Xing 4.0 29B-A4B vs Nemotron 3.5 Lightning 30B-A3B: Ten sam kształt, inna licencja

Umieść Xing 4.0 29B-A4B i N​emotron 3.5 Lightning 30B-A3B w tym samym wierszu, a specyfikacje niemal się zbiegają: 29 miliardów parametrów przeciw 30 miliardom, cztery miliardy aktywne na token przeciw trzem, rzadki układ mieszanki ekspertów po obu stronach oraz wyraźny cel projektowy w postaci pracy agentowej i korzystającej z narzędzi w obu kartach modeli. Pojawiły się nawet pięć tygodni od siebie tego samego lata — wydanie ogólnodostępne firmy NVIDIA 11 sierpnia 2026 r., wagi China Telecom 16 września 2026 r., a w połowie października dołączył wywoływalny punkt końcowy. Zbieżność jest prawdziwa i czyni tę parę najbardziej bezpośrednio porównywalną w całej serii. To także miejsce, w którym podobieństwo się kończy, ponieważ oba wydania stawiają przeciwne zakłady na długość kontekstu, na architekturę uwagi, a przede wszystkim na licencjonowanie — a jedna z tych trzech kwestii to decyzja, którą podejmuje twój zespół prawny, a nie twój zespół ML.

Tam, gdzie specyfikacje rzeczywiście się zgadzają

• Łączna liczba parametrów — N​emotron 3.5 Lightning 30B łącznie vs Xing 4.0 29B. Różnica jednego miliarda parametrów w modelu trzydziestomiliardowym to nic.

• Aktywne parametry — Nemotron 3B na token vs Xing 4B na token. To właśnie ta liczba decyduje o Twojej przepustowości, a różnica jest znacznie mniejsza, niż sugeruje odmienność nazw („A3B” kontra „A4B”): dla Xing to około jednej trzeciej więcej obliczeń arytmetycznych na token.

• Form — oba to rzadkie MoE, oba to w pełni otwarte artefakty w stylu Apache, w tym sensie, że wagi można pobrać, a przepisy dotyczące serwowania są publikowane, oba ze skwantyzowanymi wersjami od dostawcy i społeczności.

• Brief projektowy — obie karty są napisane z myślą o agentach. Xing 4.0 wymienia wieloetapowe planowanie, wywoływanie narzędzi i łańcuchy rozumowania; N​emotron trafia na rynek razem z NeMo Switchyard, otwartoźródłową biblioteką routingu służącą do decydowania, który model obsługuje następny krok w pętli agenta. Dwa laboratoria, ten sam wniosek o tym, gdzie małe otwarte modele zarabiają na siebie.

• Publikacja — N​emotron 3.5 Lightning osiągnął status GA 11 sierpnia 2026 r., a warianty NVFP4 i bazowe pojawiły się w kolejnych dniach. Repozytorium Xing 4.0 utworzono 16 września 2026 r., jego skwantyzowane kompilacje pojawiły się 13 października, a endpoint z naliczaniem opłat pojawił się 15–16 października.

Gdzie przestają pasować: kontekst i jak go zdobyć

To największa praktyczna różnica między nimi i nie jest to nawet blisko.

• Okno kontekstu — N​emotron 3.5 Lightning: do 1 mln tokenów. Xing 4.0: natywnie 256K, według karty rozszerzalne do 512K.

• Co to oznacza w praktyce — Własna karta N​VIDIA otwarcie przyznaje, że okno miliona tokenów jest ograniczone pamięcią, a 256K to zweryfikowana wartość na pojedynczym 80GB H100. Zatem uczciwe porównanie na poziomie wdrożenia to 256K przeciw 256K, przy czym N​emotron ma udokumentowaną, zweryfikowaną przez dostawcę ścieżkę do czterokrotności tego, a Xing ma deklarację na karcie o dwukrotności tego.

• Projekt mechanizmu uwagi — Nemotron 3.5 Lightning to hybryda: warstwy przestrzeni stanów Mamba-2 połączone z mechanizmem uwagi i routingiem MoE. Xing 4.0 w całości wykorzystuje MLA — skompresowany latentny stan klucz-wartość, podejście z linii DeepSeek — plus strumienie resztkowe hiperpołączeń z ograniczeniem rozmaitości. To dwie różne strategie rozwiązania tego samego problemu pamięci podręcznej KV i żadna z nich nie jest błędem.

• Dekodowanie spekulatywne — Xing 4.0 ma predykcję wielu tokenów wytrenowaną w checkpointcie. Opublikowane artefakty N​emotron 3.5 Lightning obejmują warianty modelu draft w jego skwantyzowanej rodzinie, które służą podobnemu celowi, ale MTP jest właściwością wag Xing, a nie plikiem towarzyszącym.

• Precyzja — NVIDIA publikuje checkpoint BF16 jako referencję pełnej precyzji wyraźnie przeznaczoną do dostosowywania i dalszego trenowania, wraz z kompilacjami NVFP4 do wnioskowania produkcyjnego. Xing 4.0 publikuje BF16, FP8, w8a8 i GGUF. Jeśli planujesz dostrajanie, oba są równie dobrze obsłużone; jeśli planujesz serwowanie, oba kierują cię ku skwantyzowanemu artefaktowi.

Różnica w licencjonowaniu jest prawdziwą decyzją

N​emotron 3.5 Lightning jest udostępniany na warunkach umowy licencyjnej OpenMDW w wersji 1.1 — własnej licencji N​VIDIA na otwarte modele, zarządzanej poza firmą. Xing 4.0 jest udostępniany na licencji Apache 2.0.

Obie zezwalają na użytek komercyjny. Nie są to równoważne dokumenty, a różnica ujawnia się w tych częściach wdrożenia, które inżynierowie rzadko czytają. Apache 2.0 to dojrzała, często będąca przedmiotem sporów sądowych, zatwierdzona przez OSI licencja z dobrze znanym grantem patentowym i dekadą korporacyjnych precedensów prawnych za sobą; jest wstępnie zatwierdzona w większości dużych organizacji. OpenMDW jest nowsza i mniej znana, co oznacza, że pierwsze komercyjne wdrożenie modelu Nemotron w środowisku regulowanym lub korporacyjnym znacznie częściej trafi do przeglądu prawnego niż miałoby to miejsce w przypadku równoważnego wdrożenia Xing 4.0. To nie jest argument, że OpenMDW jest restrykcyjna — to argument, że nieznajomość ma swoją cenę, a koszt ten płaci się w tygodniach, a nie w dolarach. Jeśli wybierasz między tymi dwiema wyłącznie na podstawie zalet technicznych, ignorujesz połowę decyzji, która należy do twojego zespołu prawnego.

Obie tabele benchmarków są tabelami dostawców.

To jest ta część porównania, w której czytelnik powinien zwolnić. Żaden z modeli nie ma niezależnej oceny na zestawie testowym wybranym przez kogoś innego niż dostawca.

• SWE-bench Verified — Xing 4.0 75.00 kontra Nemotron 3.5 Lightning 51.56.

• SWE-bench Multilingual — Xing 4.0 66,00 vs Nemotron 3.5 Lightning 39,33.

• Terminal-Bench 2.1 — Xing 4.0 57,50 vs N​emotron 3.5 Lightning 24,58.

• Podążanie za instrukcjami — Xing 4.0 IFBench 69.67 vs Nemotron 3.5 Lightning IFBench 71.88, podane w trybie łagodnym.

• Ogólne rozumowanie — N​emotron 3.5 Lightning MMLU Pro 81,94, GPQA Diamond 75,44, HLE 11,72, SciCode 32,60, AA-Omniscience 17,50. Karta Xing 4.0 nie publikuje żadnego porównywalnego wiersza.

• Długi kontekst — Xing 4.0 AA.LCR 61,00 vs N​emotron 3.5 Lightning AA-LCR 52,00. Xing wygrywa w jedynym wierszu dotyczącym długiego kontekstu, w którym istnieją obie liczby, co jest nieco zaskakującym wynikiem, biorąc pod uwagę znacznie większe deklarowane okno N​emotronu.

• Przeglądanie i wyszukiwanie agentowe — Nemotron 3.5 Lightning BrowseComp 36.97, PinchBench 85.37, τ³-bench (Banking) 9.28, GDPval-AA-V2 832. Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Te zestawy w ogóle się nie pokrywają, więc porównanie nie jest możliwe, a każda tabela, która je zestawia, wymyśla takie porównanie.

Pochodzenie stojących za nimi danych różni się pod jednym interesującym względem. NVIDIA podaje, że jej wyniki zmierzono w spójnym wewnętrznym środowisku testowym, i ostrzega, że „mogą różnić się od wartości podawanych przez dostawców” — a jej opublikowana tabela zawiera kolumny konkurencji dla Qwen 3.6 35B A3B, Gemma 4 26B A4B i GPT-OSS 20B, które są własnymi ponownymi testami tych modeli przeprowadzonymi przez NVIDIA. Tabela China Telecom robi to samo w drugą stronę, porównując się z własnymi ponownymi testami Gemma 4 i Qwen. Każde laboratorium mierzy swoich rywali we własnym środowisku testowym i publikuje wynik jako kolumnę porównawczą. Żadne z nich nie robi niczego nieuczciwego i żadnej z tych kolumn nie należy odczytywać jako własnego wyniku rywala.

Koszt i porcja

Okno 1M tokenów Nemotron 3.5 Lightning ma realną konsekwencję operacyjną, którą inżynierowie odkrywają w bolesny sposób: jest ograniczone pamięciowo, a żądanie przekraczające dostępną pojemność KV-cache kończy się niepowodzeniem po stronie dostawcy, zamiast łagodnie się degradować. To właśnie ten rodzaj awarii, do pochłaniania którego zbudowany jest router — OrcaRouter ponawia próby wobec zdrowej pojemności zapasowej, zanim rozpocznie się odpowiedź, dzięki czemu brak pamięci po stronie nadrzędnej czy błąd 429 przy wywołaniu z długim kontekstem nie ujawnia się użytkownikowi jako błąd. Kierujemy ruch do ponad 200 hostowanych modeli za jednym API przy 0% marży, cena katalogowa dostawcy jest przekazywana bez żadnych dodatków, a to jest ten tryb awarii, w którym łańcuch przełączania awaryjnego przestaje być ładnym diagramem i staje się powodem, dla którego Twój agent kończy swoje zadanie.

Ani N​emotron 3.5 Lightning, ani Xing 4.0 nie znajdują się dziś w naszym katalogu, więc nie jesteśmy drogą do żadnego z tych modeli i ten tekst nie będzie sugerował inaczej. Jak wyglądają liczby, jeśli uruchomisz je samodzielnie: kwantyzacja 4-bitowa Xing 4.0 jest deklarowana na około 15 GB VRAM, co umieściłoby go na pojedynczym RTX 3090 lub 4090; zachowanie N​emotron 3.5 Lightning ograniczone pamięcią na pojedynczym 80 GB H100 jest udokumentowane dla jego zwalidowanego okna 256K, które jest bardziej wymagającym celem z tych dwóch. Xing 4.0 jest tańszym modelem do hostowania; N​emotron 3.5 Lightning to ten z udokumentowaną ścieżką do znacznie dłuższego kontekstu, jeśli masz do tego sprzęt.

Jak wybrać

Wybierz N​emotron 3.5 Lightning 30B-A3B, jeśli długość kontekstu jest ograniczeniem wiążącym, jeśli już działasz w stosie N​VIDIA i NeMo Switchyard jest naturalnym wyborem dla pętli Twojego agenta, lub jeśli Twoja organizacja zatwierdziła już OpenMDW do użytku komercyjnego. Szersze okno, opublikowana ścieżka modelu bazowego do dostosowywania oraz fakt, że jego tabela ewaluacyjna obejmuje czternaście benchmarków, a nie dziewięć — wszystkie wskazują w tym samym kierunku.

Wybierz Xing 4.0 29B-A4B, jeśli liczy się szybkość uzyskania licencji, jeśli Twoja praca to inżynieria oprogramowania i zadania agentowe w stylu terminala, a nie wyszukiwanie w długich dokumentach, albo jeśli tym, co faktycznie kupujesz, jest argument przepustowości na kartę. Jego przewagi agentowe w jego własnej tabeli są największe w tej klasie wagowej, jego licencja to ta, którą zna już każdy prawnik, a jego wiersz dotyczący długiego kontekstu — jedyne miejsce, w którym oba modele opublikowały porównywalną wartość — przypadł Xingowi.

To, co zmieniłoby odpowiedź, to dokładnie to samo, co zmieniłoby ją w każdym porównaniu w tej serii: jedna niezależna ocena obu modeli, przeprowadzona przez stronę trzecią, na jednym harnessie. N​VIDIA i China Telecom opublikowały po tabeli, która korzystnie przedstawia ich własny model w zestawieniu z ponownymi uruchomieniami generacji drugiej strony. Kiedy ktoś opublikuje pierwszą tabelę, której nie stworzyła żadna z nich, wspomniana wyżej 23-punktowa różnica w SWE-bench staje się albo najważniejszą liczbą w tej klasie wagowej, albo artefaktem dwóch różnych harnessów agentowych. Z zewnątrz nie da się stwierdzić, który to przypadek.

Nic z tego nie jest hipotetyczne: udokumentowane awarie AI i incydenty z agentami stojące za takimi wydaniami jak to są zebrane w the OrcaRouter AI Incident Archive, gdzie każdy wpis zawiera własne źródła, stopień ważności, ocenę pewności i oznaczenie sporne.