다. 프로모션 기간에는 동일 엔드포인트의 무료 변형이 등록되어 있는데, 이는 공급업체의 SWE-bench 행이 여러분의 저장소와 맞닥뜨려도 살아남는지 알아내는 가장 저렴한 방법입니다. 늘 그렇듯 완전히 새로운 리스팅에서는 프로덕션 경로에 넣기 전에 실제로 어디로 라우팅되는지 확인하세요 — 무료 티어와 유료 티어는 흔히 서로 다른 배포입니다.

그것을 어떻게 부를지, 그리고 우리가 어떻게 어울리는지

우리 입장을 분명히 말하자면, Xing 4.0 29B-A4B는 현재 OrcaRouter의 카탈로그에 없습니다. 따라서 우리는 그것으로 가는 경로가 아니며, 이 글은 그렇지 않은 척하지 않을 것입니다. 원하신다면 선택지는 벤더 자체 API, 최근에 이를 등록한 서드파티 마켓플레이스, 또는 직접 보유한 하드웨어입니다.

라우터가 이 대목에서 존재 가치를 입증하는 지점은 결정의 반대편에 있습니다. 대부분의 팀에게 현실적인 경로는 이 모델을 사이드카에서, 위험 부담이 낮은 경로에, 자사 과제에서 이 모델의 에이전트 역량이 진짜인지 확인할 만큼 충분히 오래 실행해 보는 것입니다 — 그동안 프로덕션 트래픽은 이미 검증한 모델에서 계속 처리됩니다. OrcaRouter는 200개 이상의 호스팅 모델 앞에 0% 마크업으로 놓인 하나의 API이며, 라우팅 DSL과 자동 페일오버를 갖추고 있습니다. 즉, 평가는 두 번째 계약이 아니라 설정 변경입니다. 라우터는 기존 모델을 계속 서비스하고, 여러분은 그 모델이 답할 자격을 입증한 지점에 도전자를 추가하기만 하면 됩니다. 우리가 실제로 취급하는 모델에 벤더의 가격 인하가 적용되면, 그 가격은 같은 날 우리 쪽에서도 적용됩니다. 우리는 제공업체의 정가를 그대로 전달하고 여기에 아무것도 더하지 않기 때문입니다.

아직 검증되지 않은 것은 무엇인가?

판정을 얼마나 바꿀지 순서대로 네 가지가 있습니다. 첫째, 아홉 개의 벤치마크 행은 모두 공급업체가 보고한 것이며, 그중 어느 것도 제3자 재현이 없습니다. 둘째, 256K에서 512K로의 확장은 카드 주장일 뿐이며, 확장 자체에 대한 공개된 레시피가 없습니다. 셋째, 벤치마크 표의 경쟁사 열은 공급업체가 직접 다시 실행한 결과이므로, 승리 격차는 경쟁사가 자체적으로 공개한 수치와 비교할 수 없습니다 — 예를 들어 G​emma 4의 카드는 SWE-bench Verified를 전혀 보고하지 않으므로, 이용할 수 있는 교차 확인이 없습니다. 넷째, 이번 릴리스와 함께 회자된 "SuperCLUE에서 93.52"라는 수치는 모델 카드 자체의 표가 아니라 컬렉션 소개 문구에 나타나므로, 출처가 확인되기 전까지는 출처가 없는 것으로 취급해야 합니다.

2026년 10월에 이 모델로 할 수 있는 가장 유용한 일은 발표가 대신 해주지 않는 바로 그것이다: 자신만의 가장 어려운 에이전트 작업을 이 모델 앞에 놓고, terminal-bench 형태의 강점이 하네스 표 밖에서도 살아남는지 확인하는 것이다. 만약 그렇다면, 소비자용 카드 한 장에서 실행되는 4B-active Apache-2.0 모델은 정말로 소유할 만한 유용한 것이다. 그렇지 않다면, 주말 하나와 GPU 한 대를 쓴 셈이다. 다음으로 지켜볼 이정표는 가중치에 대한 첫 독립 평가 실행이다 — 또 다른 프레임워크 풀 리퀘스트가 아니다. 그건 이제 해결된 문제다.

그중 어느 것도 가정이 아닙니다: 이번과 같은 릴리스의 배경이 된 문서화된 AI 실패와 에이전트 사고는 OrcaRouter AI Incident Archive에 수집되어 있으며, 각 항목에는 자체 출처, 심각도, 신뢰도 등급, 분쟁 플래그가 함께 제공됩니다.