Xing 4.0 29B-A4B vs Gemma 4 26B-A4B: Dois Modelos Esparsos, Um Tem uma API

Ambos esses modelos são checkpoints de mistura de especialistas (MoE) esparsos que ativam aproximadamente quatro bilhões de parâmetros por token, e ambos são Apache 2.0. É aí que a semelhança deixa de ser útil. Xing 4.0 29B-A4B é o MoE somente texto, orientado a agentes, da China Telecom — 29B no total, 4B ativos, pesos publicados em 16 de setembro de 2026 e com um endpoint comercial chamável apenas em meados de outubro. Gemma 4 26B A4B é o modelo esparso multimodal do Google DeepMind — 25,2B no total, 3,8B ativos no checkpoint ajustado por instruções, pesos públicos desde 11 de março de 2026 — e está disponível por inferência hospedada a seis centavos por milhão de tokens de entrada há meses. Se você está escolhendo entre eles, o enquadramento honesto não é "qual é mais inteligente", mas sim "qual deles você consegue de fato colocar em um caminho de produção esta semana, e do que você abre mão por isso".

A resposta de uma linha.

Gemma 4 26B A4B, a menos que sua carga de trabalho seja um agente de programação ou de terminal rodando em seu próprio hardware. A proposta inteira do Xing 4.0 é a força agêntica por parâmetro ativo, e até na própria tabela da China Telecom ele vence as linhas agênticas por margens enormes. O Gemma 4 vence em disponibilidade, modalidade, transparência de preços e no simples fato de que seus números foram publicados pela empresa que o criou, enquanto a coluna de comparação do concorrente não foi.

Especificações, dimensão por dimensão

• Tamanho — Xing 4.0 29B no total / 4B ativos vs G​emma 4 25,2B no total / 3,8B ativos. O nome no cartão do G​emma é um rótulo arredondado; os números reais são os que o G​oogle declara.

• Layout de especialistas — Xing 4.0: 64 especialistas roteados, 4 ativos, mais 1 compartilhado. G​emma 4: 128 especialistas no total, 8 ativos, mais 1 compartilhado. O G​emma tem o roteamento mais granular; o Xing tem a leitura mais esparsa.

• Atenção — Xing 4.0 usa MLA, atenção latente multi-head, com estado chave-valor comprimido. Gemma 4 usa atenção híbrida: camadas locais de janela deslizante com uma janela de 1.024 tokens intercaladas com atenção global completa, e RoPE proporcional. Respostas diferentes para o mesmo problema de KV-cache.

• Profundidade e largura — Xing 4.0: 40 camadas, tamanho oculto 3.584, vocabulário 131.072. G​emma 4: 30 camadas, vocabulário 262K.

• Contexto — Xing 4.0: 256K nativos, extensíveis para 512K por placa. G​emma 4: 256K. Efetivamente equivalentes, embora o comportamento de contexto longo do G​emma tenha oito meses de testes de terceiros e o do Xing não tenha nenhum.

• Modalidade — Xing 4.0 é texto de entrada, texto de saída. Gemma 4 26B A4B recebe texto, imagem e vídeo como entrada e retorna texto; seu codificador de visão tem aproximadamente 550M de parâmetros. Isso não é uma diferença pequena se a sua carga de trabalho envolver documentos ou capturas de tela.

• Licença — Apache 2.0 em ambos, incluindo a concessão de patente. Genuinamente equivalentes.

• Data de publicação — Gemma 4 26B A4B: pesos ajustados por instruções no Hugging Face desde 11 de março de 2026, com builds com reconhecimento de quantização até abril e maio. Xing 4.0: commit inicial do repositório em 16 de setembro de 2026, builds quantizadas em 13 de outubro, listagem hospedada de 15 a 16 de outubro.

• Preço do serviço hospedado — Gemma 4 26B A4B está listado no OrcaRouter a $0,06 por milhão de tokens de entrada e $0,33 por milhão de saída, com leituras de entrada em cache a $0,0075 por milhão. O Xing 4.0 não tem uma tarifa publicada comparável numa plataforma que possamos indicar; a listagem de meados de outubro trazia um nível promocional gratuito, e a rota própria do fornecedor é a outra opção.

A questão de benchmark, que é mais confusa do que parece

O cartão de modelo da China Telecom faz benchmark do Xing 4.0 contra uma coluna rotulada Gemma4-26B-A4B. Essa coluna reporta SWE-bench Verified 53,00. O cartão de modelo do Google para o checkpoint ajustado por instrução não reporta SWE-bench Verified de forma alguma — a suíte publicada é MMLU Pro, AIME 2026, LiveCodeBench v6, Codeforces ELO, GPQA Diamond, Tau2, HLE, MMMU Pro, MATH-Vision e um teste de recuperação de contexto longo. Portanto, o 53,00 naquela tabela não é o número do Google. É a execução própria da China Telecom do Gemma 4 por meio de um harness SWE-agent, e não há nada de errado nisso, desde que você leia isso como o que é: uma reexecução de um laboratório, sem nenhuma tentativa declarada de ajustar o scaffolding do Gemma.

Com essa ressalva declarada uma vez e mantida em tudo o que segue, aqui está o contraste nas linhas em que ambos os lados têm um valor publicado, além das linhas agênticas em que apenas um lado tem.

• SWE-bench Verified — Xing 4.0 75,00 executado pelo fornecedor vs G​emma 4 53,00 conforme reexecutado pela China Telecom; a G​oogle não publica nenhum número para este benchmark.

• Terminal-Bench 2.1 — Xing 4.0 57,50 vs G​emma 4 30,00, mais uma vez a própria reexecução do G​emma feita pelo fornecedor.

• SWE-bench Multilingual — Xing 4.0 66.00 vs G​emma 4 51.00, mesma proveniência.

• Claw-Eval — Xing 4.0 76,55 vs G​emma 4 71,49, harness oficial em ambos os lados conforme o card.

• Tau3-Bench — Xing 4.0 64,63 vs G​emma 4 58,90. O G​oogle informa que o Tau2 está em 68,2 em seu próprio cartão, que é uma versão diferente da família e não é diretamente comparável.

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

• IFBench — Xing 4.0 69,67 vs G​emma 4 72,67. G​emma vence esta.

• AA.LCR — Xing 4.0 61,00 vs G​emma 4 66,00. A G​emma também vence esta.

• Onde apenas o Google apresenta números — MMLU Pro 82,6, GPQA Diamond 82,3, LiveCodeBench v6 77,1, MMMU Pro 73,8, Codeforces ELO 1.718. A ficha do Xing 4.0 não informa nada sobre nenhum destes, portanto não há base para comparação e a ausência não deve ser interpretada como uma desvantagem.

A forma da diferença é consistente e não é aleatória: o Xing 4.0 é forte em engenharia de software e tarefas com formato de terminal e mais fraco em seguir instruções e em raciocínio de contexto longo. Esse é um alvo de design deliberado — toda a seção de arquitetura do card é orientada a trabalho agêntico: planejamento em várias etapas, chamada de ferramentas, cadeias de raciocínio — e os números concordam com o design. O que eles não dizem é se essa força sobrevive a um harness que não foi escolhido pelo fornecedor.

O que a coluna Gemma não pode lhe dizer, e a do Xing também não.

Observe a assimetria no escrutínio. O Gemma 4 26B A4B foi baixado mais de dez milhões de vezes do seu repositório e tem uma colocação independente no Artificial Analysis e oito meses de relatos de profissionais sobre onde a atenção de janela deslizante se degrada. O Xing 4.0 tem 53.000 downloads em um mês, nenhuma avaliação independente e uma única tabela de benchmark de um laboratório — e suas linhas mais impressionantes são as mais sensíveis à escolha do harness. Quando um lado de uma comparação foi testado à exaustão por estranhos durante oito meses e o outro não, os números de destaque do modelo mais novo merecem exatamente o desconto que esse fato implica. Os 75 e 57,5 podem se sustentar perfeitamente. Ninguém fora da China Telecom sabe ainda.

Custo, nos dois sentidos

O caso do Gemma 4 26B A4B é uma questão de aritmética. A US$ 0,06 e US$ 0,33 por milhão de tokens no OrcaRouter, com leitura em cache a US$ 0,0075 por milhão, um agente que queima dois milhões de tokens de saída por dia paga cerca de sessenta e seis centavos pela geração e centavos pelo lado da entrada, antes do cache. Não há exigência de auto-hospedagem, nem decisão de hardware, nem ônus de operações. Como o OrcaRouter repassa o preço de tabela do provedor com margem zero, um corte de preço do fornecedor nesse modelo chega ao nosso endpoint no mesmo dia em que é anunciado — o número na sua fatura é o número do provedor.

O caso do Xing 4.0 é capital, e não marginal. Os pesos são gratuitos e Apache-2.0, e a coleção alega uma quantização de 4 bits a correr em cerca de 15GB de VRAM, o que o colocaria numa RTX 3090 ou 4090. Essa afirmação fica estranha ao lado do tamanho de tensor de 31B que o repositório reporta para o checkpoint completo, por isso verifique o tamanho real do ficheiro quantizado antes de planear em torno dele. Servi-lo implica SGLang, vLLM ou KTransformers em hardware que possui, mais o trabalho de integração que acompanha um design personalizado de atenção e fluxo residual. O ponto de compensação só surge com volume elevado e sustentado, ou quando os dados não podem sair da sua rede de todo.

Onde um roteador ajuda com um modelo que não hospedamos

Diremos o óbvio sem rodeios: o Xing 4.0 29B-A4B não está no catálogo da OrcaRouter, então não somos uma forma de chamá-lo, e nada aqui deve ser lido como uma proposta para que nos usem para isso. O que somos é uma forma de manter a comparação barata. O Gemma 4 26B A4B está hospedado aqui; uma avaliação de desafiante é uma mudança de roteamento, e não um segundo contrato, e o failover automático mantém o caminho de produção vivo enquanto você direciona uma fatia do tráfego para algo experimental. A DSL de roteamento existe exatamente para esse tipo de problema — você escreve a regra uma vez, e o modelo por trás dela é uma variável.

Qual escolher

Escolha o Gemma 4 26B A4B se você precisar de entrada multimodal, de um preço publicado por token, de um modelo respaldado por oito meses de testes independentes, ou simplesmente de algo que você possa chamar nesta tarde. É o mais seguro dos dois, por uma grande margem, e a seis centavos por milhão de tokens de entrada o argumento de custo quase nem precisa ser feito.

Escolha o Xing 4.0 29B-A4B se sua carga de trabalho for um agente de programação ou de terminal, você tiver a GPU ou a tolerância para um endpoint hospedado recém-lançado, e estiver disposto a executar sua própria avaliação antes de confiar na tabela. O retorno potencial é real — um modelo com a pegada de memória de um 29B e o perfil de computação de um 4B, apresentando, no papel, as linhas agênticas mais fortes de qualquer modelo em sua categoria de peso. O risco é igualmente real: cada uma dessas linhas é uma afirmação de um fornecedor atrelada a um checkpoint de quatro semanas, e a coluna de comparação ao lado dela foi produzida pelo mesmo fornecedor.

Se você quer o caminho do meio, ele é uma stack de dois modelos, em vez de uma escolha: o Gemma 4 26B A4B lidando com o tráfego multimodal, de alto volume e de contexto longo no qual ele já provou seu valor, e o Xing 4.0 restrito ao caminho de agente de codificação, onde sua suposta vantagem é maior e onde uma resposta errada é fácil de detectar.

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.