Xing 4.0 29B-A4B vs Qwen 3.8 27B: Visão Versus Chamada de Ferramentas

Os dois modelos são próximos o suficiente em tamanho para que uma planilha de compras os colocasse na mesma linha: Qwen 3.8 27B é o modelo multimodal denso de 27 bilhões de parâmetros da Alibaba, 28 bilhões contando a torre de visão, lançado sob Apache 2.0 em agosto de 2026 com 262.144 posições nativas e entrada nativa de imagem e vídeo; Xing 4.0 29B-A4B é o modelo esparso de mistura de especialistas de 29 bilhões de parâmetros da China Telecom, 4 bilhões ativos por token, texto de entrada e texto de saída, cujos pesos foram publicados em 16 de setembro de 2026 e que só se tornou chamável em meados de outubro. Ambos são Apache 2.0, ambos têm pesos abertos, e ambos relatam números que teriam parecido resultados de fronteira um ano atrás. Eles também não são substitutos um do outro em qualquer carga de trabalho que importe, e a razão é uma única linha em cada especificação: se há uma torre de visão de um lado e um loop de chamada de ferramentas do outro.

A diferença de tamanho é menor do que os nomes sugerem.

• Nomenclatura — "27B" é uma designação arredondada. O repositório Qwen informa 28B em tensores BF16 quando o codificador de visão é contabilizado; o backbone de texto tem 27B em 64 camadas, com uma dimensão oculta de 5.120 e um vocabulário de 248.320 entradas.

• A nomenclatura de Xing — "29B-A4B" são dois números, não um: 29B no total e 4B ativos. O repositório reporta 31B em tensores de precisão completa.

• Aquilo pelo que você realmente paga — O Q​wen 3.8 27B é denso, então todos os 27B são executados por token. O Xing 4.0 lê 4B de 29B por token. Em hardware e tamanho de lote idênticos, o Xing é drasticamente mais barato por token gerado, e o Q​wen é drasticamente mais previsível.

• Contexto — O Qwen 3.8 27B possui 262.144 posições nativas, extensíveis até 1.000.000, com um teto recomendado de 262.144 tokens de raciocínio e 131.072 para a resposta final. O Xing 4.0 possui 256K, com extensão alegada até 512K. Comparáveis na configuração padrão; a extensão publicada do Qwen vai duas vezes mais longe.

Arquitetura: duas apostas que não se parecem entre si

O Qwen 3.8 27B é construído sobre um layout de atenção híbrido — dezesseis blocos de três camadas Gated DeltaNet seguidas por uma camada Gated Attention completa, uma proporção de três para um entre atenção linear e quadrática — e é treinado com múltiplos passos de MTP. A pilha é densa e fortemente baseada em atenção linear, e é isso que permite a um modelo denso de 27B suportar uma janela de 262K sem o custo de KV-cache que um transformer padrão incorreria.

Xing 4.0 29B-A4B é um modelo esparso de mistura de especialistas da linhagem DeepSeek: atenção latente comprimida MLA em todo o modelo, 64 especialistas roteados com 4 ativos por token mais um especialista compartilhado, e fluxos residuais de hiperconexão com restrição de variedade — um layout residual de quatro fluxos para o qual frameworks de serving precisam de kernels personalizados. Ele também é treinado com MTP, então ambos os modelos carregam sua própria cabeça de decodificação especulativa no checkpoint, em vez de fornecer um arquivo de drafter separado.

A consequência para um profissional é pouco glamourosa e importante. O Qwen 3.8 27B é um modelo denso com atenção incomum, que a maioria das stacks de serving trata com um esforço modesto. O suporte confirmado do Xing 4.0 é vLLM, SGLang e KTransformers, com o SGLang trazendo um kernel escrito especificamente para o layout de hiperconexão de quatro fluxos. Um design sob medida de fluxo residual é um custo de integração real na primeira vez, e recorrente sempre que você quantiza, faz fine-tuning ou altera o formato do seu batch.

Para que cada modelo realmente serve

Aqui a comparação deixa de ser uma comparação, porque os dois modelos não foram criados para a mesma função e suas tabelas de benchmark não se sobrepõem o suficiente para fingir o contrário.

• Engenharia de software — Xing 4.0 SWE-bench Verified 75,00 contra o SWE-bench Pro 61,7 do Qwen 3.8 27B. São benchmarks diferentes, então a diferença entre eles não significa nada por si só. A linha comparável é que o Qwen informa QwenSWEBench 79,0 e DeepSWE 1.1 42,2, que a ficha do Xing nunca aborda.

• Programação em terminal e com agentes — Xing 4.0 Terminal-Bench 2.1 57,50 contra Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73,0. Mesmo nome de benchmark, detalhe de harness diferente, ambos reportados pelos fornecedores. Nos números publicados, o Qwen está mais de 15 pontos à frente.

• Uso de computador e agentes de visão e linguagem — Qwen 3.8 27B OSWorld-Verified 84,3, WebArena-Verified 64,8, AndroidWorld 81,9, MathVision 90,0 sem cadeia de pensamento e 94,6 com ela, OmniDocBench 1.5 91,1, RealWorldQA 85,9. Xing 4.0 não tem nenhum benchmark multimodal porque não tem capacidade multimodal. Isto não é uma lacuna na tabela; é uma lacuna no produto.

• Chamada de ferramentas e agentes de longo horizonte — Xing 4.0 Claw-Eval 76,55, Tau3-Bench 64,63, DeepresearchBII 60,80. Qwen 3.8 27B CoWorkBench 70,7, o Agents' Last Exam com 20,4 pass@1 e pontuação 42,9, JobBench 33,4. Novamente: suítes diferentes, sem sobreposição, sem comparação disponível.

• Raciocínio geral e conhecimento — Qwen 3.8 27B GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, IFBench 79,5. O cartão do Xing 4.0 relata apenas IFBench 69,67 nessa lista — quase dez pontos atrás do Q​wen, e a única linha de propósito geral em que ambos os fornecedores publicaram um número.

Leia as tabelas como dois documentos diferentes sobre dois produtos diferentes. A da Qwen aborda um modelo multimodal que realiza trabalho de uso de computador por meio de uma interface de captura de tela. A da Xing aborda um modelo de texto criado para sustentar um longo ciclo de chamadas de ferramentas. A única linha em que eles realmente colidem — IFBench, seguimento de instruções — vai para a Qwen por 9,8 pontos.

Dois fornecimentos, uma ressalva compartilhada

Nenhum dos modelos tem uma avaliação independente. Os números do Qwen 3.8 27B são da Alibaba, publicados no cartão do modelo com as configurações do harness, e os do Xing 4.0 são da China Telecom, publicados da mesma forma. Em ambos os casos, as colunas de comparação das tabelas são novas execuções dos modelos rivais feitas pelo próprio laboratório de origem, e não os números publicados por esses rivais — uma prática quase universal e que vale a pena recordar sempre que a tabela de um fornecedor mostra um rival a perder por muito.

O Qwen 3.8 27B tem algo que o Xing 4.0 não tem, e não é uma linha de benchmark: oito semanas em aberto, incluindo um port comunitário do llama.cpp que, segundo relatos, roda os pesos na GPU de um PlayStation 5 desbloqueado a cerca de 20 tokens por segundo. Esse tipo de trabalho de terceiros é o mais próximo que os pesos abertos têm de uma auditoria independente, e o Xing 4.0 já tem um mês disso até agora, a maior parte do qual foi dedicada a pull requests de frameworks de serving, em vez de avaliação.

Custo, auto-hospedado e medido

Ambos são Apache 2.0, então o preço de download é zero e permanece zero em ambos os lados. Qwen 3.8 27B é denso e precisa da memória de um modelo denso de 27B mais uma torre de visão; o piso prático é uma placa de 24GB em baixa precisão, com um download de precisão total de 55,6GB. A coleção do Xing 4.0 afirma uma quantização de 4 bits em cerca de 15GB de VRAM — uma afirmação que vale a pena verificar em relação ao tamanho real do arquivo GGUF, já que o repositório de precisão total relata 31B em tensores.

Do lado medido, o Qwen 3.8 27B é o que é realmente chamável aqui. O OrcaRouter aloja qwen/qwen3.8-27b a $0,33 por milhão de tokens de entrada e $2,40 por milhão de saída, com os pesos abertos servidos na nossa própria infraestrutura, razão pela qual esse preço se mantém e uma alteração do lado do fornecedor não o faria. O Qwen 3.8 27B também está disponível a $0,40 e $4,21 por milhão através de uma implementação FP8 da comunidade no nosso catálogo que mantém a torre de visão em precisão total — um lembrete útil de que dois anúncios do mesmo modelo aberto não são o mesmo produto. O Xing 4.0 não está no nosso catálogo, por isso é na própria API do fornecedor e em plataformas de terceiros que se procura, e não vamos fingir o contrário.

Onde um roteador vale a pena numa comparação como esta é na própria decisão. Uma única API à frente de mais de 200 modelos com 0% de markup significa que testar um concorrente é uma regra de roteamento, e não uma segunda integração, e o failover automático significa que o teste nunca coloca o caminho de produção em risco: o primário responde, o fallback absorve tudo o que o primário descartar, e todo o experimento é excluído da configuração quando termina. A fusão de modelos vai um passo além e permite que um painel de modelos responda em conjunto quando a confiança de um único modelo numa tarefa é justamente o que você não quer confiar.

Como decidir

Escolha o Qwen 3.8 27Bse algo no seu pipeline envolver uma imagem, uma captura de tela, um documento digitalizado, um quadro de vídeo ou um loop de uso do computador. É o único dos dois que consegue fazer esse trabalho. Seus números de benchmark de uso de computador são os mais fortes publicados nessa classe de peso, e ele pode ser chamado hoje em regime de uso medido. Também é a opção padrão mais segura em seguir instruções, que é o modo de falha que mais custa em um pipeline voltado ao cliente.

Opte pelo Xing 4.0 29B-A4B se sua carga de trabalho for texto puro, sua carga de trabalho for um longo loop de chamadas de ferramentas, e você puder se dar ao luxo de verificar as alegações do fornecedor por conta própria. O argumento de throughput por placa é real no papel: a pegada de memória de um modelo de 29B com a aritmética de um modelo de 4B, sob um termo de licenciamento que sua equipe jurídica já conhece. A incerteza é igualmente real — nenhuma avaliação independente, nenhuma linha de raciocínio geral publicada, e uma pontuação de seguimento de instruções quase dez pontos atrás do concorrente no único benchmark que ambos os laboratórios escolheram divulgar.

Para a maioria das equipes, a resposta não é uma escolha de modo algum. O Qwen 3.8 27B dá conta de tudo que envolve uma imagem ou uma tela; o Xing 4.0 dá conta dos ciclos de agente somente de texto, em que a aritmética por token é a restrição. Executar ambos por um único endpoint é mais barato do que decidir entre eles com base em evidências que nenhum dos fornecedores publicou, e a primeira avaliação independente do Xing 4.0 é o evento que transformaria isto numa comparação real, em vez de um inventário daquilo que cada laboratório escolheu medir.

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.