Xing 4.0 29B-A4B kontra Qwen 3.8 27B: wizja kontra wywoływanie narzędzi

Oba modele są na tyle zbliżone rozmiarem, że arkusz zakupowy umieściłby je w tym samym wierszu: Qwen 3.8 27B to gęsty, multimodalny model Alibaby o 27 miliardach parametrów — 28 mld z wieżą wizyjną — wydany na licencji Apache 2.0 w sierpniu 2026 roku, z 262 144 natywnymi pozycjami oraz natywnym wejściem obrazu i wideo; Xing 4.0 29B-A4B to rzadki model mieszanki ekspertów China Telecom o 29 miliardach parametrów, z 4 mld aktywnymi na token, przyjmujący tekst i zwracający tekst, którego wagi opublikowano 16 września 2026 roku, a który stał się dostępny do wywoływania dopiero w połowie października. Oba są na licencji Apache 2.0, oba mają otwarte wagi i oba podają wyniki, które jeszcze rok temu wyglądałyby jak rezultaty z czołówki. Nie zastępują się też nawzajem w żadnym obciążeniu, które ma znaczenie, a powód tkwi w jednej linii każdej specyfikacji: czy po jednej stronie jest wieża wizyjna, a po drugiej pętla wywoływania narzędzi.

Różnica w rozmiarze jest mniejsza, niż sugerują nazwy.

• Nazewnictwo — „27B” to zaokrąglona etykieta. Repozytorium Q​wen podaje 28B w tensorach BF16 po uwzględnieniu enkodera wizyjnego; szkielet tekstowy ma 27B w 64 warstwach o wymiarze ukrytym 5 120 i słowniku liczącym 248 320 wpisów.

• Oznaczenie Xinga — „29B-A4B” to dwie liczby, a nie jedna: 29B łącznie i 4B aktywnych. Repozytorium podaje 31B w tensorach pełnej precyzji.

• Za co tak naprawdę płacisz — Qwen 3.8 27B jest gęsty, więc wszystkie 27B działa na token. Xing 4.0 odczytuje 4B z 29B na token. Przy identycznym sprzęcie i rozmiarze partii Xing jest dramatycznie tańszy na wygenerowany token, a Qwen jest dramatycznie bardziej przewidywalny.

• Kontekst — Qwen 3.8 27B obsługuje 262 144 natywne pozycje, rozszerzalne do 1 000 000, przy zalecanym pułapie 262 144 tokenów rozumowania i 131 072 dla odpowiedzi końcowej. Xing 4.0 obsługuje 256K, z deklarowaną możliwością rozszerzenia do 512K. W konfiguracji domyślnej są porównywalne; publikowane rozszerzenie Qwena sięga dwa razy dalej.

Architektura: dwa zakłady, które nie są do siebie podobne

Qwen 3.8 27B jest zbudowany na hybrydowym układzie uwagi — szesnaście bloków trzech warstw Gated DeltaNet, po których następuje jedna pełna warstwa Gated Attention, czyli podział trzy do jednego między uwagę liniową a kwadratową — i jest trenowany z wieloma krokami MTP. Stos jest gęsty i w dużym stopniu oparty na uwadze liniowej, co pozwala gęstemu modelowi 27B utrzymać okno 262K bez kosztu KV-cache, jaki poniósłby standardowy transformer.

Xing 4.0 29B-A4B to rzadki model typu mixture-of-experts z rodziny DeepSeek: na całej długości zastosowano MLA (compressed-latent attention), 64 ekspertów kierowanych z 4 aktywnymi na token plus wspólny ekspert oraz strumienie rezydualne hiperpołączeń z ograniczeniem rozmaitości — czterostrumieniowy układ resztkowy, dla którego frameworki serwujące potrzebują niestandardowych jąder. Jest również trenowany metodą MTP, więc oba modele zawierają własną głowę dekodowania spekulatywnego w punkcie kontrolnym, zamiast dostarczać osobny plik draftujący.

Konsekwencja dla praktyka jest nieefektowna i ważna. Qwen 3.8 27B to gęsty model z nietypowym mechanizmem attention, z którym większość stacków serwujących radzi sobie niewielkim nakładem pracy. Potwierdzone wsparcie dla Xing 4.0 to vLLM, SGLang i KTransformers, przy czym SGLang zawiera jądro napisane specjalnie dla czterostrumieniowego układu hyper-connection. Dedykowany projekt residual-stream to realny koszt integracji przy pierwszym podejściu — i koszt powracający za każdym razem, gdy kwantyzujesz, dostrajasz model lub zmieniasz kształt batcha.

Do czego tak naprawdę służy każdy model

W tym miejscu porównanie przestaje być porównaniem, ponieważ oba modele nie powstały do tego samego zadania, a ich tabele benchmarków nie pokrywają się w stopniu wystarczającym, by dało się to podrobić.

• Inżynieria oprogramowania — Xing 4.0 SWE-bench Verified 75,00 kontra SWE-bench Pro 61,7 modelu Qwen 3.8 27B. To różne benchmarki, więc różnica między nimi sama w sobie nic nie znaczy. Porównywalny wiersz to ten, że Qwen podaje QwenSWEBench 79,0 i DeepSWE 1.1 42,2, których karta Xinga w ogóle nie porusza.

• Terminal i kodowanie agentowe — Xing 4.0 Terminal-Bench 2.1 57,50 w porównaniu z Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73,0. Ta sama nazwa benchmarku, inny szczegół metody testowania, w obu przypadkach dane pochodzą od dostawców. Na podstawie opublikowanych wartości Qwen wyprzedza o ponad 15 punktów.

• Obsługa komputera i agenci językowo-wizualni — Qwen 3.8 27B OSWorld-Verified 84,3, WebArena-Verified 64,8, AndroidWorld 81,9, MathVision 90,0 bez łańcucha myśli i 94,6 z jego użyciem, OmniDocBench 1.5 91,1, RealWorldQA 85,9. Xing 4.0 nie ma w ogóle benchmarku multimodalnego, ponieważ nie ma zdolności multimodalnych. To nie jest luka w tabeli; to luka w produkcie.

• Wywoływanie narzędzi i agenci o długim horyzoncie — Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Qwen 3.8 27B CoWorkBench 70.7, Agents' Last Exam na poziomie 20.4 pass@1 i wyniku 42.9, JobBench 33.4. Znowu: różne zestawy testów, brak wspólnych elementów, brak możliwości porównania.

• Ogólne rozumowanie i wiedza — Qwen 3.8 27B GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, IFBench 79,5. Karta Xing 4.0 podaje na tej liście tylko IFBench 69,67 — prawie dziesięć punktów za Qwen i jedyny wiersz ogólnego przeznaczenia, w którym obaj dostawcy opublikowali wynik.

Traktuj tabele jako dwa różne dokumenty o dwóch różnych produktach. Dokument Qwena obejmuje model multimodalny, który wykonuje zadania związane z obsługą komputera poprzez interfejs oparty na zrzutach ekranu. Dokument Xinga obejmuje model tekstowy zbudowany tak, aby utrzymywał razem długą pętlę wywołań narzędzi. Jedyny wiersz, w którym naprawdę się zderzają — IFBench, podążanie za instrukcjami — wygrywa Qwen o 9,8 punktu.

Dwa pozyskiwania, jedno wspólne zastrzeżenie

Żaden z modeli nie ma niezależnej oceny. Liczby modelu Qwen 3.8 27B pochodzą od Alibaba, opublikowano je na karcie modelu wraz z ustawieniami harness, a liczby modelu Xing 4.0 pochodzą od China Telecom, opublikowane w ten sam sposób. W obu przypadkach kolumny porównawcze w tabelach zawierają własne ponowne przebiegi modeli rywali wykonane przez macierzyste laboratorium, a nie opublikowane wyniki tych rywali — praktyka niemal powszechna i warta zapamiętania za każdym razem, gdy tabela dostawcy pokazuje, że rywal wypada znacznie gorzej.

Qwen 3.8 27B ma jednak coś, czego Xing 4.0 nie ma, i nie jest to wiersz z benchmarku: osiem tygodni w otwartym dostępie, w tym społecznościowy port llama.cpp, o którym donoszono, że uruchamia wagi na GPU przerobionej konsoli PlayStation 5 z prędkością około 20 tokenów na sekundę. Ten rodzaj pracy osób trzecich jest najbliższym odpowiednikiem niezależnego audytu, jaki mają otwarte wagi, a Xing 4.0 ma za sobą jak dotąd miesiąc takiej pracy — z czego większość poszła na pull requesty do frameworków serwujących, a nie na ewaluację.

Koszt, instalacja własna i rozliczanie za zużycie

Oba są na licencji Apache 2.0, więc cena pobrania wynosi zero i pozostaje zerowa po obu stronach. Qwen 3.8 27B jest gęstym modelem i wymaga pamięci modelu gęstego 27B plus wieży wizyjnej; praktyczne minimum to karta 24GB przy niskiej precyzji, z pobraniem w pełnej precyzji o rozmiarze 55,6GB. Kolekcja Xing 4.0 deklaruje kwantyzację 4-bitową w około 15GB VRAM — twierdzenie warte sprawdzenia względem rzeczywistego rozmiaru pliku GGUF, ponieważ repozytorium w pełnej precyzji podaje 31B w tensorach.

Po stronie rozliczanej za zużycie to właśnie Qwen 3.8 27B jest tym, co faktycznie można tu wywołać. OrcaRouter hostuje qwen/qwen3.8-27b za 0,33 USD za milion tokenów wejściowych i 2,40 USD za milion tokenów wyjściowych, a otwarte wagi są obsługiwane na naszej własnej infrastrukturze — dlatego ta cena się utrzymuje i dlatego zmiana po stronie dostawcy nie miałaby na nią wpływu. Qwen 3.8 27B jest też dostępny za 0,40 USD i 4,21 USD za milion w ramach społecznościowego wdrożenia FP8 w naszym katalogu, które utrzymuje wieżę wizyjną w pełnej precyzji — co jest użytecznym przypomnieniem, że dwa wpisy tego samego otwartego modelu to nie ten sam produkt. Xing 4.0 nie ma w naszym katalogu, więc szukać należy we własnym API dostawcy i na platformach firm trzecich — i nie zamierzamy udawać, że jest inaczej.

W tego typu porównaniu router przydaje się przy samej decyzji. Jedno API przed ponad 200 modelami przy 0% marży sprawia, że wypróbowanie konkurenta to reguła routingu, a nie druga integracja, a automatyczne przełączanie awaryjne powoduje, że test nigdy nie naraża ścieżki produkcyjnej na ryzyko: odpowiada model podstawowy, model zapasowy przejmuje wszystko, co podstawowy odrzuci, a cały eksperyment zostaje usunięty z konfiguracji, gdy się skończy. Fuzja modeli idzie o krok dalej i pozwala panelowi modeli odpowiadać wspólnie, gdy pewność pojedynczego modelu co do danego zadania jest tym, czemu nie ufasz.

Jak podjąć decyzję

Wybierz Qwen 3.8 27B, jeśli cokolwiek w Twoim potoku obejmuje obraz, zrzut ekranu, zeskanowany dokument, klatkę wideo lub pętlę korzystania z komputera. Jest to jedyny z tych dwóch, który w ogóle może wykonać taką pracę; jego wyniki w benchmarkach korzystania z komputera są najwyższymi opublikowanymi w tej klasie wagowej, a można go wywoływać już dziś na zasadzie rozliczania za użycie. Jest także bezpieczniejszym domyślnym wyborem w zakresie podążania za instrukcjami — czyli trybem awarii, który kosztuje najwięcej w potoku obsługującym klientów.

Wybierz Xing 4.0 29B-A4B, jeśli twoje obciążenie to czysty tekst, twoje obciążenie to długa pętla wywołań narzędzi, a stać cię na samodzielną weryfikację twierdzeń dostawcy. Argument dotyczący przepustowości przypadającej na kartę jest prawdziwy na papierze: zapotrzebowanie na pamięć modelu 29B przy arytmetyce modelu 4B, na warunku licencyjnym, który twój zespół prawny już zna. Niepewność jest równie realna — brak niezależnej oceny, brak opublikowanych wyników ogólnego rozumowania i wynik w zakresie podążania za instrukcjami prawie dziesięć punktów za konkurentem w jedynym benchmarku, który oba laboratoria zdecydowały się raportować.

Dla większości zespołów odpowiedź nie jest wcale wyborem. Qwen 3.8 27B obsługuje wszystko, co zawiera obraz lub ekran; Xing 4.0 obsługuje pętle agentowe wyłącznie tekstowe, w których ograniczeniem jest arytmetyka na token. Uruchamianie obu przez jeden punkt końcowy jest tańsze niż rozstrzyganie między nimi na podstawie dowodów, których nie opublikował żaden z dostawców, a pierwsza niezależna ocena Xing 4.0 to wydarzenie, które zamieniłoby to w prawdziwe porównanie, a nie zestawienie tego, co każde laboratorium zdecydowało się mierzyć.

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.