Xing 4.0 29B-A4B vs Gemma 4 26B-A4B: Twee sparse modellen, één heeft een API

Beide modellen zijn sparse mixture-of-experts-checkpoints die ongeveer vier miljard parameters per token activeren, en beide zijn Apache 2.0. Daar houdt de gelijkenis op nuttig te zijn. Xing 4.0 29B-A4B is China Telecoms tekst-only, agentgerichte MoE — 29B totaal, 4B actief, gewichten gepubliceerd op 16 september 2026 en pas medio oktober voorzien van een aanroepbaar commercieel endpoint. Gemma 4 26B A4B is Google DeepMinds multimodale sparse model — 25,2B totaal, 3,8B actief op het instruction-tuned checkpoint, gewichten openbaar sinds 11 maart 2026 — en het is maandenlang beschikbaar geweest via hosted inference voor zes cent per miljoen inputtokens. Als je tussen hen kiest, is de eerlijke framing niet "welke is slimmer", maar "welke kun je deze week daadwerkelijk in een productiepad zetten, en wat geef je daarvoor op."

Het antwoord in één regel

Gemma 4 26B A4B, tenzij je werklast een codeer- of terminalagent is die op je eigen hardware draait. De hele pitch van Xing 4.0 is agentische kracht per actieve parameter, en op China Telecoms eigen tabel wint het op de agentische rijen met enorme marges. Gemma 4 wint op beschikbaarheid, modaliteit, prijstransparantie, en het simpele feit dat de cijfers ervan werden gepubliceerd door het bedrijf dat het bouwde, terwijl de vergelijkingskolom van de rivaal dat niet was.

Specificaties, dimensie voor dimensie

• Grootte — Xing 4.0 29B totaal / 4B actief vs G​emma 4 25,2B totaal / 3,8B actief. De naam op de G​emma-kaart is een afgerond label; de werkelijke cijfers zijn de cijfers die G​oogle vermeldt.

• Expertindeling — Xing 4.0: 64 gerouteerde experts, 4 actief, plus 1 gedeelde. G​emma 4: 128 experts in totaal, 8 actief, plus 1 gedeelde. G​emma heeft de fijnmaziger routing; Xing heeft de spaarzamere lezing.

• Attention — Xing 4.0 gebruikt MLA, multi-head latente attention, met gecomprimeerde key-value-state. Gemma 4 gebruikt hybride attention: lokale sliding-window-lagen met een 1.024-tokenvenster, afgewisseld met volledige globale attention, en proportionele RoPE. Verschillende antwoorden op hetzelfde KV-cache-probleem.

• Diepte en breedte — Xing 4.0: 40 lagen, verborgen grootte 3.584, vocabulaire 131.072. G​emma 4: 30 lagen, vocabulaire 262K.

• Context — Xing 4.0: 256K native, volgens de specificaties op de kaart uitbreidbaar tot 512K. G​emma 4: 256K. In de praktijk gelijkwaardig, al heeft het lange-contextgedrag van G​emma acht maanden aan tests door derden achter de rug en dat van Xing geen enkele.

• Modaliteit — Xing 4.0 is tekst in, tekst uit. Gemma 4 26B A4B accepteert tekst, afbeeldingen en video en geeft tekst terug; de visie-encoder ervan telt ongeveer 550M parameters. Dit is geen klein verschil als je workload documenten of screenshots omvat.

• Licentie — Apache 2.0 op beide, inclusief de octrooiverlening. Werkelijk gelijkwaardig.

• Publicatiedatum — Gemma 4 26B A4B: instruction-tuned weights op Hugging Face sinds 11 maart 2026, met quantisatiebewuste builds tot en met april en mei. Xing 4.0: eerste repository-commit 16 september 2026, gequantiseerde builds 13 oktober, gehoste vermelding 15–16 oktober.

• Hostingprijs — Gemma 4 26B A4B staat op OrcaRouter voor $0,06 per miljoen inputtokens en $0,33 per miljoen output, met gecachte input-reads tegen $0,0075 per miljoen. Xing 4.0 heeft geen vergelijkbaar gepubliceerd tarief op een platform waarnaar we kunnen verwijzen; de vermelding van medio oktober bood een gratis promotielaag, en de eigen route van de leverancier is de andere optie.

De {{1}}benchmark{{/1}}-vraag, die {{2}}rommeliger{{/2}} is dan hij lijkt

In de modelkaart van China Telecom wordt Xing 4.0 gebenchmarkt tegen een kolom met het label Gemma4-26B-A4B. Die kolom vermeldt SWE-bench Verified 53,00. De modelkaart van Google voor het instruction-tuned checkpoint vermeldt SWE-bench Verified helemaal niet — de gepubliceerde suite bestaat uit MMLU Pro, AIME 2026, LiveCodeBench v6, Codeforces ELO, GPQA Diamond, Tau2, HLE, MMMU Pro, MATH-Vision en een long-context-retrievaltest. Dus de 53,00 in die tabel is niet het cijfer van Google. Het is de eigen run van China Telecom van Gemma 4 door een SWE-agent-harness, en daar is niets mis mee zolang je het leest als wat het is: een herrun van één lab, zonder enige vermelding van een poging om Gemma's scaffolding af te stemmen.

Nu die kanttekening eenmalig is vermeld en in alles hieronder wordt doorgetrokken, volgt hier het contrast voor de rijen waar beide kanten een gepubliceerd cijfer hebben, plus de agentische rijen waar dat slechts voor één kant geldt.

• SWE-bench Verified — Xing 4.0 75,00 door de leverancier uitgevoerd versus G​emma 4 53,00 opnieuw uitgevoerd door China Telecom; G​oogle publiceert geen cijfer voor deze benchmark.

• Terminal-Bench 2.1 — Xing 4.0 57.50 vs G​emma 4 30.00, opnieuw de eigen hertest van G​emma door de leverancier.

• SWE-bench Multilingual — Xing 4.0 66,00 vs G​emma 4 51,00, dezelfde herkomst.

• Claw-Eval — Xing 4.0 76.55 vs G​emma 4 71.49, officiële harness aan beide zijden volgens de kaart.

• Tau3-Bench — Xing 4.0 64,63 vs G​emma 4 58,90. G​oogle rapporteert Tau2 op 68,2 op zijn eigen kaart, wat een andere versie van de familie is en niet direct vergelijkbaar.

• AIME 2026 — Xing 4.0 90,00 tegenover G​emma 4 88,30.

• IFBench — Xing 4.0 69,67 vs G​emma 4 72,67. G​emma wint deze.

• AA.LCR — Xing 4.0 61.00 vs G​emma 4 66.00. G​emma wint deze ook.

• Waar alleen G​oogle cijfers heeft — MMLU Pro 82.6, GPQA Diamond 82.3, LiveCodeBench v6 77.1, MMMU Pro 73.8, Codeforces ELO 1,718. De kaart van Xing 4.0 vermeldt niets over al deze punten, dus er is geen basis voor een vergelijking en het ontbreken ervan mag niet als een verlies worden opgevat.

De vorm van het verschil is consistent en niet willekeurig: Xing 4.0 is sterk in software-engineering en terminalvormige taken en zwakker in instructieopvolging en redeneren met lange context. Dat is een bewust ontwerpdoel — de hele architectuursectie van de modelkaart is gericht op agentisch werk: meerstapsplanning, tool calling, redeneerketens — en de cijfers komen overeen met het ontwerp. Wat ze je niet vertellen, is of die sterkte standhoudt in een testharnas dat niet door de leverancier is gekozen.

Wat de G​emma-kolom je niet kan vertellen, en die van Xing ook niet

Let op de asymmetrie in de mate van controle. Gemma 4 26B A4B is meer dan tien miljoen keer gedownload uit de repository en heeft een onafhankelijke plaatsing in Artificial Analysis en acht maanden aan rapporten van mensen uit de praktijk over waar de sliding-window-attention achteruitgaat. Xing 4.0 heeft 53.000 downloads in een maand, geen onafhankelijke evaluatie en de benchmarktabel van één enkel lab — en de meest indrukwekkende rijen zijn juist de rijen die het gevoeligst zijn voor de keuze van de harness. Wanneer de ene kant van een vergelijking acht maanden door buitenstaanders op stress is getest en de andere niet, verdienen de meest in het oog springende cijfers van het nieuwere model precies de korting die dat feit impliceert. De 75 en 57,5 kunnen perfect overeind blijven. Niemand buiten China Telecom weet dat nog.

Kosten, beide richtingen

De businesscase van Gemma 4 26B A4B is pure rekenkunde. Bij $0,06 en $0,33 per miljoen tokens op OrcaRouter, met een cached read van $0,0075 per miljoen, betaalt een agent die dagelijks twee miljoen outputtokens verbruikt ongeveer zesenzestig cent voor generatie en een paar cent voor de invoerzijde, vóór caching. Er is geen self-hostingvereiste, geen hardwarekeuze en geen operationele last. Omdat OrcaRouter de lijstprijs van de provider doorgeeft zonder markup, komt een prijsverlaging van de leverancier voor dit model dezelfde dag dat die wordt aangekondigd op ons endpoint terecht — het bedrag op je factuur is het bedrag van de provider.

De businesscase voor Xing 4.0 is er een van kapitaalinvesteringen, niet van marginale kosten. De gewichten zijn gratis en Apache-2.0, en de collectie claimt een 4-bits kwantisering die in ongeveer 15GB VRAM draait, wat hem op een RTX 3090 of 4090 zou zetten. Die claim staat op gespannen voet met de 31B-tensoromvang die de repository voor de volledige checkpoint vermeldt, dus controleer de werkelijke grootte van het gekwantiseerde bestand voordat je daar je plannen op baseert. Het serveren ervan betekent SGLang, vLLM of KTransformers op hardware die je bezit, plus het integratiewerk dat komt kijken bij een op maat gemaakt attention- en residual-streamontwerp. Het omslagpunt komt pas bij aanhoudend hoog volume, of wanneer de data je netwerk helemaal niet kan verlaten.

Waar een router helpt bij een model dat we niet hosten

We zullen het voor de hand liggende gewoon zeggen: Xing 4.0 29B-A4B staat niet in de catalogus van OrcaRouter, dus wij zijn geen manier om het aan te roepen, en niets hier mag worden gelezen als een pleidooi om ons daarvoor te gebruiken. Wat we wel zijn, is een manier om de vergelijking goedkoop te houden. Gemma 4 26B A4B wordt hier gehost; een evaluatie van een uitdager is een routeringswijziging in plaats van een tweede contract, en automatische failover houdt het productiepad in leven terwijl je een deel van het verkeer op iets experimenteels richt. De routing-DSL bestaat precies voor dit soort problemen — je schrijft de regel één keer, en het model erachter is een variabele.

Welke moet je kiezen?

Kies Gemma 4 26B A4B als je multimodale invoer nodig hebt, een gepubliceerde prijs per token, een model met acht maanden onafhankelijke tests achter zich, of gewoon iets dat je vanmiddag kunt aanroepen. Het is met ruime marge de veiligere van de twee, en bij zes cent per miljoen invoertokens hoeft het kostenargument nauwelijks te worden gemaakt.

Kies Xing 4.0 29B-A4B als je workload een coderings- of terminalagent is, je de GPU hebt of de tolerantie voor een gloednieuw gehost endpoint, en je bereid bent je eigen evaluatie uit te voeren voordat je de tabel vertrouwt. De potentiële opbrengst is reëel — een model met de geheugenvoetafdruk van een 29B en het compute-profiel van een 4B, dat op papier de sterkste agentische rijen neerzet van alles in zijn gewichtsklasse. Het risico is even reëel: elk van die rijen is een claim van een leverancier, gekoppeld aan een checkpoint van vier weken oud, en de vergelijkingskolom ernaast is door dezelfde leverancier geproduceerd.

Als je de middenweg wilt, is het een stack van twee modellen in plaats van een keuze: Gemma 4 26B A4B dat het multimodale, hoogvolume- en long-contextverkeer afhandelt waarop het zich al heeft bewezen, en Xing 4.0 beperkt tot het coding-agentpad waar zijn beweerde voordeel het grootst is en waar een fout antwoord goedkoop op te sporen is.

Niets daarvan is hypothetisch: de gedocumenteerde AI-fouten en agent-incidenten achter releases zoals deze zijn verzameld in the OrcaRouter AI Incident Archive, waar elke vermelding zijn eigen bronnen, ernst, betrouwbaarheidsgraad en markering voor betwisting bevat.