Xing 4.0 29B-A4B kan nu anropas: China Telecoms öppna MoE lämnar labbet

Vikterna för Xing 4.0 29B-A4B har gått att ladda ner från X​ingChen-AGIorganisationen på Hugging Face sedan den 16 september 2026 — den delen är ingen nyhet. Det som förändrades i mitten av oktober är snävare och mer användbart: modellen blev något man kan anropa i stället för något man bara kan hosta. En offentlig kommersiell listning för Xing4.0-29B-A4B dök upp den 15–16 oktober med ett kontextfönster på 262 144 tokens och en kostnadsfri kampanjnivå, de kvantiserade byggena kom i kapp den 13 oktober, och serveringsramverken blev klara: SGLangs support-pull request gick från utkast till redo att slås samman, vLLM har redan arkitekturen, och modellkortet nämner nu OpenCode, C​laude Code, OpenClaw och Hermes som anpassade agentramverk. Den här artikeln handlar om vad som faktiskt släpptes, vad China Telecoms eget modellkort hävdar, och vilka av dessa påståenden som ingen utanför labbet har kontrollerat ännu.

Två datum, och varför bara ett av dem spelar roll idag

Repots historik är entydig. X​ingChen-AGI/Xing4.0-29B-A4B fick sin första commit den 16 september 2026, med en uppladdning av vikter samma dag och en README nästa morgon. Apache-2.0-vikterna har varit offentliga i en månad. En första version av en artikel som skrevs den 17 oktober och som tillkännagav denna modell som ny skulle vara felaktig, och det är exakt det fel som den tidigare rapporteringen i den här serien redan har behövt rätta — inläggen från läcktiden spårade en namnändring från XingChen4 till Xing4_0 över sex pull requests i ramverk innan något gick att ladda ner.

Så betrakta 16 september som releasedatum. Utvecklingen i oktober handlar om tillgänglighet: fram till dess innebar användningen av modellen att hyra eller äga hårdvaran. Nu är det inte längre så.

Vad modellen faktiskt är

Xing 4.0 29B-A4B är efterföljaren till TeleChat-serien, utvecklad av China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — och publicerad under Apache 2.0. Det är en gles mixture-of-experts-modell: 29 miljarder parametrar i checkpointen, ungefär 4 miljarder lästa per genererad token. Modellkortet beskriver arkitekturen som "mHC + MLA + MTP", och de konfigurationsdetaljer som spelar roll är följande:

• Form — 40 lager, dold storlek 3 584, tät FFN-mellanstorlek 9 216, expertmellanstorlek 1 024, ordförråd 131 072.

• Experter — 64 routade experter med 4 aktiva per token, plus 1 alltid påslagen delad expert. Den delade experten är anledningen till att antalet aktiva inte är 4/64-delar av totalen.

• Uppmärksamhet — MLA (multi-head latent attention), det komprimerade KV-schemat som härstammar från DeepSeek-linjen snarare än vanlig grouped-query-attention.

• Kontext — 256K nativt, på kortet beskrivet som utbyggbart till 512K. I den kommersiella förteckningen anges 262,144 positioner.

• Spekulativ avkodning — MTP, förutsägelse av flera token, inlärt snarare än påmonterat.

• Licens och format — Apache 2.0, med bfloat16-safetensors, FP8, w8a8 och GGUF-byggen publicerade av samma organisation.

mHC-delen är den som verkligen är ovanlig. Det står för mångfaldsbegränsade hyper-connection-residualströmmar, och det är anledningen till att modellen dyker upp i kod för serveringsramverk som något annat än en standardtransformer: ramverken behöver anpassade kärnor för den, och SGLangs implementering levererar en split-K-kärna specifikt för layouten med hyper-connection i fyra strömmar. Om du är en praktiker som försöker avgöra om det är värt besväret, så är den ärliga sammanfattningen att detta är en modell med en verklig arkitektonisk satsning i sig, inte en standard-mixture-of-experts med ett nytt namn.

Siffrorna – och vem som tog fram dem

Allt nedan kommer från China Telecoms eget modellkort. Inget av det har oberoende reproducerats, och kortet självt anger testramverket och samplingsinställningarna bakom varje rad, vilket är mer öppenhet än vad de flesta leverantörer frivilligt lämnar ut. Läs det som en leverantörs påstående, inte som ett uppmätt faktum.

• SWE-bench Verified — 75,00, körd i SWE-agent-ramverket med ett kontextfönster på 210K.

• Terminal-Bench 2.1 — 57,50, terminus-2 agent, max 64K tokens, timeout på 24 timmar, genomsnitt över tre körningar.

• SWE-bench Multilingual — 66,00, samma testramverk som Verified.

• Claw-Eval — 76,55, officiell testrigg, 256K kontext, genomsnitt av tre körningar.

• Tau3-Bench — 64,63, officiellt testramverk, pass^1 i genomsnitt över fyra körningar.

• DeepresearchBII — 60,80, OpenCode-harness med en Exa MCP-server aktiverad.

• AIME2026 — 90,00, medelvärde över fem körningar. IFBench — 69,67. AA.LCR — 61,00.

Två av dessa är värda att dröja vid. En modell med 4B aktiva parametrar som uppger 75 på SWE-bench Verified och 57,5 på Terminal-Bench 2.1 gör anspråk på att befinna sig i ett område som upptas av modeller som är flera gånger så stora som dess aktiva storlek, och båda siffrorna är agentiska – det vill säga att de i hög grad är beroende av harness-scaffolding, inte bara av modellen. Modellkortet är uppfriskande specifikt om scaffoldingen, men att vara specifik om en harness är inte samma sak som en oberoende körning av den.

Där det vinner på sin egen tabell, och där det inte gör det

Kortet benchmarkar sig mot Gemma4-26B-A4B och Qwen3.6-35B-A3B. Enligt China Telecoms egna siffror är bilden inte en ren utklassning, vilket i sig är informativt:

• Mot Gemma4-26B-A4B — Xing 4.0 vinner SWE-bench Verified med 75,00 mot 53,00, Terminal-Bench 2.1 med 57,50 mot 30,00, SWE-bench Multilingual med 66,00 mot 51,00, Claw-Eval med 76,55 mot 71,49, Tau3-Bench med 64,63 mot 58,90 och DeepresearchBII med 60,80 mot 39,30. Den förlorar IFBench med 69,67 mot 72,67 och AA.LCR med 61,00 mot 66,00, och ligger efter i AIME2026 med 1,7 poäng.

• Mot Qwen3.6-35B-A3B — Xing 4.0 vinner Claw-Eval, Terminal-Bench 2.1 och DeepresearchBII, och förlorar SWE-bench Verified 75,00 mot 76,00, Tau3-Bench 64,63 mot 67,20 och AIME2026 90,00 mot 92,70.

Mönstret är konsekvent: starkt på de agentiska och terminalformade utvärderingarna, svagare på instruktionsföljning och resonemang över långa kontexter. De där upprepade körningarna av konkurrentmodellerna utfördes av China Telecom, inte av leverantörerna som byggde dem, så jämförelsen är internt konsekvent men inte oberoende i någon riktning. (En tidigare artikel i den här serien behandlar Gemma 4-sidan av den tabellen i detalj.)

Ett träningspåstående värt att flagga separat

Xing 4.0 tränades på Ascend-NPU:er med MindSpore och MindFormers, inte på GPU:er med PyTorch. Kortet hävdar en genomströmningsförbättring på ungefär 96 % jämfört med sin egen baslinje, uppnådd genom MoE-kommunikationsoptimering, selektiv återberäkning, DVM-grafoperatorfusion och handskrivna Ascend C-kärnor för mHC-operatorerna. Den siffran är ett påstående om träningsinfrastruktur avseende en intern baslinje, vilket i praktiken gör den omöjlig att verifiera utifrån — det finns ingen offentlig referenspunkt för "baslinje" här. Det är ändå det mest intressanta ingenjörsuttalandet i släppet: en komplett frontier-nära MoE tränad från början till slut på en icke-NVIDIA-stack, med operatorarbetet utfört internt.

Vad det kostar att driva

Eftersom licensen är Apache 2.0 är nedladdningspriset noll och förblir noll. Hårdvaran är den verkliga kostnaden. Beskrivningstexten för samlingen påstår en 4-bitars kvantisering på ungefär 15 GB VRAM, vilket skulle rymmas på ett RTX 3090- eller 4090-kort; den siffran är ett leverantörspåstående och ter sig märklig i förhållande till den tensorstorlek på 31B parametrar som repositoriet rapporterar för den fullständiga checkpointen, så verifiera den mot den faktiska kvantiserade filen innan du köper ett kort baserat på den. De vägar som stöds är SGLang, vLLM och KTransformers för inferens, med LLaMA-Factory och MindFormers för finjustering.

För den som helst inte vill köra det själv finns det nu en avgiftsbelagd väg: den kommersiella listning som dök upp i mitten av oktober erbjuder modellen en kontext på 262 144 tokens, en maximal completion på 235 929 tokens och hela samplingsytan inklusive verktygsanrop, strukturerade utdata och ett växlingsbart resonemangsläge. Under kampanjfönstret listas en gratisvariant av samma endpoint, vilket är det billigaste möjliga sättet att ta reda på om leverantörens SWE-bench-rad överlever kontakten med ditt eget kodförråd. Som alltid med en helt ny listning bör du kontrollera vad du faktiskt dirigeras till innan du lägger den i en produktionsväg — gratisnivån och betalnivån är ofta olika driftsättningar.

Vad man ska kalla det, och hur vi passar in

För att vara tydliga med vår egen position: Xing 4.0 29B-A4B finns inte i OrcaRouters katalog i dag, så vi är inte en väg till den, och den här artikeln kommer inte att låtsas något annat. Om du vill ha den är alternativen leverantörens eget API, de tredjepartsmarknadsplatser som nyligen har listat den, eller din egen hårdvara.

Där en router förtjänar sin plats här är på andra sidan av beslutet. Den realistiska vägen för de flesta team är att köra den här modellen i en sidecar, på en lågriskväg, tillräckligt länge för att se om dess agentiska styrka är verklig i deras egna uppgifter – medan produktionstrafiken fortsätter köra på modeller som du redan har validerat. OrcaRouter är ett API framför fler än 200 hostade modeller med 0 % påslag, med ett routing-DSL och automatisk failover, vilket innebär att utvärderingen är en konfigurationsändring snarare än ett andra kontrakt: routern fortsätter att betjäna den befintliga lösningen, och du lägger till utmanaren där den har förtjänat rätten att svara. När en leverantörsprissänkning landar på en modell som vi faktiskt erbjuder, är det priset live hos oss samma dag, eftersom vi för vidare leverantörens listpris och inte lägger på något.

Vad är fortfarande overifierat

Fyra saker, i ordning efter hur mycket de skulle ändra bedömningen. För det första: alla nio benchmark-rader är leverantörsrapporterade och ingen har en tredjepartsreproduktion. För det andra: utökningen från 256K till 512K är ett påstående i modellkortet utan något publicerat recept för själva utökningen. För det tredje: benchmark-tabellens konkurrentkolumner är leverantörens egna omkörningar, så vinstmarginalerna är inte jämförbara med konkurrenternas egna publicerade siffror — G​emma 4:s kort rapporterar till exempel inte SWE-bench Verified alls, så det finns ingen korsverifiering tillgänglig. För det fjärde: siffran "93.52 på SuperCLUE" som har cirkulerat i samband med den här lanseringen förekommer i en samlingsblurb snarare än i modellkortets egen tabell, och bör behandlas som utan källa tills den inte längre är det.

Det mest användbara du kan göra med den här modellen i oktober 2026 är det som tillkännagivandet inte gör för dig: ställ din egen svåraste agentiska uppgift framför den och se om den terminal-bench-formade styrkan överlever utanför en harness-tabell. Om den gör det är en 4B-aktiv Apache-2.0-modell som körs på ett konsumentgrafikkort verkligen något användbart att äga. Om den inte gör det har du lagt en helg och en GPU på det. Nästa milstolpe att hålla ögonen på är den första oberoende utvärderingskörningen på vikterna – inte ännu en pull request för ramverket, vilket nu är ett löst problem.

Inget av detta är hypotetiskt: de dokumenterade AI-felen och agentincidenterna bakom släpp som detta samlas i OrcaRouter AI Incident Archive, där varje post har sina egna källor, allvarlighetsgrad, tillförlitlighetsgrad och omtvistad flagga.