Nanbeige4.3-33B vs Xing 4.0 29B-A4B: de terminale kloof van 23 punten en de ommekeer van 16 punten

Nanbeige4.3-33B en Xing 4.0 29B-A4B zijn dezelfde propositie vanuit tegenovergestelde richtingen. De eerste is een dense model met 33 miljard parameters van BOSS Zhipin's Nanbeige LLM Lab, gepubliceerd op 24 oktober 2026 onder Apache 2.0, met een context van 524.288 tokens en een serveerrecept dat uitgaat van vier GPU's. De tweede is een mixture-of-experts met 29 miljard parameters van China Telecom's TeleAI, met gewichten openbaar sinds 16 september 2026, dat ongeveer 4 miljard parameters per token activeert en waarvan de eigen modelkaart claimt dat het bij 4-bit op één consumentenkaart van 24GB past. Beide richten zich op agentisch programmeren en lange tool-loops. Beide leveren open gewichten. Geen van beide is door iemand rechtstreeks tegenover de ander gezet, ook niet door hun eigen labs — de modelkaart van Nanbeige benchmarkt tegen Qwen3.8-27B, Muse-Glimmer-30B en Gemma4-31B; die van Xing tegen Gemma4-26B-A4B en Qwen3.6-35B-A3B. Ze noemen elkaar nooit.

Dat is geen hiaat dat je met een vergelijkingstabel kunt verdoezelen, want de twee leverancierstabellen gebruiken verschillende testopstellingen, verschillende steekproefmethoden en verschillende sets concurrenten. Wat je wél kunt doen, is beperkter en nuttiger: zoek de rijen die de twee labs toevallig gemeenschappelijk hebben, lees de voetnoten die bepalen of die rijen iets betekenen, en scheid vervolgens het ene model dat is gemeten door iemand die niet betaald werd om het te meten, van het model waarvoor dat niet geldt.

33 miljard dense tegenover 4 miljard actief, voordat er ook maar een benchmark draait

Het architectonische verschil is geen discussiepunt. Het is de rekening, de latentie en het uitrolplan, en het staat vast voordat een van beide modellen ook maar één prompt beantwoordt.

Nanbeige4.3-33B is een standaard dense decoder — LlamaForCausalLM, 52 lagen, hidden size 7.168, grouped-query attention met 56 query- en 8 KV-heads. Elk gegenereerd token betaalt voor alle 33,1 miljard parameters. Het BF16-checkpoint is 66,3 GB verdeeld over veertien safetensors-shards, en zowel de vLLM- als de SGLang-recepten in de repository specificeren tensorparallelisme van 4, wat aangeeft dat de beoogde machine een node met vier GPU's is in plaats van een werkstation.

Xing 4.0 29B-A4B is sparse: 29 miljard parameters in het checkpoint, 64 routed experts met 4 actieve plus één gedeelde, 40 lagen, hidden size 3.584, gebouwd op wat zijn kaart mHC + MLA + MTP noemt. De rekenkracht per token schaalt met de 4 miljard actieve parameters, niet met de 29 miljard opgeslagen parameters. De leverancier claimt een 4-bit quantisatie bij ongeveer 15 GB VRAM, wat het op een RTX 3090 of 4090 zou zetten — een claim die je tegen het daadwerkelijke gequantiseerde bestand moet controleren voordat je hardware eromheen koopt, omdat de repository een tensorgrootte van 31 miljard parameters voor het volledige checkpoint meldt en de twee getallen vreemd naast elkaar staan.

Al het andere volgt uit die splitsing.

• Context — Nanbeige4.3-33B 524.288 tokens, native, zonder YaRN-extensie in het recept; Xing 4.0 29B-A4B 262.144 native, beschreven als uitbreidbaar tot 512K, hoewel er geen extensierecept is gepubliceerd.

• Minimaal praktische voetafdruk — Nanbeige4.3-33B 66,3 GB aan BF16-gewichten vóór KV-cache, vierweg-tensorparallel; Xing 4.0 29B-A4B ongeveer 15 GB bij 4-bit volgens de eigen claim van de leverancier, één kaart.

• Trainingsstack — Nanbeige4.3-33B is niet in detail gedocumenteerd; Xing 4.0 29B-A4B is end-to-end getraind op Ascend 910C-clusters met MindSpore en MindFormers, met een beweerde doorvoerverbetering van 96% ten opzichte van de out-of-the-box-basislijn van de leverancier zelf. Dat is een claim op basis van een interne basislijn zonder publiek referentiepunt, dus van buitenaf niet verifieerbaar, maar het is de interessantere technische uitspraak van de twee releases.

• Licentie — Apache 2.0 op beide, waardoor de downloadprijs voor beide nul wordt en de discussie volledig verschuift naar hardware en tokens.

Vijf rijen die beide labs hebben gedraaid, en de twee die niet overeenkomen

De twee modelkaarten delen vijf benchmarknamen: Terminal-Bench 2.1, Tau3-Bench, Claw-Eval, AIME2026 en AA.LCR. Ze naast elkaar lezen is de enige kwantitatieve vergelijking die beschikbaar is, en de voetnoten zijn de plek waar het ofwel standhoudt, ofwel in elkaar klapt.

• Terminal-Bench 2.1 — Nanbeige4.3-33B 80,9, Xing 4.0 29B-A4B 57,5. Beide labs zeggen dat ze het in Terminus 2 hebben gedraaid, waardoor dit in beide tabellen het dichtst bij een gedeeld instrument komt. Het is nog steeds niet hetzelfde experiment: de kaart van Xing specificeert temperatuur 0,8, top-p 0,95, max. 64K tokens, een time-out van 24 uur en het gemiddelde van drie runs; die van Nanbeige noemt alleen de harness en verder niets. Een verschil van 23 punten onder vrijwel identieke harnesses is het sterkste afzonderlijke signaal in deze vergelijking, en het blijft een signaal, geen meting.

• Tau3-Bench — Nanbeige4.3-33B 48.8, Xing 4.0 29B-A4B 64.63. Dit is de ommekeer, en hij is groot. Xing wint tool-use-dialoog met bijna 16 punten, op de benchmarkfamilie die multi-turn function calling het meest direct test. Het voorbehoud is de metriek: Xing rapporteert pass^1 gemiddeld over vier runs op de officiële tau-bench-harness; Nanbeige zegt dat het de officiële repositories heeft gebruikt, maar vermeldt de aggregatie niet, en plaatst de rij onder agentic coding in plaats van tool use.

• Claw-Eval — Nanbeige4.3-33B 78,3 bij pass^3, Xing 4.0 29B-A4B 76,55. Deze kun je beter weggooien dan lezen. In de voetnoot van Nanbeige staat dat alleen de Claw-Eval General-subset is geëvalueerd, 157 single-turn-taken; die van Xing noemt geen subset. Een verschil van 1,75 punt tussen twee onbenoemde versies van dezelfde benchmark is ruis in het gewaad van een resultaat.

• AIME2026 — Nanbeige4.3-33B 95,2, Xing 4.0 29B-A4B 90,0. Wedstrijdwiskunde, vijf runs gemiddeld aan de Xing-zijde, max. 131.072 tokens; Nanbeige's sampling wordt wederom niet vermeld. Beide zijn sterk, de ordening is consistent met het eindresultaat, en geen van beide getallen zegt je veel over de daadwerkelijke taak van elk model.

• AA.LCR — Nanbeige4.3-33B 84,0, Xing 4.0 29B-A4B 61,0. Redeneren met lange context, en de grootste proportionele kloof na Terminal-Bench. Het is de moeite waard om te vermelden dat dit de benchmark van Artificial Analysis is die door twee leveranciers wordt uitgevoerd, dus geen van beide cijfers is een cijfer van Artificial Analysis.

Vier van de vijf geven de voorkeur aan Nanbeige4.3-33B. De enige die het omdraait, is die over het achtereenvolgens aanroepen van tools, wat een agent de hele dag doet. Die tegenstrijdigheid is het nuttigste op beide kaarten, en geen van beide labs is erop ingegaan.

Er is een betrouwbaarheidsnotitie die specifiek op de terminalrij in het voordeel van Nanbeige uitvalt. De eigen kaart claimt Terminal-Bench 4.0 op 23,8; Artificial Analysis, dat zijn eigen harness draaide, mat 29,8. De externe meting kwam zes punten hoger uit dan de eigen claim van de leverancier, wat het tegenovergestelde is van de gebruikelijke richting en erop wijst dat de leverancierstabel hier niet opgeblazen is. Xing 4.0 29B-A4B heeft geen vergelijkbare controle.

Slechts één van deze modellen heeft een nummer waarvoor niemand heeft betaald.

Nanbeige4.3-33B is gescoord. Artificial Analysis plaatste het op 20 op de Intelligence Index v5.0.1 — de eerste van negen in zijn vergelijkingsklasse met open gewichten, tegen een klassemediaan van 10, en de 76e op de lijst van alle modellen. De subscores zijn informatiever dan de samengestelde score: Terminal-Bench 4.0 op 29,8%, FrontierCode 2.0 op 10,7%, en een niet-hallucinatiepercentage van 81,8%, het zevende beste cijfer op de site. Het wijst veel vragen af. Voor een model dat expliciet als distillatieleraar is gebouwd, is dat een kenmerk.

Xing 4.0 29B-A4B heeft geen Artificial Analysis-vermelding. Niet een slechte — geen enkele. De site geeft 404 voor de slug van het model in beide plausibele spellingen, en er bestaat nergens op dat overzicht een samengestelde score, deelscore, prijs- of snelheidscijfer voor.

Die asymmetrie bepaalt alles wat een vergelijkingsartikel eerlijk kan beweren. De twee modellen kunnen worden vergeleken op leverancierstabellen, met de voetnootvoorbehouden hierboven. Ze kunnen niet worden vergeleken op het ene instrument dat geen van beide labs controleert, omdat slechts één van hen erop staat. Elk stuk dat deze twee tegen elkaar rangschikt op neutraal terrein, verzint het neutrale terrein.

Waar het wetsvoorstel daadwerkelijk afwijkt

Als je tussen beide kiest, is de prijs van een token niet het beslissende getal — de kosten om een taak af te ronden zijn dat wel, en aan de Nanbeige-kant stapelen drie afzonderlijke vermenigvuldigers zich op.

Het eerste is dichtheid: 33 miljard parameters die per outputtoken worden gelezen, tegenover ongeveer 4 miljard. Welke hardware je ook hebt, dat is een grote factor in rekenkracht per token voordat er nog maar iets anders in beschouwing wordt genomen.

Het tweede is breedsprakigheid, en die wordt gemeten in plaats van aangenomen. Artificial Analysis meldt dat Nanbeige4.3-33B 160 miljoen outputtokens heeft gegenereerd tijdens zijn run voor de Intelligence Index, tegen een klassemediaan van 77,7 miljoen — 2,06 keer de mediaan, en achtste van acht in de breedsprakigheidsranglijst van de site. De eigen modelkaart verklaart een deel ervan: denken staat standaard aan, en de aanbevolen bovengrens is 262.144 tokens voor redeneerwerk. Elk model dat te horen krijgt dat het voor een kwart miljoen tokens mag nadenken, zal er daarvan gebruiken.

Zet die twee bij elkaar en een dens model dat ook nog eens twee keer zoveel praat, is per voltooide taak niet twee keer zo duur om te draaien; het ligt dichter bij een orde van grootte. Dat is de werkelijke inhoud van de vergelijking 33B versus 4B actief, en die komt in geen van beide benchmarktabellen voor.

Het derde is onbekend, en dat onbekende pleit alleen bij gebrek aan gegevens in Xings voordeel. Niemand heeft een verbositeitscijfer gepubliceerd voor Xing 4.0 29B-A4B, dus een model met 4B actieve parameters zonder meting van tokenefficiëntie zou per taak echt goedkoop kunnen zijn, of genoeg tokens kunnen produceren om een deel van het voordeel teniet te doen. Je vergelijkt een gemeten duur model met een ongemeten goedkoop model.

Wat je vandaag kunt bellen

Geen van beide modellen wordt in de gebruikelijke zin gehost, en het verschil tussen hen is kleiner dan de berichtgeving rond de lancering suggereert.

Nanbeige4.3-33B heeft helemaal geen API. Op de Hugging Face-pagina staat dat het model door geen enkele inferenceprovider wordt aangeboden, en Artificial Analysis registreert geen openbaar beschikbare API en laat de prijsvelden leeg. Toegang betekent 66 GB aan gewichten downloaden en die draaien op hardware die je bezit of huurt.

Xing 4.0 29B-A4B heeft sinds 16 september gewichten en een met verbruik afgerekende route die medio oktober verscheen: een marktplaats van derden vermeldt het voor $0,22 per miljoen inputtokens en $0,90 per miljoen output, en een gratis promotionele variant van hetzelfde endpoint staat ernaast vermeld. Het paneel met inference-providers van Hugging Face is nog steeds leeg, dus het gehoste traject loopt via marktplaatsen in plaats van via de leverancier, en een promotietarief is geen prijs waarop je een budget moet baseren.

Om duidelijk te zijn over onze eigen positie: geen van beide modellen staat vandaag in de catalogus van OrcaRouter, dus wij zijn geen route naar een van beide, en niets hieronder doet alsof dat wel zo is. Waar een router zijn plek verdient in een beslissing als deze, is als de controle. De goedkoopste manier om erachter te komen of een zelfgehost 33B-dense model vier GPU's waard is, is het naast iets te zetten dat je per token kunt aanroepen en beide op je eigen taken te meten — en de voor de hand liggende controle hier is het model waartegen Nanbeige's eigen modelkaartbenchmarks worden afgezet.Qwen3.8-27B staat in onze catalogus voor $0,33 per miljoen input en $2,40 per miljoen output, Artificial Analysis geeft het 20,1 tegenover Nanbeige's 20, en het gebruikt dezelfde sleutel als de rest van de catalogus met de lijstprijzen van providers doorgegeven zonder marge. Dat maakt de vergelijking een routeringsregel in plaats van een tweede contract.

Wie moet welke kiezen

De tweedeling is begrijpelijk zodra je accepteert dat dit een afweging is tussen capaciteit en kosten, en niet tussen capaciteit en capaciteit.

Nanbeige4.3-33B is de keuze wanneer terminalwerk het product is. Een voorsprong van 23 punten op een vrijwel gedeelde Terminus 2-harness, het hoogste non-hallucinatiecijfer in zijn klasse, een native venster van 512K en een onafhankelijke score die boven de eigen claim van de leverancier uitkwam — dat is een model dat vier GPU's waard is als je workload langdurig code- en shellwerk is, en als je een tokenrekening van ongeveer twee keer de klassemediaan kunt dragen.

Xing 4.0 29B-A4B is de keuze wanneer één kaart en een factuur op basis van verbruik de beperkingen zijn. Een voorsprong van 16 punten op Tau3-Bench, een voetafdruk waarvan de leverancier zegt dat hij op een 24GB-kaart past, een kwart van Nanbeige's compute per token, en de enige van de twee met een prijs die je kunt betalen zonder hardware te kopen. Het is ook het zwakkere model op de ene rij waar de harnesses het meest overeenkomen, dus de reden om ervoor te kiezen is economisch en operationeel, niet capaciteit.

Twee dingen zouden de delen die nog open zijn beslechten. Een Artificial Analysis-run op Xing 4.0 29B-A4B zou een asymmetrische vergelijking in een symmetrische veranderen, en een Tau3-Bench-cijfer van Nanbeige met een vermelde aggregatie zou je vertellen of de omslag van 16 punten een echte zwakte in toolgebruik is of een artefact van twee verschillende metrieken die dezelfde naam delen. Tot een van beide beschikbaar is, is de eerlijke samenvatting dat Nanbeige4.3-33B het sterkere model is op basis van het bewijs dat bestaat en dat Xing 4.0 29B-A4B degene is die je je kunt veroorloven te draaien — en de grootte van die ruil is een kwestie van je taakmix, niet van een van beide kaarten.