Xing 4.0 29B-A4B vs Gemma 4 26B-A4B: Två glesa modeller, en har ett API

Båda dessa modeller är sparsamma mixture-of-experts-checkpoints som aktiverar ungefär fyra miljarder parametrar per token, och båda är Apache 2.0. Det är där likheten slutar vara till nytta. Xing 4.0 29B-A4B är China Telecons textbaserade, agentorienterade MoE – 29B totalt, 4B aktiva, vikter publicerade den 16 september 2026 och fick en anropbar kommersiell endpoint först i mitten av oktober. Gemma 4 26B A4B är G​oogle DeepMinds multimodala sparsamma modell – 25,2B totalt, 3,8B aktiva i den instruktionstränade checkpointen, vikter offentliga sedan den 11 mars 2026 – och den har varit tillgänglig via hostad inferens för sex cent per miljon indatatokens i flera månader. Om du väljer mellan dem är den ärliga formuleringen inte "vilken är smartare" utan "vilken kan du faktiskt lägga in i en produktionskedja den här veckan, och vad ger du upp för det."

Ettradssvaret

Gemma 4 26B A4B, om inte din arbetsbelastning är en kodnings- eller terminalagent som körs på din egen hårdvara. Xing 4.0:s hela pitch är agentisk styrka per aktiv parameter, och i China Telecoms egen tabell vinner den de agentiska raderna med enorma marginaler. Gemma 4 vinner på tillgänglighet, modalitet, pristransparens och det enkla faktum att dess siffror publicerades av företaget som byggde den, medan rivalens jämförelsekolumn inte gjorde det.

Specifikationer, dimension för dimension

• Storlek — Xing 4.0 29B totalt / 4B aktiva vs G​emma 4 25,2B totalt / 3,8B aktiva. Namnet på G​emma-kortet är en avrundad etikett; de faktiska siffrorna är de som G​oogle anger.

• Expertlayout — Xing 4.0: 64 routade experter, 4 aktiva, plus 1 delad. G​emma 4: 128 experter totalt, 8 aktiva, plus 1 delad. G​emma har den finkornigare routningen; Xing har den sparsammare läsningen.

• Uppmärksamhet — Xing 4.0 använder MLA, multi-head latent uppmärksamhet, med komprimerat nyckel-värde-tillstånd. G​emma 4 använder hybrid-uppmärksamhet: lokala sliding-window-lager med ett fönster på 1 024 tokens som varvas med full global uppmärksamhet, och proportionell RoPE. Olika svar på samma KV-cache-problem.

• Djup och bredd — Xing 4.0: 40 lager, dold storlek 3 584, vokabulär 131 072. Gemma 4: 30 lager, vokabulär 262K.

• Kontext — Xing 4.0: 256K inbyggt, enligt kortet utbyggbart till 512K. Gemma 4: 256K. I praktiken lika, även om Gemmas långa kontextbeteende har haft åtta månaders tredjepartstestning och Xings inte har haft någon.

• Modalitet — Xing 4.0 är text in, text ut. Gemma 4 26B A4B tar in text, bild och video och returnerar text; dess vision-encoder är ungefär 550M parametrar. Detta är inte en liten skillnad om din arbetsbelastning berör dokument eller skärmbilder.

• Licens — Apache 2.0 på båda, inklusive patentlicensen. Genuint likvärdiga.

• Publiceringsdatum — Gemma 4 26B A4B: instruktionstränade vikter på Hugging Face sedan 11 mars 2026, med kvantiseringsmedvetna byggen under april och maj. Xing 4.0: första repository-commit 16 september 2026, kvantiserade byggen 13 oktober, värdbaserad listning 15–16 oktober.

• Hostat pris — Gemma 4 26B A4B listas på OrcaRouter till $0,06 per miljon indatatoken och $0,33 per miljon utdatatoken, med cachad inläsning av indata till $0,0075 per miljon. Xing 4.0 har ingen jämförbar publicerad taxa på en plattform vi kan peka på; noteringen i mitten av oktober hade en kostnadsfri kampanjnivå, och leverantörens egen rutt är det andra alternativet.

Benchmarkfrågan, som är rörigare än den ser ut

China Telecons modellkort jämför Xing 4.0 mot en kolumn märkt Gemma4-26B-A4B. Den kolumnen rapporterar SWE-bench Verified 53,00. Googles modellkort för den instruktionstränade checkpointen rapporterar inte SWE-bench Verified alls — den publicerade sviten är MMLU Pro, AIME 2026, LiveCodeBench v6, Codeforces ELO, GPQA Diamond, Tau2, HLE, MMMU Pro, MATH-Vision och ett långkontext-retrievaltest. Så 53,00 i den tabellen är inte Googles siffra. Det är China Telecons egen körning av Gemma 4 genom en SWE-agent-harness, och det är inget fel med det så länge man läser det som vad det är: ett labbs omkörning, utan något angivet försök att justera Gemmas scaffolding.

Med det förbehållet sagt en gång och genomfört i allt nedan, här är kontrasten på de rader där båda sidor har en publicerad siffra, plus de agentiska raderna där endast en har det.

• SWE-bench Verified — Xing 4.0 75,00 körd av leverantören mot G​emma 4 53,00 i ny körning av China Telecom; G​oogle publicerar ingen siffra för detta benchmark.

• Terminal-Bench 2.1 — Xing 4.0 57,50 mot Gemma 4 30,00, återigen leverantörens egen omkörning av Gemma.

• SWE-bench Multilingual — Xing 4.0 66.00 mot G​emma 4 51.00, samma härkomst.

• Claw-Eval — Xing 4.0 76.55 mot G​emma 4 71.49, officiell testrigg på båda sidor enligt kortet.

• Tau3-Bench — Xing 4.0 64,63 vs G​emma 4 58,90. G​oogle rapporterar Tau2 på 68,2 i sitt eget modellkort, vilket är en annan version av familjen och inte direkt jämförbar.

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

• IFBench — Xing 4.0 69,67 mot Gemma 4 72,67. Gemma vinner den här.

• AA.LCR — Xing 4.0 61.00 vs G​emma 4 66.00. G​emma vinner den här också.

• Där endast Google har siffror — MMLU Pro 82,6, GPQA Diamond 82,3, LiveCodeBench v6 77,1, MMMU Pro 73,8, Codeforces ELO 1 718. Xing 4.0:s kort rapporterar inget om någon av dessa, så det finns ingen grund för en jämförelse och frånvaron bör inte tolkas som en förlust.

Formen på skillnaden är konsekvent och den är inte slumpmässig: Xing 4.0 är stark på mjukvaruutveckling och terminalformade uppgifter och svagare på att följa instruktioner och resonemang med lång kontext. Det är ett medvetet designmål — kortets hela arkitekturavsnitt är inriktat på agentiskt arbete: flerstegsplanering, verktygsanrop, resonemangskedjor — och siffrorna stämmer med designen. Vad de inte säger dig är om den styrkan överlever en testrigg som inte valts av leverantören.

Vad Gemma-kolumnen inte kan berätta för dig, och inte heller Xings.

Notera asymmetrin i granskningen. Gemma 4 26B A4B har laddats ner mer än tio miljoner gånger från sitt arkiv och har en oberoende placering hos Artificial Analysis samt åtta månaders rapporter från utövare om var den glidande fönster-attentionen försämras. Xing 4.0 har 53 000 nedladdningar på en månad, ingen oberoende utvärdering och en enda labbs benchmark-tabell – och dess mest imponerande rader är de som är mest känsliga för val av utvärderingsramverk. När den ena sidan av en jämförelse har stresstestats av främlingar i åtta månader och den andra inte, förtjänar den nyare modellens rubriksiffror exakt det avdrag som detta faktum innebär. 75 och 57,5 kanske håller perfekt. Ingen utanför China Telecom vet ännu.

Kostnad, båda hållen

Argumentet för Gemma 4 26B A4B är ren aritmetik. Till $0.06 och $0.33 per miljon token på OrcaRouter, med en cachad läsning till $0.0075 per miljon, betalar en agent som bränner två miljoner utdatatoken per dag ungefär sextiosex cent för generering och småpengar för indatasidan, före cachning. Det finns inget krav på självhosting, inget hårdvarubeslut och ingen driftbörda. Eftersom OrcaRouter för vidare leverantörens listpris utan påslag, en prissänkning från leverantören på den här modellen når vår slutpunkt samma dag som den tillkännages – siffran i din faktura är leverantörens siffra.

Kalkylen för Xing 4.0 är kapitalintensiv snarare än marginell. Vikterna är fria och Apache-2.0, och samlingen hävdar en 4-bitars kvantisering som körs i ungefär 15 GB VRAM, vilket skulle göra att den ryms på ett RTX 3090 eller 4090. Det påståendet skorrar mot den tensorstorlek på 31B som repositoriet rapporterar för den fullständiga checkpointen, så kontrollera den faktiska kvantiserade filens storlek innan du planerar utifrån den. Att servera den innebär SGLang, vLLM eller KTransformers på hårdvara du äger, plus det integrationsarbete som följer med en skräddarsydd design för attention och residualström. Brytpunkten nås först vid varaktigt hög volym, eller när data inte alls kan lämna ditt nätverk.

Där en router hjälper till med en modell som vi inte hostar

Vi kommer att säga det uppenbara rakt ut: Xing 4.0 29B-A4B finns inte i OrcaRouters katalog, så vi är inte ett sätt att anropa den, och inget här bör läsas som en pitch för att använda oss för den. Det vi är, är ett sätt att hålla jämförelsen billig. Gemma 4 26B A4B hostas här; en utvärdering av en utmanare är en routingändring snarare än ett andra kontrakt, och automatisk failover håller produktionsvägen vid liv medan du riktar en del av trafiken mot något experimentellt. Routing-DSL:en finns till för exakt den här typen av problem — du skriver regeln en gång, och modellen bakom den är en variabel.

Vilken ska man välja?

Välj Gemma 4 26B A4B om du behöver multimodala indata, ett publicerat pris per token, en modell med åtta månaders oberoende testning bakom sig, eller helt enkelt något du kan ringa i eftermiddag. Det är det säkrare av de två med bred marginal, och vid sex cent per miljon indatatokens behöver kostnadsargumentet knappt framföras.

Ta Xing 4.0 29B-A4B om din arbetsbelastning är en kodnings- eller terminalagent, om du har GPU:n eller toleransen för en helt ny hostad endpoint, och om du är villig att köra din egen utvärdering innan du litar på tabellen. Den potentiella vinsten är verklig – en modell med minnesavtrycket hos en 29B och beräkningsprofilen hos en 4B, som på pappret uppvisar de starkaste agentiska raderna av allt i sin viktklass. Risken är lika verklig: var och en av dessa rader är en leverantörs påstående kopplat till en fyra veckor gammal checkpoint, och jämförelsekolumnen bredvid skapades av samma leverantör.

Om du vill ha mellanvägen är det en stack med två modeller snarare än ett val: Gemma 4 26B A4B hanterar den multimodala trafiken med hög volym och långa kontexter som den redan har visat sig klara av, och Xing 4.0 begränsas till kodagentvägen där dess påstådda fördel är störst och där ett felaktigt svar är billigt att upptäcka.

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.