Xing 4.0 29B-A4B เทียบกับ Qwen 3.8 27B: ความสามารถด้านภาพกับการเรียกใช้เครื่องมือ
- Orcaใหม่Orca: OrcaCyber Ultra 1.02026-10-17$5.00 / $10.00 ต่อ 1 ล้านโทเค็น · 61 tok/s
- Orcaใหม่Orca: OrcaCyber Zero 1.52026-10-10$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 75 tok/s
- openaiOpenAI: GPT-6.1 Sol2026-09-2952ความฉลาด
- anthropicAnthropic: Claude Sonnet 5.52026-09-2856ความฉลาด
- typesafeTypeSafe: Jev 1.132026-09-24$0.04 / $0.00 ต่อ 1 ล้านโทเค็น · 722 tok/s
- OpenAIOpenAI: GPT-6 Luna2026-09-2238ความฉลาด
- OpenAIOpenAI: GPT-6 Sol2026-09-2248ความฉลาด
- AnthropicAnthropic: Claude Opus 5.52026-09-2258ความฉลาด
- xAIGrok 4.72026-09-2146ความฉลาด
- OrcaOrca: OrcaCyber Zero 1.02026-09-17$3.00 / $7.50 ต่อ 1 ล้านโทเค็น · 36 tok/s
- OrcaOrca: OrcaVerify Text 1.02026-09-16$2.00 / $0.00 ต่อ 1 ล้านโทเค็น · 821 tok/s
- DeepSeekDeepSeek: DeepSeek V4.1 Flash2026-09-1040ความฉลาด
- OpenAIOpenAI: GPT-6 Astra2026-09-0453ความฉลาด77การเขียนโค้ด
- GoogleGoogle: Gemini 3.8 Flash2026-09-0241ความฉลาด76การเขียนโค้ด
- AlibabaQwen: Qwen3.8 Max (0902)2026-09-0245ความฉลาด76การเขียนโค้ด
- AnthropicAnthropic: Claude Fable 5.12026-09-0153ความฉลาด82การเขียนโค้ด
- TencentTencent: Hy4 preview2026-08-28$0.83 / $2.50 ต่อ 1 ล้านโทเค็น · 52 tok/s
- AlibabaQwen: Qwen3.8 Flash2026-08-26$0.15 / $0.47 ต่อ 1 ล้านโทเค็น · 109 tok/s
- z-aiZ.ai: GLM 5.3 Flash2026-08-2642ความฉลาด72การเขียนโค้ด
- DeepSeekDeepSeek: DeepSeek V4 Flash Vision (Exp)2026-08-21$0.22 / $0.66 ต่อ 1 ล้านโทเค็น · 185 tok/s
โมเดลทั้งสองมีขนาดใกล้เคียงกันมากพอที่สเปรดชีตจัดซื้อจัดจ้างจะวางมันไว้ในแถวเดียวกัน: Qwen 3.8 27B คือโมเดลมัลติโมดัลแบบ dense ขนาด 27,000 ล้านพารามิเตอร์ของ Alibaba (นับรวม vision tower แล้วเป็น 28B) เปิดตัวภายใต้ Apache 2.0 ในเดือนสิงหาคม 2026 พร้อมตำแหน่งบริบทแบบเนทีฟ 262,144 ตำแหน่ง และรองรับอินพุตรูปภาพและวิดีโอแบบเนทีฟ; Xing 4.0 29B-A4B คือโมเดล mixture-of-experts แบบ sparse ขนาด 29,000 ล้านพารามิเตอร์ของ China Telecom เปิดใช้งาน 4B ต่อโทเคน รับข้อความเป็นอินพุตและส่งข้อความเป็นเอาต์พุต โดยเผยแพร่น้ำหนักในวันที่ 16 กันยายน 2026 และเพิ่งจะเรียกใช้งานได้ในช่วงกลางเดือนตุลาคม ทั้งสองใช้ Apache 2.0 ทั้งสองเป็นโมเดลน้ำหนักเปิด และทั้งสองรายงานตัวเลขที่ถ้าเป็นเมื่อปีที่แล้วจะดูเหมือนผลลัพธ์ระดับแนวหน้า ทั้งสองยังไม่ใช่สิ่งทดแทนกันในเวิร์กโหลดใด ๆ ที่มีความสำคัญ และเหตุผลก็คือบรรทัดเดียวในสเปกของแต่ละโมเดล: ว่ามี vision tower อยู่ฝั่งหนึ่ง และมีลูปการเรียกใช้เครื่องมืออยู่อีกฝั่งหนึ่งหรือไม่
ความแตกต่างของขนาดเล็กกว่าที่ชื่อบ่งบอกไว้
• การตั้งชื่อ — “27B” เป็นชื่อเรียกแบบปัดเศษ คลัง Qwen รายงานว่า 28B ในเทนเซอร์ BF16 เมื่อนับรวมตัวเข้ารหัสภาพแล้ว; แกนหลักข้อความมีขนาด 27B ครอบคลุม 64 เลเยอร์ ที่ขนาดซ่อน 5,120 พร้อมคำศัพท์ 248,320 รายการ
• การติดป้ายกำกับของ Xing — "29B-A4B" เป็นตัวเลขสองค่า ไม่ใช่ค่าเดียว: 29B ทั้งหมด และ 4B ที่ใช้งานอยู่ รีพอซิทอรีรายงานว่า 31B ในเทนเซอร์ความแม่นยำเต็มรูปแบบ
• สิ่งที่คุณจ่ายจริง — Qwen 3.8 27B เป็นแบบ dense ดังนั้นทั้ง 27B จะทำงานในแต่ละโทเค็น. Xing 4.0 ใช้ 4B จาก 29B ต่อโทเค็น. ที่ฮาร์ดแวร์และขนาดแบตช์เดียวกัน Xing ถูกกว่าอย่างมากต่อโทเค็นที่สร้างขึ้น และ Qwen คาดเดาได้ง่ายกว่าอย่างมาก.
• บริบท — Qwen 3.8 27B มีตำแหน่งเนทีฟ 262,144 ตำแหน่ง ขยายได้ถึง 1,000,000 โดยมีเพดานที่แนะนำคือ 262,144 โทเคนสำหรับการคิดวิเคราะห์ และ 131,072 โทเคนสำหรับคำตอบสุดท้าย Xing 4.0 มี 256K และอ้างว่าขยายได้ถึง 512K เมื่อเทียบกันในการตั้งค่าเริ่มต้นถือว่าใกล้เคียงกัน แต่ส่วนขยายที่ Qwen เผยแพร่ไปได้ไกลเป็นสองเท่า
สถาปัตยกรรม: เดิมพันสองอย่างที่ไม่เหมือนกัน
Qwen 3.8 27B สร้างขึ้นบนเลย์เอาต์แบบ hybrid attention — บล็อกสิบหกบล็อก โดยแต่ละบล็อกประกอบด้วยสามเลเยอร์ Gated DeltaNet ตามด้วยหนึ่งเลเยอร์ Gated Attention แบบเต็ม เป็นการแบ่งแบบสามต่อหนึ่งระหว่าง linear attention กับ quadratic — และฝึกด้วยขั้นตอน MTP หลายขั้น สแตกนี้เป็นแบบ dense และเน้น linear attention หนัก ซึ่งเป็นสิ่งที่ทำให้โมเดล dense ขนาด 27B สามารถรองรับหน้าต่าง 262K ได้โดยไม่ต้องแบกค่าใช้จ่าย KV-cache ที่ทรานส์ฟอร์เมอร์มาตรฐานจะต้องเจอ
Xing 4.0 29B-A4B เป็นโมเดล sparse mixture-of-experts ในสายตระกูล DeepSeek: ใช้ MLA compressed-latent attention ตลอดทั้งโมเดล, มี routed experts 64 ตัว โดยมี 4 ตัวที่ทำงานต่อโทเคน บวกกับ shared expert อีกหนึ่งตัว, และมี residual streams แบบ manifold-constrained hyper-connection — เลย์เอาต์ residual แบบสี่สตรีมที่เฟรมเวิร์กสำหรับเสิร์ฟโมเดลจำเป็นต้องใช้เคอร์เนลแบบกำหนดเอง. โมเดลนี้ยังได้รับการเทรนแบบ MTP ด้วย ดังนั้นทั้งสองโมเดลจึงมีเฮด speculative decoding ของตัวเองอยู่ในเช็กพอยต์ แทนที่จะต้องส่งไฟล์ drafter แยกต่างหาก
ผลที่ตามมาสำหรับผู้ใช้งานจริงนั้นไม่หวือหวาแต่สำคัญ Qwen 3.8 27B เป็นโมเดลแบบ dense ที่มีกลไก attention ผิดแผก ซึ่งสแตกสำหรับให้บริการส่วนใหญ่จัดการได้ด้วยงานเพียงเล็กน้อย การรองรับที่ยืนยันแล้วของ Xing 4.0 ได้แก่ vLLM, SGLang และ KTransformers โดย SGLang มีเคอร์เนลที่เขียนขึ้นเฉพาะสำหรับเลย์เอาต์ hyper-connection แบบสี่สตรีม การออกแบบ residual stream แบบเฉพาะทางถือเป็นต้นทุนการผสานรวมจริงในครั้งแรก และเป็นต้นทุนที่เกิดซ้ำทุกครั้งที่คุณทำ quantization, fine-tune หรือเปลี่ยนรูปทรง batch
แต่ละโมเดลใช้สำหรับอะไรจริงๆ
ตรงนี้แหละที่การเปรียบเทียบไม่ใช่การเปรียบเทียบอีกต่อไป เพราะโมเดลทั้งสองไม่ได้ถูกสร้างมาเพื่องานเดียวกัน และตาราง benchmark ของพวกมันก็ทับซ้อนกันไม่มากพอที่จะแสร้งทำเป็นเปรียบเทียบได้
• วิศวกรรมซอฟต์แวร์ — Xing 4.0 SWE-bench Verified 75.00 เมื่อเทียบกับ SWE-bench Pro 61.7 ของ Qwen 3.8 27B ทั้งสองเป็นเบนช์มาร์กที่แตกต่างกัน ช่องว่างระหว่างกันจึงไม่มีความหมายในตัวเอง แถวที่เทียบเคียงได้คือ Qwen รายงาน QwenSWEBench 79.0 และ DeepSWE 1.1 42.2 ซึ่งการ์ดของ Xing ไม่ได้กล่าวถึงเลย
• การเขียนโค้ดผ่านเทอร์มินัลและแบบเอเจนต์ — Xing 4.0 ทำได้ 57.50 บน Terminal-Bench 2.1 เทียบกับ Qwen 3.8 27B ที่ทำได้ 73.0 บน Terminal Bench 2.1 (Terminus) ชื่อเบนช์มาร์กเดียวกัน แต่รายละเอียดชุดทดสอบต่างกัน ทั้งคู่เป็นตัวเลขที่ผู้ขายรายงานเอง จากตัวเลขที่เผยแพร่ Qwen นำอยู่มากกว่า 15 คะแนน
• การใช้งานคอมพิวเตอร์และเอเจนต์ด้านภาษา-ภาพ — Qwen 3.8 27B OSWorld-Verified 84.3, WebArena-Verified 64.8, AndroidWorld 81.9, MathVision 90.0 โดยไม่ใช้ chain-of-thought และ 94.6 เมื่อใช้, OmniDocBench 1.5 91.1, RealWorldQA 85.9 Xing 4.0 ไม่มี benchmark แบบ multimodal เลย เพราะมันไม่มีความสามารถ multimodal นี่ไม่ใช่ช่องว่างในตาราง แต่เป็นช่องว่างในตัวผลิตภัณฑ์
• การเรียกใช้เครื่องมือและเอเจนต์ระยะยาว — Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Qwen 3.8 27B CoWorkBench 70.7, Agents' Last Exam ที่ 20.4 pass@1 และคะแนน 42.9, JobBench 33.4. อีกครั้ง: เป็นชุดทดสอบที่แตกต่างกัน ไม่มีความทับซ้อน และไม่มีการเปรียบเทียบที่พร้อมใช้งาน
• การให้เหตุผลและความรู้ทั่วไป — Qwen 3.8 27B GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, IFBench 79.5 การ์ดของ Xing 4.0 รายงานเฉพาะ IFBench 69.67 ในรายการนั้น — ตามหลัง Qwen เกือบสิบคะแนน และเป็นแถวอเนกประสงค์เพียงแถวเดียวที่ทั้งสองผู้ขายเผยแพร่ตัวเลข
ให้อ่านตารางเหล่านี้เป็นเอกสารสองฉบับที่แตกต่างกันเกี่ยวกับผลิตภัณฑ์สองอย่างที่ต่างกัน ของ Qwen ครอบคลุมโมเดลมัลติโมดัลที่ทำงานด้านการใช้คอมพิวเตอร์ผ่านอินเทอร์เฟซแบบภาพหน้าจอ ของ Xing ครอบคลุมโมเดลข้อความที่สร้างขึ้นเพื่อประคองลูปการเรียกใช้เครื่องมือที่ยาวให้连贯กันไว้ แถวเดียวที่ทั้งสองปะทะกันจริง ๆ — IFBench ซึ่งวัดการทำตามคำสั่ง — เป็นของ Qwen โดยชนะไป 9.8 คะแนน
การจัดหา 2 รูปแบบ ข้อแม้เดียวกัน
ทั้งสองโมเดลไม่มีการประเมินที่เป็นอิสระ ตัวเลขของ Qwen 3.8 27B เป็นของ Alibaba ซึ่งเผยแพร่บนการ์ดโมเดลพร้อมการตั้งค่า harness และของ Xing 4.0 เป็นของ China Telecom ซึ่งเผยแพร่ในลักษณะเดียวกัน ในทั้งสองกรณี คอลัมน์เปรียบเทียบในตารางคือการรันซ้ำของโมเดลคู่แข่งโดยห้องแล็บของตัวเอง ไม่ใช่ตัวเลขที่เผยแพร่ของคู่แข่งเหล่านั้น — แนวปฏิบัติที่เกือบจะเป็นสากลและควรจดจำไว้ทุกครั้งที่ตารางของผู้ขายแสดงว่าคู่แข่งแพ้อย่างยับเยิน
Qwen 3.8 27B มีบางสิ่งบางอย่างที่ Xing 4.0 ไม่มี และมันไม่ใช่แถวใน benchmark: แปดสัปดาห์ที่เปิดสู่สาธารณะ รวมถึงพอร์ต llama.cpp จากชุมชนที่มีรายงานว่ารันเวตบน GPU ของ PlayStation 5 ที่ถูกเจลเบรก ที่ความเร็วประมาณ 20 โทเคนต่อวินาที งานจากบุคคลที่สามแบบนั้นเป็นสิ่งที่ใกล้เคียงกับการตรวจสอบโดยอิสระมากที่สุดสำหรับน้ำหนักแบบเปิด และ Xing 4.0 มีมาแล้วหนึ่งเดือนจนถึงตอนนี้ ซึ่งส่วนใหญ่ใช้ไปกับพูลรีเควสต์ของเฟรมเวิร์กสำหรับให้บริการ มากกว่าการประเมิน
ค่าใช้จ่าย, โฮสต์เอง และคิดค่าบริการตามการใช้งาน
ทั้งคู่เป็น Apache 2.0 ดังนั้นราคาดาวน์โหลดจึงเป็นศูนย์และคงเป็นศูนย์ทั้งสองฝั่ง Qwen 3.8 27B เป็นแบบ dense และต้องใช้หน่วยความจำของโมเดล dense ขนาด 27B บวกกับทาวเวอร์วิชัน ระดับต่ำสุดที่ทำได้จริงคือการ์ด 24GB ที่ความแม่นยำต่ำ โดยมีไฟล์ดาวน์โหลดความแม่นยำเต็มขนาด 55.6GB คอลเลกชันของ Xing 4.0 อ้างว่าควอนไทซ์แบบ 4-bit ใช้ VRAM ประมาณ 15GB — เป็นข้ออ้างที่ควรตรวจสอบเทียบกับขนาดไฟล์ GGUF จริง เนื่องจากรีโพซิทอรีความแม่นยำเต็มรายงานว่า 31B ในเทนเซอร์
ในฝั่งที่คิดค่าตามปริมาณการใช้งาน Qwen 3.8 27B คือตัวที่เรียกใช้ได้จริงที่นี่ OrcaRouter ให้บริการ qwen/qwen3.8-27b ในราคา $0.33 ต่อโทเคนอินพุตหนึ่งล้านโทเคน และ $2.40 ต่อเอาต์พุตหนึ่งล้านโทเคน โดยให้น้ำหนักแบบเปิดให้บริการบนโครงสร้างพื้นฐานของเราเอง ซึ่งเป็นเหตุผลว่าทำไมราคานั้นจึงคงอยู่ได้ และทำไมการเปลี่ยนแปลงจากฝั่งผู้จำหน่ายจึงไม่ทำให้ราคาเปลี่ยน Qwen 3.8 27B ยังมีให้ใช้ในราคา $0.40 และ $4.21 ต่อหนึ่งล้านโทเคน ผ่านการติดตั้ง FP8 โดยชุมชนในแค็ตตาล็อกของเรา ซึ่งคงความแม่นยำเต็มรูปแบบของ vision tower ไว้ — เป็นเครื่องเตือนใจที่มีประโยชน์ว่าสองรายการของโมเดลเปิดเดียวกันไม่ใช่ผลิตภัณฑ์เดียวกัน Xing 4.0 ไม่ได้อยู่ในแค็ตตาล็อกของเรา ดังนั้น API ของผู้จำหน่ายเองและแพลตฟอร์มของบุคคลที่สามคือที่ที่คุณต้องไปหา และเราจะไม่เสแสร้งว่าเป็นอย่างอื่น
สิ่งที่ทำให้เราเตอร์มีคุณค่าในการเปรียบเทียบแบบนี้อยู่ที่ตัวการตัดสินใจเอง API เดียวที่วางอยู่หน้าโมเดลกว่า 200 ตัวโดยไม่บวกกำไร หมายความว่าการลองผู้ท้าชิงเป็นเพียงกฎการกำหนดเส้นทาง แทนที่จะเป็นการผสานรวมครั้งที่สอง และการสลับไปใช้ระบบสำรองอัตโนมัติหมายความว่าการทดลองไม่เคยทำให้เส้นทางการผลิตเสี่ยง: ตัวหลักตอบ ตัวสำรองรับสิ่งที่ตัวหลักหลุดไป และการทดลองทั้งหมดจะถูกลบออกจากคอนฟิกเมื่อสิ้นสุด การหลอมรวมโมเดลไปไกลกว่านั้นอีกขั้น และให้คณะโมเดลตอบร่วมกันเมื่อความมั่นใจของโมเดลเดียวต่องานคือสิ่งที่คุณไม่ไว้วางใจ
วิธีตัดสินใจ
เลือก Qwen 3.8 27B หากมีสิ่งใดในไปป์ไลน์ของคุณที่เกี่ยวข้องกับรูปภาพ ภาพหน้าจอ เอกสารที่สแกน เฟรมวิดีโอ หรือลูปการใช้งานคอมพิวเตอร์ มันเป็นเพียงหนึ่งเดียวในสองตัวนี้ที่สามารถทำงานนั้นได้เลย ตัวเลขเบนช์มาร์กด้านการใช้งานคอมพิวเตอร์ของมันเป็นค่าที่แข็งแกร่งที่สุดที่เผยแพร่ในคลาสน้ำหนักนี้ และสามารถเรียกใช้งานได้แบบคิดตามปริมาณการใช้งานในวันนี้ นอกจากนี้ยังเป็นค่าเริ่มต้นที่ปลอดภัยกว่าสำหรับการทำตามคำสั่ง ซึ่งเป็นโหมดความล้มเหลวที่สร้างความเสียหายมากที่สุดในไปป์ไลน์ที่ติดต่อกับลูกค้า
เลือกXing 4.0 29B-A4B หากงานของคุณเป็นข้อความล้วน งานของคุณเป็นลูปการเรียกใช้เครื่องมือแบบยาว และคุณสามารถรับผิดชอบตรวจสอบคำกล่าวอ้างของผู้ขายได้ด้วยตัวเอง ข้อโต้แย้งเรื่องอัตราการประมวลผลต่อการ์ดนั้นเป็นเรื่องจริงในทางทฤษฎี: หน่วยความจำที่โมเดล 29B ใช้ ควบคู่กับปริมาณการคำนวณของโมเดล 4B ภายใต้เงื่อนไขสัญญาอนุญาตที่ทีมกฎหมายของคุณรู้อยู่แล้ว ความไม่แน่นอนก็เป็นเรื่องจริงไม่แพ้กัน — ไม่มีการประเมินจากอิสระ ไม่มีการเผยแพร่ผลด้านการให้เหตุผลทั่วไป และคะแนนการทำตามคำสั่งที่ตามหลังคู่แข่งอยู่เกือบสิบจุดบนเบนช์มาร์กเดียวที่ทั้งสองแล็บเลือกจะรายงาน
สำหรับทีมส่วนใหญ่ คำตอบไม่ใช่การเลือกเลยด้วยซ้ำ Qwen 3.8 27B จัดการทุกอย่างที่มีภาพหรือหน้าจออยู่ในนั้น ส่วน Xing 4.0 จัดการลูปของเอเจนต์แบบข้อความล้วนซึ่งข้อจำกัดอยู่ที่การคำนวณต่อโทเคน การรันทั้งสองผ่านเอนด์พอยต์เดียวถูกกว่าการตัดสินใจเลือกระหว่างสองตัวบนหลักฐานที่ทั้งสองผู้จำหน่ายยังไม่ได้เผยแพร่ และการประเมินอิสระครั้งแรกของ Xing 4.0 คือเหตุการณ์ที่จะทำให้สิ่งนี้กลายเป็นการเปรียบเทียบจริง แทนที่จะเป็นเพียงบัญชีรายการสิ่งที่แต่ละแล็บเลือกจะวัด
ไม่มีสิ่งใดในนั้นที่เป็นเพียงข้อสันนิษฐาน: ความล้มเหลวของ AI และเหตุการณ์ที่เกี่ยวข้องกับเอเจนต์ซึ่งได้รับการบันทึกไว้ ที่อยู่เบื้องหลังการเปิดตัวแบบนี้ ถูกรวบรวมไว้ใน the OrcaRouter AI Incident Archive โดยแต่ละรายการมีแหล่งที่มา ระดับความรุนแรง ระดับความเชื่อมั่น และสถานะข้อโต้แย้งของตนเอง
