Xing 4.0 29B-A4B vs Nemotron 3.5 Lightning 30B-A3B: Samma form, olika licens

Ställer man Xing 4.0 29B-A4B och N​emotron 3.5 Lightning 30B-A3B på samma rad, sammanfaller specifikationerna nästan: 29 miljarder parametrar mot 30 miljarder, fyra miljarder aktiva per token mot tre, en gles mixture-of-experts-layout på båda sidor, och ett uttalat designmål för agentiskt och verktygsanvändande arbete i båda modellkorten. De släpptes till och med med fem veckors mellanrum under samma sommar — N​VIDIAs allmänna tillgänglighetssläpp den 11 augusti 2026, China Telecoms vikter den 16 september 2026, med en anropbar slutpunkt som följde i mitten av oktober. Konvergensen är verklig och gör detta till det mest direkt jämförbara paret i den här serien. Det är också där likheten slutar, eftersom de två utgåvorna gör motsatta satsningar på kontextlängd, på uppmärksamhetsarkitektur och framför allt på licensiering — och ett av dessa tre är ett beslut som ditt juridiska team fattar, inte ditt ML-team.

Där specifikationerna verkligen matchar

• Totala parametrar — N​emotron 3.5 Lightning 30B totalt mot Xing 4.0 29B. En skillnad på en miljard parametrar på en modell med trettio miljarder är ingenting.

• Aktiva parametrar — N​emotron 3B per token mot Xing 4B per token. Detta är talet som avgör din genomströmning, och gapet är mycket mindre än vad namnskillnaden ("A3B" mot "A4B") får det att verka: ungefär en tredjedel mer aritmetik per token för Xing.

• Form — båda är sparse MoE, båda är fullständigt öppna artefakter i Apache-stil i den meningen att vikterna kan laddas ner och serveringsrecepten publiceras, båda med kvantiserade byggen från leverantören och communityn.

• Designbrief — båda korten är skrivna för agenter. Xing 4.0:s kort säger flerstegsplanering, verktygsanrop och resonemangskedjor; Nemotrons kort levereras tillsammans med NeMo Switchyard, ett routningsbibliotek med öppen källkod för att avgöra vilken modell som hanterar nästa steg i en agentloop. Två labb, samma slutsats om var små öppna modeller gör mest nytta.

• Publicering — N​emotron 3.5 Lightning nådde GA den 11 augusti 2026, och NVFP4- och basvarianter dök upp under de följande dagarna. Xing 4.0:s repo skapades den 16 september 2026, dess kvantiserade byggen lanserades den 13 oktober, och en avgiftsmätt slutpunkt dök upp den 15–16 oktober.

Där de slutar matcha: kontext, och hur du får tag i den

Detta är den största praktiska skillnaden mellan de två, och det är inte ens nära.

• Kontextfönster — N​emotron 3.5 Lightning: upp till 1M tokens. Xing 4.0: 256K inbyggt, enligt kortet utökningsbart till 512K.

• Vad det innebär i praktiken — NVIDIAs eget produktkort säger öppet att miljontokenfönstret är minnesbundet och att 256K är den validerade siffran på ett enda 80GB H100. Så den ärliga jämförelsen på driftsättningsnivå är 256K mot 256K, där Nemotron har en dokumenterad, leverantörsvaliderad väg till fyra gånger så mycket och Xing har ett påstående i sitt produktkort om två gånger så mycket.

• Design av attention — N​emotron 3.5 Lightning är en hybrid: Mamba-2-tillståndsrymdslager blandade med attention och MoE-routing. Xing 4.0 är MLA rakt igenom — komprimerat latent key-value-tillstånd, D​eepSeek-linjens metod — plus mångfaldsbegränsade hyper-connection-residualströmmar. Dessa är två olika strategier för samma KV-cache-problem, och ingen av dem är ett misstag.

• Spekulativ avkodning — Xing 4.0 har multi-token-prediktion inbyggd i checkpointen. N​emotron 3.5 Lightnings publicerade artefakter inkluderar varianter av draft-modeller i sin kvantiserade familj, som fyller ett liknande syfte, men MTP är en egenskap hos Xings vikter snarare än en medföljande fil.

• Precision — N​VIDIA publicerar BF16-checkpointen som en fullprecisionsreferens som uttryckligen är avsedd för anpassning och efterträning, med NVFP4-byggen för produktionsinferens. Xing 4.0 publicerar BF16, FP8, w8a8 och GGUF. Om du planerar att finjustera är båda lika väl lämpade; om du planerar att serva vill båda att du använder den kvantiserade artefakten.

Licensskillnaden är det verkliga beslutet

Nemotron 3.5 Lightning släpps under OpenMDW License Agreement, version 1.1 – NVIDIAs egen öppna modellicens, som förvaltas utanför företaget. Xing 4.0 släpps under Apache 2.0.

Båda tillåter kommersiell användning. De är inte likvärdiga dokument, och skillnaden visar sig i de delar av en driftsättning som ingenjörer sällan läser. Apache 2.0 är en mogen, flitigt tvistad, OSI-godkänd licens med en välbekant patentlicens och ett decennium av företagsrättslig praxis bakom sig; den är förhandsgodkänd hos de flesta stora organisationer. OpenMDW är nyare och mindre välbekant, vilket innebär att den första kommersiella driftsättningen av en N​emotron-modell i en reglerad eller företagsmiljö mer sannolikt kommer att gå igenom juridisk granskning än vad motsvarande driftsättning av Xing 4.0 skulle göra. Det är inte ett argument för att OpenMDW är restriktiv — det är ett argument för att bristande bekantskap har ett pris, och det priset betalas i veckor snarare än dollar. Om du väljer mellan dessa två enbart på tekniska grunder, ignorerar du den halva av beslutet som din juridiska avdelning äger.

Båda benchmarktabellerna är leverantörstabeller.

Det här är den del av jämförelsen där en läsare bör sakta ner. Ingen av modellerna har en oberoende utvärdering på ett utvärderingsramverk som valts av någon annan än leverantören.

• SWE-bench Verified — Xing 4.0 75,00 mot N​emotron 3.5 Lightning 51,56.

• SWE-bench Multilingual — Xing 4.0 66,00 mot N​emotron 3.5 Lightning 39,33.

• Terminal-Bench 2.1 — Xing 4.0 57,50 mot N​emotron 3.5 Lightning 24,58.

• Instruktionsföljning — Xing 4.0 IFBench 69,67 vs Nemotron 3.5 Lightning IFBench 71,88, rapporterat med den lösa inställningen.

• Allmän resonemangsförmåga — Nemotron 3.5 Lightning MMLU Pro 81,94, GPQA Diamond 75,44, HLE 11,72, SciCode 32,60, AA-Omniscience 17,50. Xing 4.0:s modellkort publicerar ingen jämförbar rad.

• Lång kontext — Xing 4.0 AA.LCR 61,00 vs Nemotron 3.5 Lightning AA-LCR 52,00. Xing vinner den enda långkontextraden där båda siffrorna finns, vilket är ett milt överraskande resultat med tanke på Nemotrons betydligt större angivna fönster.

• Agentisk surfning och hämtning — 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. Dessa sviter överlappar inte alls, så ingen jämförelse är möjlig, och varje tabell som ställer upp dem sida vid sida hittar på en.

Ursprunget bakom dem skiljer sig på ett intressant sätt. NVIDIA uppger att dess resultat mättes i en enhetlig intern testrigg och varnar för att de "kan skilja sig från siffror som rapporterats av leverantören" – och dess publicerade tabell innehåller konkurrentkolumner för Qwen 3.6 35B A3B, Gemma 4 26B A4B och GPT-OSS 20B, som är NVIDIAs egna omkörningar av dessa modeller. China Telecoms tabell gör samma sak i motsatt riktning och benchmarkar sig mot sina egna omkörningar av Gemma 4 och Qwen. Varje labb mäter sina konkurrenter i sin egen testrigg och publicerar resultatet som en jämförelsekolumn. Ingen av dem gör något ohederligt, och ingen av kolumnerna bör tolkas som konkurrentens egen siffra.

Kostnad och servering

Nemotron 3.5 Lightnings 1M-token-fönster har en verklig operativ konsekvens som ingenjörer upptäcker den hårda vägen: det är minnesbundet, och en begäran som överskrider tillgänglig KV-cache-kapacitet misslyckas hos leverantören i stället för att degraderas smidigt. Det är den typ av fel som en router är byggd för att absorbera – OrcaRouter gör om försök mot frisk reservkapacitet innan svaret börjar, så att ett out-of-memory-fel uppströms eller en 429 på ett anrop med lång kontext inte dyker upp som ett fel för användaren. Vi routar över 200 hostade modeller bakom ett enda API med 0 % påslag, leverantörens listpris förs vidare utan något påslag, och detta är felmoden där failover-kedjan slutar vara ett snyggt diagram och börjar vara anledningen till att din agent slutför sin uppgift.

Varken N​emotron 3.5 Lightning eller Xing 4.0 finns i vår katalog i dag, så vi är inte en väg till någon av modellerna och den här artikeln kommer inte att antyda något annat. Så här ser siffrorna ut om du kör dem själv: Xing 4.0:s 4-bitars kvantisering uppges ligga på ungefär 15 GB VRAM, vilket skulle placera den på ett enda RTX 3090 eller 4090; N​emotron 3.5 Lightnings minnesbundna beteende på ett enda 80 GB H100 är dokumenterat för dess validerade 256K-fönster, vilket är det mer krävande målet av de två. Xing 4.0 är den billigare modellen att hosta; N​emotron 3.5 Lightning är den med en dokumenterad väg till en mycket längre kontext om du har hårdvaran för det.

Hur man väljer

Välj N​emotron 3.5 Lightning 30B-A3B om kontextlängden är den begränsande faktorn, om du redan är inne i N​VIDIAs stack och NeMo Switchyard passar naturligt i din agentloop, eller om din organisation redan har godkänt OpenMDW för kommersiell användning. Det bredare fönstret, den publicerade basmodellvägen för anpassning och det faktum att dess utvärderingstabell täcker fjorton benchmarks i stället för nio pekar alla i samma riktning.

Välj Xing 4.0 29B-A4B om snabb licensklarering spelar roll, om ditt arbete är mjukvaruutveckling och terminalformade agentuppgifter snarare än hämtning av långa dokument, eller om argumentet om genomströmning per kort är det du faktiskt köper. Dess agentiska marginaler i dess egen tabell är de största i den här viktklassen, dess licens är den som varje jurist redan känner till, och dess långkontextrad — den enda platsen där båda modellerna publicerade en jämförbar siffra — gick till Xing.

Det som skulle ändra svaret är samma sak som skulle ändra det i varje jämförelse i den här serien: en oberoende utvärdering av båda modellerna, utförd av en tredje part, i en och samma harness. N​VIDIA och China Telecom har vardera publicerat en tabell som smickrar det egna modellen gentemot omkörningar av den andras generation. När någon publicerar den första tabellen som ingen av dem har skrivit, blir gapet på 23 punkter i SWE-bench ovan antingen det viktigaste talet i den här viktklassen eller en artefakt av två olika agentharnessar. Det går inte att avgöra vilket utifrån.

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.