Xing 4.0 29B-A4B mot Qwen 3.8 27B: Vision kontra verktygsanrop

De två modellerna ligger tillräckligt nära varandra i storlek för att ett inköpsark skulle placera dem på samma rad: Qwen 3.8 27B är Alibabas täta multimodala modell med 27 miljarder parametrar, 28B med visionstornet inräknat, släppt under Apache 2.0 i augusti 2026 med 262 144 inbyggda positioner och inbyggd bild- och videoinmatning; Xing 4.0 29B-A4B är China Telecoms glesa mixture-of-experts-modell med 29 miljarder parametrar, 4B aktiva per token, text in och text ut, vars vikter publicerades den 16 september 2026 och som först blev anropbar i mitten av oktober. Båda är Apache 2.0, båda har öppna vikter, och båda rapporterar siffror som skulle ha sett ut som frontier-resultat för ett år sedan. De är inte heller substitut för varandra i någon arbetsbelastning som spelar roll, och anledningen är en enda rad i varje specifikation: om det finns ett visionstorn på ena sidan och en verktygsanropsloop på den andra.

Storleksskillnaden är mindre än vad namnen antyder

• Namngivning — "27B" är en avrundad beteckning. Qwen-repositoriet rapporterar 28B i BF16-tensorer när visionskodaren räknas in; textstommen är 27B över 64 lager med en dold storlek på 5 120 och en vokabulär med 248 320 poster.

• Xings märkning — "29B-A4B" är två tal, inte ett: 29B totalt och 4B aktiva. Repositoriet rapporterar 31B i tensorer med full precision.

• Vad du faktiskt betalar för — Qwen 3.8 27B är dense, så hela 27B körs per token. Xing 4.0 läser 4B av 29B per token. Vid identisk hårdvara och batchstorlek är Xing dramatiskt billigare per genererad token och Qwen är dramatiskt mer förutsägbar.

• Kontext — Qwen 3.8 27B har 262 144 inbyggda positioner, utökningsbara till 1 000 000, med ett rekommenderat tak på 262 144 resonemangstoken och 131 072 för det slutliga svaret. Xing 4.0 har 256K, uppges kunna utökas till 512K. Jämförbara i standardkonfigurationen; Qwens publicerade utökning når dubbelt så långt.

Arkitektur: två satsningar som inte liknar varandra

Qwen 3.8 27B är byggd på en hybridlayout för attention – sexton block med tre Gated DeltaNet-lager följt av ett fullt Gated Attention-lager, en uppdelning på tre mot ett mellan linjär och kvadratisk attention – och den tränas med flera MTP-steg. Stacken är tät och domineras av linjär attention, vilket är det som gör att en tät 27B-modell kan hantera ett fönster på 262K utan att dra på sig den KV-cache-nota som en standardtransformer skulle få.

Xing 4.0 29B-A4B är en gles mixture-of-experts-modell i DeepSeek-linjen: MLA med komprimerad latent uppmärksamhet genomgående, 64 routade experter med 4 aktiva per token plus en delad expert, och mångfaldsbegränsade hyperanslutnings-restströmmar — en residual-layout med fyra strömmar som serveringsramverk behöver anpassade kärnor för. Den är också MTP-tränad, så båda modellerna bär sitt eget spekulativa avkodningshuvud i checkpointen i stället för att leverera en separat drafter-fil.

Konsekvensen för en utövare är oglamorös och viktig. Qwen 3.8 27B är en dense-modell med ovanlig attention, vilket de flesta serving-stackar hanterar med måttlig insats. Xing 4.0:s bekräftade stöd är vLLM, SGLang och KTransformers, där SGLang har en kernel som skrivits specifikt för den fyrströmiga hyper-connection-layouten. En skräddarsydd residualströmsdesign är en verklig integrationskostnad första gången, och en återkommande sådan varje gång du kvantiserar, finjusterar eller ändrar din batchform.

Vad varje modell egentligen är till för

Här upphör jämförelsen att vara en jämförelse, eftersom de två modellerna inte byggdes för samma uppgift och deras benchmark-tabeller inte överlappar tillräckligt för att kunna fejka det.

• Mjukvaruteknik — Xing 4.0 SWE-bench Verified 75,00 mot Qwen 3.8 27B:s SWE-bench Pro 61,7. Dessa är olika benchmarks, så gapet mellan dem betyder inget i sig. Den jämförbara raden är att Qwen rapporterar QwenSWEBench 79,0 och DeepSWE 1.1 42,2, vilket Xings kort aldrig berör.

• Terminal- och agentisk kodning — Xing 4.0 Terminal-Bench 2.1 57,50 mot Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73,0. Samma benchmarknamn, olika detaljer i testramverket, båda rapporterade av leverantören. Enligt de publicerade siffrorna ligger Q​wen före med mer än 15 poäng.

• Datoranvändning och vision-språkagenter — Qwen 3.8 27B OSWorld-Verified 84,3, WebArena-Verified 64,8, AndroidWorld 81,9, MathVision 90,0 utan tankekedja och 94,6 med den, OmniDocBench 1.5 91,1, RealWorldQA 85,9. Xing 4.0 har inte något multimodalt benchmark alls eftersom det inte har någon multimodal förmåga. Detta är inte en lucka i tabellen; det är en lucka i produkten.

• Verktygsanrop och agenter med lång horisont — Xing 4.0 Claw-Eval 76,55, Tau3-Bench 64,63, DeepresearchBII 60,80. Qwen 3.8 27B CoWorkBench 70,7, Agents' Last Exam vid 20,4 pass@1 och 42,9 poäng, JobBench 33,4. Återigen: olika sviter, ingen överlappning, ingen jämförelse tillgänglig.

• Allmän resonemangsförmåga och kunskap — Qwen 3.8 27B GPQA Diamond 89,2, HLE 30,8, LiveCodeBench v6 90,3, IFBench 79,5. Xing 4.0:s modellkort rapporterar endast IFBench 69,67 på den listan — nästan tio poäng bakom Q​wen, och den enda raden för allmänna ändamål där båda leverantörerna publicerade en siffra.

Läs tabellerna som två olika dokument om två olika produkter. Qwens täcker en multimodal modell som utför datoranvändningsarbete genom ett skärmbildsgränssnitt. Xings täcker en textmodell byggd för att hålla ihop en lång verktygsanropsloop. Den enda rad där de verkligen kolliderar – IFBench, instruktionsföljning – tillfaller Qwen med 9,8 poäng.

Två sourcingar, ett gemensamt förbehåll

Ingen av modellerna har en oberoende utvärdering. Qwen 3.8 27B:s siffror är A​libabas, publicerade på modellkortet tillsammans med harness-inställningar, och Xing 4.0:s är China Telecoms, publicerade på samma sätt. I båda fallen är jämförelsekolumnerna i tabellerna hemmalabbets egna omkörningar av konkurrerande modeller i stället för dessa konkurrenters publicerade siffror – en praxis som är närmast universell och värd att komma ihåg varje gång en leverantörs tabell visar att en konkurrent förlorar stort.

Qwen 3.8 27B har verkligen något som Xing 4.0 saknar, och det är inte en benchmarkrad: åtta veckor i det öppna, inklusive en community-port av llama.cpp som rapporteras köra vikterna på en jailbreakad PlayStation 5:s GPU i omkring 20 tokens per sekund. Den typen av tredjepartsarbete är det närmaste öppna vikter kommer en oberoende granskning, och Xing 4.0 har haft en månad av det hittills, varav det mesta har gått till pull requests för serveringsramverk snarare än utvärdering.

Kostnad, självhostad och mätarbaserad

Båda är Apache 2.0, så nedladdningspriset är noll och förblir noll på båda sidor. Qwen 3.8 27B är en dense-modell och kräver minnet av en 27B dense-modell plus ett visionstorn; det praktiska minimikravet är ett 24GB-kort vid låg precision, med en nedladdning på 55,6GB i full precision. Xing 4.0:s samling uppger en 4-bitars kvantisering i ungefär 15GB VRAM — ett påstående som är värt att kontrollera mot den faktiska GGUF-filens storlek, eftersom fullprecisionsarkivet rapporterar 31B i tensorer.

På den avgiftsbelagda sidan är Qwen 3.8 27B den som faktiskt går att anropa här. OrcaRouter hostar qwen/qwen3.8-27b för 0,33 USD per miljon indatatokens och 2,40 USD per miljon utdata, med de öppna vikterna som serveras på vår egen infrastruktur, vilket är varför det priset håller och varför en ändring från leverantörens sida inte skulle göra det. Qwen 3.8 27B finns även för 0,40 USD och 4,21 USD per miljon via en FP8-driftsättning från communityn i vår katalog som behåller visionstornet i full precision – en användbar påminnelse om att två listningar av samma öppna modell inte är samma produkt. Xing 4.0 finns inte i vår katalog, så det är leverantörens eget API och tredjepartsplattformar du får leta på, och vi tänker inte låtsas något annat.

Det är i själva beslutet som en router är värd att ha i en jämförelse som den här. Ett API framför över 200 modeller med 0 % påslag innebär att det att prova en utmanare är en routingregel snarare än en andra integration, och automatisk failover innebär att försöket aldrig utsätter produktionsvägen för risk: primärmodellen svarar, reserven fångar upp allt som primärmodellen tappar, och hela experimentet tas bort från konfigurationen när det är över. Modellfusion går ett steg längre och låter en panel av modeller svara tillsammans när en enskild modells konfidens för en uppgift är det du inte litar på.

Hur man bestämmer

Välj Qwen 3.8 27B om något i din pipeline involverar en bild, en skärmbild, ett skannat dokument, en videobildruta eller en loop för datoranvändning. Det är den enda av de två som överhuvudtaget kan utföra det arbetet, dess benchmarksiffror för datoranvändning är de starkaste som publicerats i den här viktklassen, och den kan anropas med förbrukningsbaserad debitering idag. Den är också det säkrare standardvalet för instruktionsföljning, vilket är det felmönster som kostar mest i en kundvänd pipeline.

Välj Xing 4.0 29B-A4B om din arbetsbelastning är ren text, din arbetsbelastning är en lång verktygsanropsloop, och du har råd att själv verifiera leverantörens påståenden. Argumentet om genomströmning per kort är verkligt på papper: minnesavtrycket för en 29B-modell med en 4B-modells aritmetik, på ett licensvillkor som din juridiska avdelning redan känner till. Osäkerheten är lika verklig — ingen oberoende utvärdering, inga publicerade rader för allmän resonemangsförmåga, och ett resultat för instruktionsföljning nästan tio poäng efter konkurrenten på det enda riktmärke som båda labben valde att rapportera.

För de flesta team är svaret inte ens ett val. Qwen 3.8 27B hanterar allt med en bild eller en skärm i; Xing 4.0 hanterar de textbaserade agentlooparna där aritmetiken per token är begränsningen. Att köra båda via en och samma endpoint är billigare än att välja mellan dem utifrån bevis som ingen av leverantörerna har publicerat, och den första oberoende utvärderingen av Xing 4.0 är händelsen som skulle göra detta till en verklig jämförelse i stället för en inventering av vad varje labb valde att mäta.

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.