Xing 4.0 29B-A4B เรียกใช้งานได้แล้ว: Open MoE ของ China Telecom ก้าวออกจากห้องแล็บ

น้ำหนักของ Xing 4.0 29B-A4Bสามารถดาวน์โหลดได้จากองค์กร X​ingChen-AGIบน Hugging Face ตั้งแต่เมื่อวันที่ 16 กันยายน 2026 — ส่วนนั้นไม่ใช่ข่าวใหม่ สิ่งที่เปลี่ยนไปในช่วงกลางเดือนตุลาคมนั้นแคบกว่าและมีประโยชน์กว่า: โมเดลกลายเป็นสิ่งที่คุณเรียกใช้ได้ แทนที่จะเป็นสิ่งที่คุณทำได้เพียงโฮสต์เอง รายการเชิงพาณิชย์แบบสาธารณะสำหรับ Xing4.0-29B-A4Bปรากฏขึ้นเมื่อวันที่ 15–16 ตุลาคม พร้อมหน้าต่างบริบท 262,144 โทเคนและระดับโปรโมชันฟรี บิลด์แบบควอนไทซ์ตามมาทันในวันที่ 13 ตุลาคม และเฟรมเวิร์กสำหรับให้บริการก็ทยอยมาครบ: พูลรีเควสต์ที่เพิ่มการรองรับของ SGLang เปลี่ยนจากฉบับร่างเป็นพร้อมผสานแล้ว vLLM รองรับสถาปัตยกรรมนี้อยู่แล้ว และโมเดลการ์ดระบุชื่อ OpenCode, C​laude Code, OpenClaw และ Hermes เป็นเฟรมเวิร์กเอเจนต์ที่ปรับใช้แล้ว บทความนี้ว่าด้วยสิ่งที่ส่งมอบจริง สิ่งที่โมเดลการ์ดของ China Telecom อ้างไว้ และข้ออ้างใดบ้างที่ยังไม่มีใครนอกห้องแล็บตรวจสอบ

สองวันที่ และเหตุใดวันนี้จึงมีเพียงหนึ่งในนั้นที่สำคัญ

ประวัติของรีโปชัดเจนไม่มีข้อกังขา X​ingChen-AGI/Xing4.0-29B-A4B มีคอมมิตเริ่มต้นเมื่อวันที่ 16 กันยายน 2026 พร้อมการอัปโหลดเวตในวันเดียวกัน และมี README ในเช้าวันถัดมา เวตภายใต้ Apache-2.0 เปิดเผยต่อสาธารณะมาได้หนึ่งเดือนแล้ว บทความเวอร์ชันแรกที่เขียนเมื่อวันที่ 17 ตุลาคม ซึ่งประกาศว่าโมเดลนี้เป็นของใหม่จะถือว่าผิด และมันเป็นความผิดพลาดแบบเดียวกับที่การรายงานก่อนหน้าในชุดบทความนี้ต้องแก้ไขไปแล้ว — โพสต์ในยุคข้อมูลรั่วไหลได้ติดตามการเปลี่ยนชื่อจาก XingChen4 เป็น Xing4_0 ผ่าน pull request ของเฟรมเวิร์กหกรายการก่อนที่สิ่งใดจะดาวน์โหลดได้

ดังนั้นให้ถือว่าวันที่ 16 กันยายนเป็นวันเปิดตัว ส่วนพัฒนาการในเดือนตุลาคมคือเรื่องความพร้อมใช้งาน จนถึงจุดนั้น การจะใช้โมเดลนี้หมายความว่าต้องเช่าหรือเป็นเจ้าของฮาร์ดแวร์ ตอนนี้ไม่ต้องแล้ว

สิ่งที่โมเดลเป็นจริง ๆ

Xing 4.0 29B-A4B เป็นรุ่นสืบทอดของตระกูล TeleChat พัฒนาโดย China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — และเผยแพร่ภายใต้ Apache 2.0 เป็นโมเดล sparse mixture-of-experts: มีพารามิเตอร์ 29 พันล้านตัวในเช็กพอยต์ และอ่านประมาณ 4 พันล้านตัวต่อโทเคนที่สร้างขึ้น การ์ดอธิบายสถาปัตยกรรมว่า "mHC + MLA + MTP" และรายละเอียดคอนฟิกที่สำคัญมีดังนี้:

• โครงสร้าง — 40 เลเยอร์, ขนาดฮิดเดน 3,584, ขนาดกลางของ FFN แบบ dense 9,216, ขนาดกลางของ expert 1,024, ขนาดคำศัพท์ 131,072

• ผู้เชี่ยวชาญ — ผู้เชี่ยวชาญแบบจัดเส้นทาง 64 ตัว โดยเปิดใช้งาน 4 ตัวต่อโทเคน บวกกับผู้เชี่ยวชาญแบบใช้ร่วมกันที่เปิดตลอดเวลา 1 ตัว ผู้เชี่ยวชาญแบบใช้ร่วมกันนี้เองคือเหตุผลที่จำนวนที่เปิดใช้งานไม่ได้เป็น 4/64 ของทั้งหมด

• ความสนใจ — MLA (multi-head latent attention) ซึ่งเป็นรูปแบบ KV แบบบีบอัดในสายตระกูล D​eepSeek มากกว่าจะเป็น grouped-query attention มาตรฐาน

• บริบท — 256K แบบเนทีฟ โดยบนการ์ดระบุว่าสามารถขยายได้ถึง 512K ส่วนเอกสารเชิงพาณิชย์ระบุจำนวน 262,144 ตำแหน่ง

• การถอดรหัสเชิงคาดการณ์ — MTP การทำนายหลายโทเคน ที่ฝึกฝนมาในตัวแทนที่จะมาเสริมทีหลัง

• สัญญาอนุญาตและรูปแบบไฟล์ — Apache 2.0 พร้อมบิลด์ bfloat16 safetensors, FP8, w8a8 และ GGUF ที่เผยแพร่โดยองค์กรเดียวกัน

ส่วนของ mHC คือส่วนที่แปลกออกไปอย่างแท้จริง ชื่อนี้ย่อมาจาก manifold-constrained hyper-connection residual streams และเป็นเหตุผลที่โมเดลนี้ไปปรากฏในโค้ดของเฟรมเวิร์กสำหรับให้บริการโมเดลในฐานะสิ่งอื่นที่ไม่ใช่ทรานส์ฟอร์เมอร์มาตรฐาน: เฟรมเวิร์กต่างๆ จำเป็นต้องมีเคอร์เนลเฉพาะสำหรับมัน และimplementation ของ SGLang ก็มีเคอร์เนล split-K ที่สร้างขึ้นมาเฉพาะสำหรับเลย์เอาต์ไฮเปอร์คอนเนกชันแบบสี่สตรีมนี้ หากคุณเป็นผู้ปฏิบัติงานที่กำลังตัดสินใจว่าจะเสียเวลากับเรื่องนี้ดีไหม สรุปตามตรงก็คือ นี่เป็นโมเดลที่มีการเดิมพันเชิงสถาปัตยกรรมอยู่จริง ไม่ใช่ mixture-of-experts สำเร็จรูปที่แค่เปลี่ยนชื่อใหม่

ตัวเลข — และใครเป็นผู้ผลิตตัวเลขเหล่านั้น

ทุกอย่างด้านล่างนี้มาจากการ์ดโมเดลของ China Telecom เอง ไม่มีส่วนใดที่ถูกทำซ้ำโดยอิสระ และตัวการ์ดเองก็ระบุถึงฮาร์เนสและค่าการตั้งการสุ่มตัวอย่างที่อยู่เบื้องหลังแต่ละแถว ซึ่งถือเป็นการเปิดเผยมากกว่าที่ผู้จำหน่ายส่วนใหญ่ยินยอมเปิดเผยเอง ให้อ่านเป็นคำกล่าวอ้างของผู้จำหน่าย ไม่ใช่ข้อเท็จจริงที่วัดได้

• SWE-bench Verified — 75.00 ดำเนินการภายใต้ฮาร์เนส SWE-agent ที่หน้าต่างบริบทขนาด 210K

• Terminal-Bench 2.1 — 57.50, เอเจนต์ terminus-2, โทเค็นสูงสุด 64K, หมดเวลา 24 ชั่วโมง, เฉลี่ยจากการรันสามครั้ง

• SWE-bench Multilingual — 66.00 ใช้ฮาร์เนสเดียวกับ Verified

• Claw-Eval — 76.55, ฮาร์เนสอย่างเป็นทางการ, คอนเท็กซ์ 256K, ค่าเฉลี่ยจากการรันสามครั้ง

• Tau3-Bench — 64.63, ชุดทดสอบอย่างเป็นทางการ, pass^1 เฉลี่ยจากการรันสี่ครั้ง

• DeepresearchBII — 60.80, OpenCode harness ที่เปิดใช้งานเซิร์ฟเวอร์ Exa MCP

• AIME2026 — 90.00 ค่าเฉลี่ยจากการรัน 5 ครั้ง IFBench — 69.67 AA.LCR — 61.00

สองข้อนี้ชวนให้ครุ่นคิด โมเดลที่มี active 4B ตัวหนึ่งซึ่งอ้างว่าได้ 75 บน SWE-bench Verified และ 57.5 บน Terminal-Bench 2.1 กำลังอ้างว่าตนอยู่ในอาณาเขตที่โมเดลซึ่งมีขนาด active ใหญ่กว่าหลายเท่าครอบครองอยู่ และตัวเลขทั้งสองเป็นแบบ agentic — นั่นคือ พวกมันพึ่งพา scaffolding ของ harness อย่างมาก ไม่ใช่พึ่งพาแค่ตัวโมเดลเท่านั้น การ์ดใบนี้ระบุเรื่อง scaffolding อย่างเฉพาะเจาะจงจนน่าสดชื่น แต่ความเฉพาะเจาะจงเกี่ยวกับ harness ไม่ได้เท่ากับการรัน harness นั้นอย่างอิสระ

จุดที่มันชนะบนตารางของตัวเอง และจุดที่มันไม่ชนะ

การ์ดนี้เปรียบเทียบประสิทธิภาพของตัวเองกับ Gemma4-26B-A4B และ Qwen3.6-35B-A3B เมื่อดูจากตัวเลขของ China Telecom เอง ภาพที่ได้ไม่ใช่การกวาดชัยชนะแบบหมดจด ซึ่งนั่นเองก็บอกอะไรได้มาก:

• เมื่อเทียบกับ Gemma4-26B-A4B — Xing 4.0 ชนะ SWE-bench Verified 75.00 ต่อ 53.00, Terminal-Bench 2.1 57.50 ต่อ 30.00, SWE-bench Multilingual 66.00 ต่อ 51.00, Claw-Eval 76.55 ต่อ 71.49, Tau3-Bench 64.63 ต่อ 58.90 และ DeepresearchBII 60.80 ต่อ 39.30 โดยแพ้ IFBench 69.67 ต่อ 72.67 และ AA.LCR 61.00 ต่อ 66.00 และตามหลังใน AIME2026 อยู่ 1.7 คะแนน

• เมื่อเทียบกับ Qwen3.6-35B-A3B — Xing 4.0 ชนะ Claw-Eval, Terminal-Bench 2.1 และ DeepresearchBII และแพ้ SWE-bench Verified 75.00 ต่อ 76.00, Tau3-Bench 64.63 ต่อ 67.20 และ AIME2026 90.00 ต่อ 92.70

รูปแบบมีความสม่ำเสมอ: แข็งแกร่งในการประเมินเชิงเอเจนต์และแบบที่มีรูปแบบเทอร์มินัล แต่อ่อนกว่าในด้านการปฏิบัติตามคำสั่งและการใช้เหตุผลกับบริบทยาว การรันซ้ำเหล่านั้นของโมเดลคู่แข่งดำเนินการโดย China Telecom ไม่ใช่โดยผู้จำหน่ายที่สร้างโมเดลเหล่านั้น ดังนั้นการเปรียบเทียบจึงสอดคล้องกันภายใน แต่ไม่เป็นอิสระไม่ว่าจะในทิศทางใด (บทความก่อนหน้าในซีรีส์นี้ครอบคลุมด้าน Gemma 4 ของตารางนั้นโดยละเอียด)

หนึ่งข้อกล่าวอ้างเกี่ยวกับการฝึกอบรมที่ควรค่าแก่การflaggedแยกต่างหาก

Xing 4.0 ถูกฝึกบน Ascend NPU ด้วย MindSpore และ MindFormers ไม่ใช่บน GPU ด้วย PyTorch การ์ดอ้างว่าปรับปรุงทรูพุตได้ราว 96% เมื่อเทียบกับ baseline ของตัวเอง ซึ่งทำได้ผ่านการปรับแต่งการสื่อสารของ MoE, การคำนวณใหม่แบบเลือก, การหลอมรวมกราฟ-โอเปอเรเตอร์ของ DVM และเคอร์เนล Ascend C ที่เขียนขึ้นเองสำหรับโอเปอเรเตอร์ mHC ตัวเลขนั้นเป็นข้ออ้างด้านโครงสร้างพื้นฐานการฝึกเกี่ยวกับ baseline ภายใน ซึ่งทำให้โดยพื้นฐานแล้วไม่สามารถตรวจสอบได้จากภายนอก — ไม่มีจุดอ้างอิงสาธารณะสำหรับ “baseline” ตรงนี้ อย่างไรก็ตาม มันเป็นข้อความทางวิศวกรรมที่น่าสนใจที่สุดในการเปิดตัว: MoE ที่ใกล้เคียงระดับแนวหน้าอย่างเต็มรูปแบบซึ่งฝึกแบบครบวงจรบนสแต็กที่ไม่ใช่ NVIDIA โดยงานด้านโอเปอเรเตอร์ทำเองภายใน

ค่าใช้จ่ายในการใช้งาน

เนื่องจากสัญญาอนุญาตเป็น Apache 2.0 ราคาดาวน์โหลดจึงเป็นศูนย์และยังคงเป็นศูนย์ ค่าใช้จ่ายจริงอยู่ที่ฮาร์ดแวร์ คำโปรยของคอลเลกชันอ้างว่าการควอนไทซ์แบบ 4 บิตใช้ VRAM ประมาณ 15GB ซึ่งน่าจะพอดีกับ RTX 3090 หรือ 4090 ตัวเลขนั้นเป็นคำกล่าวอ้างจากฝั่งผู้ขาย และดูขัดกันอย่างน่าแปลกกับขนาดเทนเซอร์ 31B พารามิเตอร์ที่รีโพซิทอรีรายงานสำหรับเช็กพอยต์เต็ม ดังนั้นควรตรวจสอบกับไฟล์ควอนไทซ์จริงก่อนที่จะซื้อการ์ดโดยอิงจากตัวเลขนั้น เส้นทางที่รองรับคือ SGLang, vLLM และ KTransformers สำหรับการอินเฟอเรนซ์ โดยมี LLaMA-Factory และ MindFormers สำหรับการปรับแต่งละเอียด

สำหรับใครก็ตามที่ไม่อยากรันมันด้วยตัวเอง ตอนนี้มีเส้นทางแบบคิดค่าตามการใช้งานแล้ว: รายการเชิงพาณิชย์ที่ปรากฏเมื่อกลางเดือนตุลาคมให้บริการโมเดลด้วยบริบท 262,144 โทเคน คอมพลีชันสูงสุด 235,929 โทเคน และความสามารถการสุ่มตัวอย่างแบบครบชุด รวมถึงการเรียกใช้เครื่องมือ เอาต์พุตแบบมีโครงสร้าง และโหมดให้เหตุผลที่เปิด/ปิดได้ ในช่วงโปรโมชันมีตัวแปรฟรีของเอนด์พอยต์เดียวกันถูกแสดงรายการไว้ ซึ่งเป็นวิธีที่ถูกที่สุดเท่าที่เป็นไปได้ในการดูว่าแถว SWE-bench ของผู้ขายยังคงทนเมื่อต้องเจอกับรีโพซิทอรีของคุณเองหรือไม่ เช่นเคยกับรายการใหม่เอี่ยม ตรวจสอบว่าคุณกำลังถูกส่งไปยังอะไรจริง ๆ ก่อนจะนำมันไปใช้ในเส้นทางโปรดักชัน เพราะระดับฟรีและระดับเสียค่าบริการมักเป็นการติดตั้งใช้งานที่แตกต่างกัน

จะเรียกมันว่าอะไรดี และเราเข้ากันได้อย่างไร

พูดให้ตรงถึงจุดยืนของเราเอง: Xing 4.0 29B-A4B ยังไม่มีอยู่ในแค็ตตาล็อกของ OrcaRouter ในวันนี้ เราจึงไม่ใช่เส้นทางไปสู่มัน และบทความนี้จะไม่แสร้งทำเป็นอย่างอื่น หากคุณต้องการมัน ทางเลือกคือ API ของผู้จำหน่ายเอง ตลาดบุคคลที่สามที่เพิ่งนำมันขึ้นขายเมื่อเร็ว ๆ นี้ หรือฮาร์ดแวร์ของคุณเอง

จุดที่เราเตอร์พิสูจน์คุณค่าของตัวเองในบริบทนี้อยู่ที่อีกด้านของจุดตัดสินใจ แนวทางที่เป็นจริงสำหรับทีมส่วนใหญ่คือการรันโมเดลนี้ในลักษณะ sidecar บนเส้นทางที่มีความเสี่ยงต่ำ นานพอที่จะเห็นว่าความแข็งแกร่งด้าน agentic ของมันเป็นของจริงกับงานของพวกเขาเองหรือไม่ ในขณะที่ทราฟฟิกโปรดักชันยังคงรันบนโมเดลที่คุณตรวจสอบรับรองแล้ว OrcaRouter คือAPI เดียวที่วางอยู่หน้าโมเดลโฮสต์กว่า 200 รายการ ด้วยอัตราบวกเพิ่ม 0% พร้อมทั้ง DSL สำหรับจัดเส้นทางและระบบ failover อัตโนมัติ ซึ่งหมายความว่าการประเมินผลเป็นเพียงการแก้ไขคอนฟิก ไม่ใช่การทำสัญญาฉบับที่สอง กล่าวคือเราเตอร์ยังคงให้บริการโมเดลเดิมต่อไป และคุณเพิ่มโมเดลผู้ท้าชิงในจุดที่มันพิสูจน์แล้วว่าสมควรได้รับการตอบ เมื่อผู้ให้บริการประกาศลดราคาสำหรับโมเดลที่เรามีให้บริการจริง ราคานั้นจะมีผลในฝั่งของเราภายในวันเดียวกัน เพราะเราส่งต่อราคาตามรายการของผู้ให้บริการโดยไม่บวกเพิ่มใด ๆ

อะไรที่ยังไม่ได้รับการยืนยัน

สี่ประเด็น เรียงตามระดับที่จะเปลี่ยนข้อสรุปได้มากน้อยเพียงใด ประเด็นแรก แถว benchmark ทั้งเก้าแถวล้วนเป็นผลที่ผู้ขายรายงานเอง และไม่มีแถวใดที่มีการทำซ้ำโดยบุคคลที่สาม ประเด็นที่สอง การขยายจาก 256K เป็น 512K เป็นข้ออ้างบนการ์ดโมเดล โดยไม่มีสูตรหรือวิธีที่เผยแพร่สำหรับการขยายนั้นเอง ประเด็นที่สาม คอลัมน์คู่แข่งในตาราง benchmark เป็นผลการรันซ้ำของผู้ขายเอง ดังนั้นส่วนต่างของชัยชนะจึงเทียบกับตัวเลขที่คู่แข่งเผยแพร่เองไม่ได้ เช่น การ์ดของ G​emma 4 ไม่ได้รายงาน SWE-bench Verified เลย จึงไม่มีการตรวจสอบเทียบเคียงให้ใช้ได้ ประเด็นที่สี่ ตัวเลข "93.52 บน SuperCLUE" ที่แพร่ไปพร้อมกับการเปิดตัวครั้งนี้ ปรากฏอยู่ในคำโปรยของคอลเลกชัน ไม่ใช่ในตารางของการ์ดโมเดลเอง และควรถือว่ายังไม่มีแหล่งที่มา จนกว่าจะมี

สิ่งที่มีประโยชน์ที่สุดที่คุณทำได้กับโมเดลนี้ในเดือนตุลาคม 2026 คือสิ่งที่ประกาศไม่ได้ทำให้คุณ นั่นคือการเอาภารกิจแบบเอเจนต์ที่ยากที่สุดของคุณเองมาให้มันทำ แล้วดูว่าความแข็งแกร่งในรูปแบบ terminal-bench ยังคงอยู่หรือไม่นอกตาราง harness ถ้ายังอยู่ โมเดล Apache-2.0 ที่มี 4B active ซึ่งรันบนการ์ดสำหรับผู้บริโภคใบเดียวก็เป็นสิ่งที่ควรค่าแก่การมีไว้จริง ๆ ถ้าไม่ โมเดลนั้น คุณก็เสียเวลาไปหนึ่งสุดสัปดาห์กับการ์ดจอหนึ่งใบ หลักไมล์ต่อไปที่ควรจับตาคือการรัน eval อิสระครั้งแรกบน weights ไม่ใช่ pull request ของเฟรมเวิร์กอีกอัน ซึ่งตอนนี้เป็นปัญหาที่แก้ได้แล้ว

ไม่มีสิ่งใดในนั้นที่เป็นเพียงข้อสันนิษฐาน: ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวข้องกับเอเจนต์ซึ่งได้รับการบันทึกไว้ ที่อยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง