Xing 4.0 29B-A4B против Qwen 3.8 27B: зрение против вызова инструментов

Две модели настолько близки по размеру, что в таблице закупок они оказались бы в одной строке: Qwen 3.8 27B — это плотная мультимодальная модель Alibaba на 27 миллиардов параметров, 28B с учётом визуального энкодера, выпущенная под Apache 2.0 в августе 2026 года, с 262 144 нативными позициями и нативным вводом изображений и видео; Xing 4.0 29B-A4B — это разреженная модель China Telecom на основе смеси экспертов с 29 миллиардами параметров, 4B активных на токен, текст на входе и текст на выходе, чьи веса были опубликованы 16 сентября 2026 года и которая стала доступна для вызова только в середине октября. Обе под Apache 2.0, обе с открытыми весами, и обе демонстрируют показатели, которые год назад выглядели бы как фронтирные результаты. Они также не заменяют друг друга ни в одной сколько-нибудь значимой рабочей нагрузке, и причина — одна строка в спецификации каждой из них: есть ли визуальный энкодер с одной стороны и цикл вызова инструментов с другой.

Разница в размерах меньше, чем можно подумать по названиям.

• Название — «27B» — это округлённая метка. Репозиторий Qwen сообщает о 28B в тензорах BF16, если учесть визуальный энкодер; текстовый бэкбон — это 27B на 64 слоях при размере скрытого слоя 5 120 и словаре из 248 320 записей.

• Маркировка Xing — «29B-A4B» — это две цифры, а не одна: всего 29B и 4B активных. Репозиторий сообщает о 31B в тензорах полной точности.

• За что вы на самом деле платите — Qwen 3.8 27B — плотная модель, поэтому все 27B параметров задействуются на каждый токен. Xing 4.0 читает 4B из 29B на каждый токен. При одинаковом оборудовании и размере батча Xing значительно дешевле в расчёте на сгенерированный токен, а Qwen значительно предсказуемее.

• Контекст — Qwen 3.8 27B поддерживает 262 144 нативные позиции с возможностью расширения до 1 000 000; рекомендуемый максимум — 262 144 токена на рассуждения и 131 072 на финальный ответ. Xing 4.0 поддерживает 256K с заявленной возможностью расширения до 512K. В конфигурации по умолчанию они сопоставимы; опубликованное расширение Qwen идёт вдвое дальше.

Архитектура: две ставки, которые не похожи друг на друга

Qwen 3.8 27B построена на гибридной схеме внимания — шестнадцать блоков из трёх слоёв Gated DeltaNet, за которыми следует один полный слой Gated Attention, — это соотношение линейного внимания к квадратичному три к одному, и обучение проходит с несколькими шагами MTP. Стек плотный и с преобладанием линейного внимания, что и позволяет плотной модели 27B поддерживать окно в 262K без затрат на KV-кэш, которые возникли бы у стандартного трансформера.

Xing 4.0 29B-A4B — это разреженная модель смеси экспертов в русле DeepSeek: повсюду сжато-латентное внимание MLA, 64 маршрутизируемых эксперта с 4 активными на токен плюс общий эксперт и остаточные потоки с гиперсвязями, ограниченными многообразием, — четырёхпоточная схема остатков, для которой сервинг-фреймворкам требуются собственные ядра. Она также обучена с MTP, поэтому обе модели несут собственную голову спекулятивного декодирования в чекпоинте, а не поставляются с отдельным файлом драфтера.

Последствие для практикующего специалиста неброское и важное. Qwen 3.8 27B — это плотная модель с необычным механизмом внимания, с которым большинство стеков обслуживания справляются с умеренными усилиями. Подтверждённая поддержка Xing 4.0 — это vLLM, SGLang и KTransformers, причём SGLang несёт ядро, написанное специально для четырёхпоточной схемы гиперсоединений. Специализированный дизайн остаточного потока — это реальные затраты на интеграцию в первый раз и повторяющиеся каждый раз, когда вы выполняете квантование, дообучение или меняете форму батча.

Для чего на самом деле предназначена каждая модель

Здесь сравнение перестаёт быть сравнением, потому что две модели создавались для разных задач, и их таблицы бенчмарков пересекаются недостаточно, чтобы это можно было подделать.

• Разработка программного обеспечения — Xing 4.0 на SWE-bench Verified — 75.00 против 61.7 на SWE-bench Pro у Qwen 3.8 27B. Это разные бенчмарки, поэтому разрыв между ними сам по себе ничего не значит. Сопоставимая строка — Qwen сообщает QwenSWEBench 79.0 и DeepSWE 1.1 42.2, а карточка Xing их вообще не затрагивает.

• Терминальное и агентное программирование — Xing 4.0: 57.50 в Terminal-Bench 2.1 против 73.0 у Qwen 3.8 27B в Terminal Bench 2.1 (Terminus). Одно и то же название бенчмарка, разные детали харнесса, оба — по данным вендоров. Судя по опубликованным цифрам, Qwen опережает более чем на 15 пунктов.

• Использование компьютера и визуально-языковые агенты — Qwen 3.8 27B: OSWorld-Verified 84,3, WebArena-Verified 64,8, AndroidWorld 81,9, MathVision 90,0 без цепочки рассуждений и 94,6 с ней, OmniDocBench 1.5 91,1, RealWorldQA 85,9. Xing 4.0 вообще не имеет мультимодального бенчмарка, потому что у него нет мультимодальных возможностей. Это не пробел в таблице; это пробел в продукте.

• Вызов инструментов и агенты с длинным горизонтом — Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Qwen 3.8 27B CoWorkBench 70.7, Agents' Last Exam — 20.4 pass@1 и 42.9 балла, JobBench 33.4. И снова: разные наборы тестов, нет пересечения, сравнение недоступно.

• Общие рассуждения и знания — Qwen 3.8 27B GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, IFBench 79,5. В карточке Xing 4.0 из этого списка указан только IFBench 69,67 — почти на десять пунктов меньше, чем у Qwen, и это единственная строка общего назначения, где оба производителя опубликовали показатель.

Читайте таблицы как два разных документа о двух разных продуктах. Таблица Qwen описывает мультимодальную модель, которая выполняет работу с компьютером через интерфейс скриншотов. Таблица Xing описывает текстовую модель, созданную для того, чтобы выдерживать длинный цикл вызовов инструментов. Единственная строка, где они действительно пересекаются, — IFBench, следование инструкциям, — достаётся Qwen с перевесом в 9,8 пункта.

Два варианта сорсинга, одна общая оговорка.

Ни у одной из моделей нет независимой оценки. Цифры Qwen 3.8 27B принадлежат Alibaba и опубликованы на карточке модели вместе с настройками тестового стенда, а цифры Xing 4.0 — China Telecom, опубликованы таким же образом. В обоих случаях столбцы сравнения в таблицах — это собственные повторные прогоны конкурирующих моделей, выполненные лабораторией-разработчиком, а не опубликованные показатели этих конкурентов — практика, почти универсальная, и о ней стоит помнить каждый раз, когда таблица вендора показывает, что конкурент сильно проигрывает.

У Qwen 3.8 27B действительно есть то, чего не хватает Xing 4.0, и это не строчка в таблице бенчмарков: восемь недель в открытом доступе, включая созданный сообществом порт llama.cpp, который, как сообщается, запускал веса на GPU взломанной PlayStation 5 со скоростью около 20 токенов в секунду. Такая сторонняя работа — самое близкое к независимому аудиту, что есть у открытых весов, а у Xing 4.0 такая работа идёт пока всего месяц, и большая её часть ушла на пул-реквесты в сервинг-фреймворки, а не на оценку.

Стоимость, самостоятельный хостинг и оплата по факту использования

Оба распространяются под Apache 2.0, поэтому цена загрузки равна нулю и остаётся нулевой с обеих сторон. Qwen 3.8 27B — плотная модель, и ей требуется память плотной модели на 27B плюс визуальная башня; практический минимум — карта на 24GB при низкой точности, а полная версия для скачивания занимает 55.6GB. Коллекция Xing 4.0 заявляет 4-битную квантизацию примерно в 15GB видеопамяти — утверждение, которое стоит проверить по фактическому размеру файла GGUF, поскольку репозиторий с полной точностью сообщает о 31B в тензорах.

На платной стороне Qwen 3.8 27B — это та модель, которую здесь действительно можно вызвать. OrcaRouter размещает qwen/qwen3.8-27b по цене $0.33 за миллион входных токенов и $2.40 за миллион выходных, при этом открытые веса обслуживаются на нашей собственной инфраструктуре — именно поэтому такая цена сохраняется и поэтому же изменение на стороне вендора на неё не повлияет. Qwen 3.8 27B также доступен по цене $0.40 и $4.21 за миллион через общественное развёртывание FP8 в нашем каталоге, которое сохраняет визуальный модуль в полной точности — полезное напоминание о том, что два листинга одной и той же открытой модели — это не один и тот же продукт. Xing 4.0 отсутствует в нашем каталоге, поэтому искать его следует в собственном API вендора и на сторонних платформах, и мы не собираемся делать вид, что это не так.

В подобном сравнении роутер ценен именно на этапе принятия решения. Один API перед более чем 200 моделями с нулевой наценкой означает, что попробовать конкурента — это правило маршрутизации, а не вторая интеграция, а автоматическое переключение при сбое означает, что испытание никогда не ставит под угрозу продакшн-путь: основная модель отвечает, резервная поглощает всё, что основная пропускает, а весь эксперимент удаляется из конфигурации по его завершении. Объединение моделей идёт на шаг дальше и позволяет панели моделей отвечать вместе, когда уверенность одной модели в задаче — это то, чему вы не доверяете.

Как решить

Выбирайте Qwen 3.8 27B если что-либо в вашем пайплайне включает изображение, скриншот, отсканированный документ, видеокадр или цикл работы с компьютером. Это единственная из двух, которая вообще способна выполнять такую работу; её показатели в бенчмарках по работе с компьютером — самые высокие из опубликованных в этом весовом классе, и её можно вызывать на основе оплаты за использование уже сегодня. Она также является более безопасным выбором по умолчанию в отношении следования инструкциям — это тот тип ошибок, который обходится дороже всего в клиентском пайплайне.

Выбирайте Xing 4.0 29B-A4B, если ваша рабочая нагрузка — это чистый текст, ваша рабочая нагрузка — это длинный цикл вызова инструментов, и вы можете позволить себе самостоятельно проверить заявления вендора. Аргумент о пропускной способности на карту реален на бумаге: объём памяти модели на 29B при арифметике модели на 4B, при условиях лицензирования, которые ваша юридическая команда уже знает. Неопределённость столь же реальна — нет независимой оценки, не опубликованы строки с общими рассуждениями, а оценка следования инструкциям почти на десять пунктов ниже, чем у конкурента, в единственном бенчмарке, по которому обе лаборатории решили отчитаться.

Для большинства команд ответ вообще не является выбором. Qwen 3.8 27B справляется со всем, где есть изображение или экран; Xing 4.0 справляется с текстовыми агентными циклами, где ограничением является арифметика на токен. Запускать оба через одну конечную точку дешевле, чем выбирать между ними на основе доказательств, которые не опубликовал ни один из вендоров, а первая независимая оценка Xing 4.0 — это событие, которое превратило бы это в настоящее сравнение, а не в перечень того, что решила измерять каждая лаборатория.

Ничего из этого не гипотетично: задокументированные сбои ИИ и инциденты с агентами, стоящие за такими релизами, как этот, собраны в OrcaRouter AI Incident Archive, где каждая запись содержит собственные источники, уровень серьёзности, класс уверенности и флаг оспаривания.