Xing 4.0 29B-A4B vs Nemotron 3.5 Lightning 30B-A3B: Mesma forma, licença diferente

Coloque Xing 4.0 29B-A4B e N​emotron 3.5 Lightning 30B-A3B na mesma linha e as especificações quase convergem: 29 bilhões de parâmetros contra 30 bilhões, quatro bilhões ativos por token contra três, uma arquitetura esparsa de mistura de especialistas em ambos os lados, e uma meta explícita de projeto de trabalho agêntico e com uso de ferramentas em ambas as fichas de modelo. Eles até chegaram com cinco semanas de diferença no mesmo verão — o lançamento de disponibilidade geral da NVIDIA em 11 de agosto de 2026, os pesos da China Telecom em 16 de setembro de 2026, com um endpoint disponível para chamadas em meados de outubro. A convergência é real e faz deste o par mais diretamente comparável desta série. É também onde a semelhança termina, porque os dois lançamentos fazem apostas opostas quanto ao comprimento de contexto, à arquitetura de atenção e, acima de tudo, ao licenciamento — e uma dessas três é uma decisão da sua equipe jurídica, não da sua equipe de ML.

Onde as especificações realmente coincidem

• Total de parâmetros — N​emotron 3.5 Lightning 30B no total vs. Xing 4.0 29B. Uma diferença de um bilhão de parâmetros em um modelo de trinta bilhões não é nada.

• Parâmetros ativos — Nemotron 3B por token vs. Xing 4B por token. Esse é o número que decide sua vazão, e a diferença é bem menor do que a diferença de nomenclatura ("A3B" contra "A4B") faz parecer: cerca de um terço a mais de aritmética por token para o Xing.

• Form — ambos MoE esparsos, ambos artefatos totalmente abertos ao estilo Apache, no sentido de que os pesos podem ser baixados e as receitas de serving são publicadas, ambos com builds quantizadas do fornecedor e da comunidade.

• Briefing de design — ambos os cards são escritos para agentes. O do Xing 4.0 fala de planejamento em várias etapas, chamadas de ferramentas e cadeias de raciocínio; o do Nemotron vem junto com o NeMo Switchyard, uma biblioteca de roteamento de código aberto para decidir qual modelo lida com a próxima etapa dentro de um loop de agente. Dois laboratórios, a mesma conclusão sobre onde pequenos modelos abertos valem a pena.

• Publicação — O N​emotron 3.5 Lightning atingiu a GA em 11 de agosto de 2026, com as variantes NVFP4 e base surgindo nos dias seguintes. O repositório do Xing 4.0 foi criado em 16 de setembro de 2026, suas builds quantizadas chegaram em 13 de outubro, e um endpoint com medição apareceu em 15–16 de outubro.

Onde eles deixam de corresponder: o contexto, e como você o obtém

Esta é a maior diferença prática entre os dois, e não é por pouco.

• Janela de contexto — Nemotron 3.5 Lightning: até 1M de tokens. Xing 4.0: 256K nativo, extensível a 512K conforme indicado na ficha.

• O que isso significa na prática — A própria ficha técnica da NVIDIA é franca ao admitir que a janela de um milhão de tokens é limitada pela memória e que 256K é o número validado em uma única H100 de 80 GB. Portanto, a comparação honesta no nível de implantação é 256K contra 256K, com o Nemotron mantendo uma rota documentada e validada pelo fornecedor para quatro vezes isso, e o Xing mantendo uma alegação de ficha técnica de duas vezes isso.

• Design de atenção — O N​emotron 3.5 Lightning é um híbrido: camadas de espaço de estados Mamba-2 misturadas com atenção e roteamento MoE. O Xing 4.0 usa MLA em toda a arquitetura — estado de chave-valor latente comprimido, a abordagem da linhagem D​eepSeek — além de fluxos residuais de hiperconexão com restrições de variedade. Essas são duas estratégias diferentes para o mesmo problema de KV-cache, e nenhuma delas é um erro.

• Decodificação especulativa — O Xing 4.0 tem previsão multi-token treinada no checkpoint. Os artefatos publicados do N​emotron 3.5 Lightning incluem variantes de modelo draft em sua família quantizada, que servem a um propósito semelhante, mas o MTP é uma propriedade dos pesos do Xing e não um arquivo complementar.

• Precisão — A NVIDIA publica o checkpoint BF16 como uma referência de precisão total, explicitamente destinada à personalização e ao pós-treinamento, com builds NVFP4 para inferência em produção. O Xing 4.0 publica BF16, FP8, w8a8 e GGUF. Se você pretende fazer ajuste fino, os dois atendem igualmente bem; se você pretende servir, ambos querem você no artefato quantizado.

A diferença de licenciamento é a verdadeira decisão

Nemotron 3.5 Lightning é distribuído sob o Contrato de Licença OpenMDW, versão 1.1 — a própria licença de modelo aberto da NVIDIA, administrada fora da empresa. Xing 4.0 é distribuído sob a Apache 2.0.

Ambas permitem o uso comercial. Não são documentos equivalentes, e a diferença aparece nas partes de uma implantação que os engenheiros raramente leem. A Apache 2.0 é uma licença madura, amplamente litigada e aprovada pela OSI, com uma concessão de patente familiar e uma década de precedentes jurídicos corporativos por trás dela; ela é pré-aprovada na maioria das grandes organizações. A OpenMDW é mais recente e menos familiar, o que significa que a primeira implantação comercial de um modelo Nemotron dentro de um ambiente regulado ou corporativo tem mais probabilidade de passar por uma revisão jurídica do que a implantação equivalente do Xing 4.0. Isso não é um argumento de que a OpenMDW seja restritiva — é um argumento de que a falta de familiaridade tem um custo, e é um custo pago em semanas, e não em dólares. Se você está escolhendo entre essas duas apenas com base no mérito técnico, está ignorando a metade da decisão que pertence à sua equipe jurídica.

Ambas as tabelas de benchmark são tabelas de fornecedores.

Esta é a parte da comparação em que o leitor deve ir com calma. Nenhum dos modelos tem uma avaliação independente num harness escolhido por alguém que não seja o fornecedor.

• SWE-bench Verified — Xing 4.0 75,00 vs 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.

• Seguimento de instruções — Xing 4.0 IFBench 69.67 vs N​emotron 3.5 Lightning IFBench 71.88, relatado na configuração solta.

• Raciocínio geral — N​emotron 3.5 Lightning MMLU Pro 81.94, GPQA Diamond 75.44, HLE 11.72, SciCode 32.60, AA-Omniscience 17.50. A ficha do Xing 4.0 não publica nenhuma linha comparável.

• Contexto longo — Xing 4.0 AA.LCR 61,00 vs N​emotron 3.5 Lightning AA-LCR 52,00. Xing vence a única linha de contexto longo em que ambos os números existem, o que é um resultado um tanto surpreendente, dada a janela declarada muito maior do N​emotron.

• Navegação e recuperação agênticas — N​emotron 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. Essas suítes não têm absolutamente nenhuma sobreposição, portanto nenhuma comparação é possível, e qualquer tabela que as coloque lado a lado está inventando uma.

A proveniência por trás deles difere de um modo interessante. A NVIDIA afirma que seus resultados foram medidos num ambiente de testes interno consistente e avisa que eles "podem diferir dos números informados pelos fornecedores" — e sua tabela publicada inclui colunas de concorrentes para Qwen 3.6 35B A3B, Gemma 4 26B A4B e GPT-OSS 20B, que são reexecuções próprias da NVIDIA desses modelos. A tabela da China Telecom faz a mesma coisa na direção oposta, comparando-se com suas próprias reexecuções do Gemma 4 e do Qwen. Cada laboratório está medindo seus rivais em seu próprio ambiente de testes e publicando o resultado como uma coluna de comparação. Nenhum dos dois está fazendo nada desonesto, e nenhuma das colunas deve ser lida como o próprio valor do rival.

Custo e serviço

A janela de 1M de tokens do Nemotron 3.5 Lightning tem uma consequência operacional real que os engenheiros descobrem da maneira mais difícil: ela é limitada pela memória, e uma requisição que excede a capacidade disponível de KV-cache falha no provedor em vez de degradar graciosamente. É esse o formato de falha que um roteador foi feito para absorver — o OrcaRouter tenta novamente com capacidade de fallback saudável antes de a resposta começar, de modo que um out-of-memory upstream ou um 429 numa chamada de contexto longo não chega ao usuário como erro. Roteamos mais de 200 modelos hospedados por trás de uma única API com 0% de markup, com o preço de tabela do provedor repassado sem nada acrescentado, e este é o modo de falha em que a cadeia de failover deixa de ser um diagrama bonito e passa a ser o motivo pelo qual o seu agente conclui a tarefa.

Nem o Nemotron 3.5 Lightning nem o Xing 4.0 estão no nosso catálogo hoje, por isso não somos uma via para nenhum dos dois modelos e este artigo não dará a entender o contrário. Como ficam os números se os executar por si próprio: a quantização de 4 bits do Xing 4.0 é indicada como sendo de cerca de 15 GB de VRAM, o que o colocaria numa única RTX 3090 ou 4090; o comportamento limitado pela memória do Nemotron 3.5 Lightning numa única H100 de 80 GB está documentado para a sua janela validada de 256K, que é o alvo mais exigente dos dois. O Xing 4.0 é o modelo mais barato de alojar; o Nemotron 3.5 Lightning é o que tem um caminho documentado para um contexto muito mais longo, se tiver o hardware para isso.

Como escolher

Escolha o N​emotron 3.5 Lightning 30B-A3B se o comprimento do contexto for a restrição determinante, se você já estiver dentro do stack da N​VIDIA e o NeMo Switchyard for um encaixe natural para o loop do seu agente, ou se a sua organização já tiver liberado o OpenMDW para uso comercial. A janela mais ampla, a rota publicada do modelo base para personalização e o fato de a sua tabela de avaliação cobrir quatorze benchmarks em vez de nove apontam todos na mesma direção.

Escolha Xing 4.0 29B-A4B se a rapidez na liberação de licenças for importante, se o seu trabalho for engenharia de software e tarefas de agente em formato de terminal em vez de recuperação de documentos longos, ou se o argumento da taxa de transferência por placa for aquilo que está realmente a comprar. As suas margens agênticas na sua própria tabela são as maiores nesta classe de peso, a sua licença é a que todos os advogados já conhecem, e a sua linha de contexto longo — o único ponto em que ambos os modelos publicaram um valor comparável — foi para o Xing.

O que mudaria a resposta é exatamente o que a mudaria em todas as comparações desta série: uma avaliação independente dos dois modelos, conduzida por um terceiro, num único harness. A NVIDIA e a China Telecom publicaram cada uma uma tabela que favorece o seu próprio modelo em comparação com reexecuções da geração da outra. Quando alguém publicar a primeira tabela que nenhuma delas escreveu, a diferença de 23 pontos no SWE-bench acima torna-se ou o número mais importante nesta categoria de peso ou um artefacto de dois harnesses de agentes diferentes. Não há forma de saber qual das hipóteses é a verdadeira visto de fora.

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.