Xing 4.0 29B-A4B agora pode ser chamado: o MoE aberto da China Telecom deixa o laboratório

Os pesos de Xing 4.0 29B-A4B estão disponíveis para download da X​ingChen-AGI, organização no Hugging Face desde 16 de setembro de 2026 — essa parte não é novidade. O que mudou em meados de outubro é mais restrito e mais útil: o modelo passou a ser algo que você pode invocar, em vez de algo que só pode hospedar. Uma listagem comercial pública de Xing4.0-29B-A4B apareceu em 15–16 de outubro com uma janela de contexto de 262.144 tokens e um nível promocional gratuito, as builds quantizadas ficaram disponíveis em 13 de outubro, e os frameworks de serving terminaram de chegar: o pull request de suporte do SGLang passou de rascunho para pronto para merge, o vLLM já inclui a arquitetura, e o model card agora nomeia OpenCode, C​laude Code, OpenClaw e Hermes como frameworks de agentes adaptados. Este artigo é sobre o que realmente foi lançado, o que o próprio model card da China Telecom afirma e quais dessas afirmações ninguém fora do laboratório verificou ainda.

Duas datas, e por que apenas uma delas importa hoje

O histórico do repositório é inequívoco. XingChen-AGI/Xing4.0-29B-A4B recebeu seu commit inicial em 16 de setembro de 2026, com um upload de pesos no mesmo dia e um README na manhã seguinte. Os pesos Apache-2.0 estão públicos há um mês. Um artigo de primeira versão escrito em 17 de outubro que anunciasse este modelo como novo estaria errado, e é exatamente a falha que a cobertura anterior nesta série já teve de corrigir — as postagens da era do vazamento rastrearam uma renomeação de XingChen4 para Xing4_0 ao longo de seis pull requests de framework antes que qualquer coisa estivesse disponível para download.

Então, considere 16 de setembro como a data de lançamento. O desenvolvimento de outubro é a disponibilidade: até esse momento, usar o modelo significava alugar ou possuir o hardware. Agora, não.

O que o modelo realmente é

Xing 4.0 29B-A4B é o sucessor da linha TeleChat, desenvolvido pela China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — e publicado sob a licença Apache 2.0. É um modelo esparso de mistura de especialistas: 29 bilhões de parâmetros no checkpoint, cerca de 4 bilhões lidos por token gerado. O cartão descreve a arquitetura como "mHC + MLA + MTP", e os detalhes de configuração que importam são estes:

• Forma — 40 camadas, tamanho oculto 3,584, intermediário da FFN densa 9,216, intermediário do especialista 1,024, vocabulário 131,072.

• Especialistas — 64 especialistas roteados com 4 ativos por token, mais 1 especialista compartilhado sempre ativo. É por causa desse especialista compartilhado que a contagem de ativos não é 4/64 do total.

• Atenção — MLA (atenção latente multi-cabeça), o esquema de KV comprimido da linhagem DeepSeek em vez da atenção de consulta agrupada padrão.

• Contexto — 256K nativos, descritos no cartão como extensíveis a 512K. A listagem comercial indica 262.144 posições.

• Decodificação especulativa — MTP, previsão de múltiplos tokens, treinada de forma nativa em vez de acoplada depois.

• Licença e formatos — Apache 2.0, com safetensors bfloat16, FP8, w8a8 e builds GGUF publicados pela mesma organização.

A parte mHC é a que é genuinamente incomum. A sigla significa fluxos residuais de hiperconexão com restrição de variedade, e é por isso que o modelo aparece no código de frameworks de serving como algo diferente de um transformer padrão: os frameworks precisam de kernels personalizados para ele, e a implementação do SGLang traz um kernel split-K especificamente para o layout de hiperconexão de quatro fluxos. Se você é um profissional decidindo se vale a pena se dar ao trabalho, o resumo honesto é que este é um modelo com uma aposta arquitetural real embutida, não um mixture-of-experts padrão com um novo nome.

Os números — e quem os produziu

Tudo abaixo vem do próprio cartão de modelo da China Telecom. Nada disso foi reproduzido de forma independente, e o próprio cartão indica o harness e as configurações de amostragem por trás de cada linha, o que é mais divulgação do que a maioria dos fornecedores oferece voluntariamente. Leia isto como uma alegação de fornecedor, não como um fato medido.

• SWE-bench Verified — 75,00, executado sob o harness SWE-agent em uma janela de contexto de 210K.

• Terminal-Bench 2.1 — 57,50, agente terminus-2, máximo de 64K tokens, tempo limite de 24 horas, média de três execuções.

• SWE-bench Multilingual — 66,00, mesmo harness que o Verified.

• Claw-Eval — 76,55, harness oficial, contexto de 256K, média de três execuções.

• Tau3-Bench — 64,63, harness oficial, pass^1 com média de quatro execuções.

• DeepresearchBII — 60.80, harness do OpenCode com um servidor MCP Exa habilitado.

• AIME2026 — 90,00, média de cinco execuções. IFBench — 69,67. AA.LCR — 61,00.

Vale a pena nos determos em dois deles. Um modelo com 4B ativos que alega 75 no SWE-bench Verified e 57,5 no Terminal-Bench 2.1 está alegando ocupar um território ocupado por modelos várias vezes o seu tamanho ativo, e ambos os valores são agênticos — ou seja, dependem fortemente do scaffolding do harness, e não apenas do modelo. O card é agradavelmente específico sobre o scaffolding, mas especificidade sobre um harness não é o mesmo que uma execução independente dele.

Onde ele ganha na sua própria tabela, e onde não ganha.

A placa se compara, em benchmarks, com o Gemma4-26B-A4B e o Qwen3.6-35B-A3B. Pelos próprios números da China Telecom, o cenário não é uma vitória limpa, o que por si só é informativo:

• Contra o Gemma4-26B-A4B — Xing 4.0 vence no SWE-bench Verified por 75,00 a 53,00, no Terminal-Bench 2.1 por 57,50 a 30,00, no SWE-bench Multilingual por 66,00 a 51,00, no Claw-Eval por 76,55 a 71,49, no Tau3-Bench por 64,63 a 58,90 e no DeepresearchBII por 60,80 a 39,30. Perde no IFBench por 69,67 a 72,67 e no AA.LCR por 61,00 a 66,00, e fica atrás no AIME2026 por 1,7 pontos.

• Em comparação com Qwen3.6-35B-A3B — Xing 4.0 vence no Claw-Eval, no Terminal-Bench 2.1 e no DeepresearchBII, e perde no SWE-bench Verified de 75,00 para 76,00, no Tau3-Bench de 64,63 para 67,20 e no AIME2026 de 90,00 para 92,70.

O padrão é consistente: forte nas avaliações agênticas e em formato de terminal, mais fraco no seguimento de instruções e no raciocínio de contexto longo. Essas reexecuções dos modelos concorrentes foram realizadas pela China Telecom, não pelos fornecedores que os criaram, portanto a comparação é internamente consistente, mas não independente em nenhuma das direções. (Um artigo anterior desta série aborda em detalhe o lado do G​emma 4 dessa tabela.)

Uma afirmação de treinamento que vale a pena destacar separadamente

Xing 4.0 foi treinado em NPUs Ascend com MindSpore e MindFormers, não em GPUs com PyTorch. O cartão afirma uma melhoria de throughput de cerca de 96% em relação à sua própria linha de base, alcançada por meio de ajuste de comunicação MoE, recomputação seletiva, fusão de operadores de grafo do DVM e kernels Ascend C escritos à mão para os operadores mHC. Esse número é uma alegação de infraestrutura de treinamento sobre uma linha de base interna, o que o torna essencialmente não verificável de fora — não há ponto de referência público para “linha de base” aqui. Ainda assim, é a declaração de engenharia mais interessante do lançamento: um MoE completo adjacente à fronteira treinado de ponta a ponta em uma pilha não NVIDIA, com o trabalho nos operadores feito internamente.

Quanto custa executar

Como a licença é Apache 2.0, o preço de download é zero e permanece zero. O hardware é a verdadeira conta. A descrição da coleção afirma uma quantização de 4 bits com cerca de 15 GB de VRAM, o que caberia numa RTX 3090 ou 4090; esse número é uma alegação do fornecedor e destoa do tamanho do tensor de 31 bilhões de parâmetros que o repositório informa para o checkpoint completo, então verifique-o em relação ao arquivo quantizado real antes de comprar uma placa com base nisso. Os caminhos suportados são SGLang, vLLM e KTransformers para inferência, com LLaMA-Factory e MindFormers para ajuste fino.

Para quem prefere não o executar por conta própria, existe agora uma rota com medição: a listagem comercial que surgiu em meados de outubro disponibiliza o modelo com um contexto de 262.144 tokens, um máximo de 235.929 tokens de conclusão e toda a superfície de amostragem, incluindo chamada de ferramentas, saídas estruturadas e um modo de raciocínio alternável. Durante a janela promocional, está listada uma variante gratuita do mesmo endpoint, que é a forma mais barata possível de descobrir se a linha SWE-bench do fornecedor sobrevive ao contacto com o seu próprio repositório. Como sempre acontece com uma listagem novíssima, verifique para onde está realmente a ser encaminhado antes de a colocar num caminho de produção — o nível gratuito e o nível pago são frequentemente implantações diferentes.

Como chamá-lo, e como nos encaixamos

Para sermos diretos sobre a nossa própria posição: o Xing 4.0 29B-A4B não está no catálogo da OrcaRouter hoje, portanto não somos uma via para ele e este texto não vai fingir o contrário. Se você o quer, as opções são a API do próprio fornecedor, os marketplaces de terceiros que o listaram recentemente, ou o seu próprio hardware.

Aqui, um roteador conquista seu lugar do outro lado da decisão. O caminho realista para a maioria das equipes é executar este modelo em um sidecar, em uma rota de baixo risco, por tempo suficiente para ver se sua força agêntica é real nas próprias tarefas delas — enquanto o tráfego de produção continua rodando em modelos que você já validou. O OrcaRouter é uma única API à frente de mais de 200 modelos hospedados com 0% de markup, com uma DSL de roteamento e failover automático, o que significa que a avaliação é uma mudança de configuração, e não um segundo contrato: o roteador continua servindo o incumbente, e você adiciona o desafiante onde ele conquistou o direito de responder. Quando um corte de preço de um fornecedor incide sobre um modelo que nós realmente disponibilizamos, esse preço já está valendo do nosso lado no mesmo dia, porque repassamos o preço de tabela do provedor e não acrescentamos nada a ele.

O que ainda não está verificado

Quatro coisas, pela ordem daquilo que mais alteraria o veredicto. Primeiro, todas as nove linhas de referência são comunicadas pelo fornecedor e nenhuma tem reprodução por terceiros. Segundo, a extensão de 256K para 512K é uma alegação do cartão, sem receita publicada para a própria extensão. Terceiro, as colunas de concorrentes da tabela de referência são reexecuções do próprio fornecedor, pelo que as margens de vitória não são comparáveis aos números publicados pelos próprios concorrentes — o cartão do G​emma 4, por exemplo, não reporta o SWE-bench Verified de todo, pelo que não há verificação cruzada disponível. Quarto, o valor "93.52 no SuperCLUE" que circulou a par deste lançamento aparece numa sinopse de coleção e não na tabela do próprio cartão do modelo, e deve ser tratado como não fundamentado enquanto não deixar de o ser.

A coisa mais útil que você pode fazer com este modelo em outubro de 2026 é aquilo que o anúncio não faz por você: coloque sua tarefa agêntica mais difícil diante dele e veja se a força no formato do terminal-bench sobrevive fora de uma tabela de harness. Se sobreviver, um modelo Apache-2.0 com 4B ativos que roda em uma única placa de consumidor é uma coisa genuinamente útil de se ter. Se não sobreviver, você gastou um fim de semana e uma GPU. O próximo marco a observar é a primeira execução de avaliação independente sobre os pesos — não outro pull request de framework, que agora é um problema resolvido.

Nada disso é hipotético: as falhas de IA documentadas e os incidentes com agentes por trás de lançamentos como este estão reunidos no Arquivo de Incidentes de IA da OrcaRouter, onde cada entrada traz as suas próprias fontes, gravidade, grau de confiança e sinalização de contestação.