Xing 4.0 29B-A4B nay đã có thể gọi được: Open MoE của China Telecom rời phòng thí nghiệm

Trọng số của Xing 4.0 29B-A4B đã có thể tải xuống từ tổ chức X​ingChen-AGI trên Hugging Face kể từ ngày 16 tháng 9 năm 2026 — phần đó thì không có gì mới. Điều đã thay đổi vào giữa tháng 10 thì hẹp hơn và hữu ích hơn: mô hình đã trở thành thứ bạn có thể gọi thay vì chỉ có thể tự lưu trữ. Một niêm yết thương mại công khai cho Xing4.0-29B-A4B đã xuất hiện vào ngày 15–16 tháng 10 với cửa sổ ngữ cảnh 262.144 token và một gói khuyến mãi miễn phí, các bản dựng lượng tử hóa đã bắt kịp vào ngày 13 tháng 10, và các framework phục vụ đã hoàn tất việc xuất hiện: pull request hỗ trợ của SGLang đã chuyển từ bản nháp sang trạng thái sẵn sàng hợp nhất, vLLM đã hỗ trợ kiến trúc này, và model card giờ đây nêu tên OpenCode, C​laude Code, OpenClaw và Hermes như những framework agent đã được điều chỉnh. Bài viết này nói về những gì thực sự đã được phát hành, những gì model card của chính China Telecom tuyên bố, và tuyên bố nào trong số đó chưa được ai bên ngoài phòng thí nghiệm kiểm chứng.

Hai ngày, và tại sao chỉ một trong số đó mới quan trọng vào hôm nay

Lịch sử repo là không thể chối cãi. X​ingChen-AGI/Xing4.0-29B-A4B đã nhận commit đầu tiên vào ngày 16 tháng 9 năm 2026, với một bản tải trọng số lên cùng ngày và một README vào sáng hôm sau. Các trọng số Apache-2.0 đã được công khai trong một tháng. Một bài viết phiên bản đầu tiên viết ngày 17 tháng 10 công bố mô hình này là mới sẽ là sai, và đó chính xác là lỗi mà các bài đưa tin trước đó trong loạt bài này đã phải sửa — các bài đăng thời kỳ rò rỉ đã theo dõi việc đổi tên từ XingChen4 thành Xing4_0 qua sáu pull request của framework trước khi có bất cứ thứ gì có thể tải xuống.

Vậy hãy coi ngày 16 tháng 9 là ngày phát hành. Điểm phát triển trong tháng 10 là tính sẵn có: cho đến thời điểm đó, việc sử dụng mô hình đồng nghĩa với việc thuê hoặc sở hữu phần cứng. Giờ thì không còn như vậy nữa.

Mô hình thực sự là gì

Xing 4.0 29B-A4B là phiên bản kế nhiệm của dòng TeleChat, được phát triển bởi China Telecom Artificial Intelligence Technology Co., Ltd. — TeleAI — và phát hành theo Apache 2.0. Đây là một mô hình hỗn hợp chuyên gia thưa: 29 tỷ tham số trong checkpoint, khoảng 4 tỷ tham số được đọc cho mỗi token được sinh ra. Thẻ mô hình mô tả kiến trúc là "mHC + MLA + MTP", và những chi tiết cấu hình quan trọng là:

• Kiến trúc — 40 lớp, kích thước ẩn 3.584, trung gian FFN dày đặc 9.216, trung gian chuyên gia 1.024, từ vựng 131.072.

• Chuyên gia — 64 chuyên gia định tuyến với 4 chuyên gia hoạt động mỗi token, cộng thêm 1 chuyên gia chia sẻ luôn bật. Chính chuyên gia chia sẻ đó là lý do số lượng chuyên gia hoạt động không phải là 4/64 tổng số.

• Attention — MLA (multi-head latent attention), cơ chế nén KV thuộc dòng D​eepSeek chứ không phải grouped-query attention tiêu chuẩn.

• Ngữ cảnh — 256K gốc, trên thẻ được mô tả là có thể mở rộng lên 512K. Danh mục thương mại ghi 262.144 vị trí.

• Giải mã suy đoán — MTP, dự đoán nhiều token, được đưa vào ngay từ khâu huấn luyện thay vì gắn thêm bên ngoài.

• Giấy phép và các định dạng — Apache 2.0, với các bản dựng bfloat16 safetensors, FP8, w8a8 và GGUF được phát hành bởi cùng một tổ chức.

Phần mHC mới là thứ thực sự khác thường. Nó là viết tắt của manifold-constrained hyper-connection residual streams, và đó là lý do mô hình này xuất hiện trong mã của framework phục vụ như một thứ không phải transformer tiêu chuẩn: các framework cần kernel tùy chỉnh cho nó, và bản triển khai của SGLang phát hành một kernel split-K dành riêng cho bố cục siêu kết nối bốn luồng. Nếu bạn là người làm thực tế đang cân nhắc có nên bận tâm hay không, thì tóm tắt trung thực là đây là một mô hình có một canh bạc kiến trúc thực sự bên trong, chứ không phải một mixture-of-experts đại trà với cái tên mới.

Những con số — và ai đã tạo ra chúng

Mọi thứ dưới đây đều đến từ thẻ mô hình của chính China Telecom. Không có phần nào trong đó đã được tái lập một cách độc lập, và bản thân thẻ này có nêu rõ bộ khung đánh giá cũng như cài đặt lấy mẫu đằng sau mỗi hàng, tức là mức độ công bố còn nhiều hơn mức mà hầu hết nhà cung cấp thường tự nguyện đưa ra. Hãy đọc nó như một tuyên bố của nhà cung cấp, chứ không phải một dữ kiện đã được đo lường.

• SWE-bench Verified — 75.00, chạy trong khung SWE-agent với cửa sổ ngữ cảnh 210K.

• Terminal-Bench 2.1 — 57.50, tác nhân terminus-2, tối đa 64K token, thời gian chờ 24 giờ, lấy trung bình qua ba lần chạy.

• SWE-bench Multilingual — 66.00, cùng harness như Verified.

• Claw-Eval — 76.55, harness chính thức, ngữ cảnh 256K, trung bình ba lần chạy.

• Tau3-Bench — 64.63, harness chính thức, pass^1 lấy trung bình qua bốn lần chạy.

• DeepresearchBII — 60.80, harness OpenCode với máy chủ Exa MCP được bật.

• AIME2026 — 90,00, trung bình năm lần chạy. IFBench — 69,67. AA.LCR — 61,00.

Hai trong số đó đáng để bàn kỹ. Một mô hình có 4B tham số hoạt động tự nhận đạt 75 trên SWE-bench Verified và 57.5 trên Terminal-Bench 2.1 đang tự nhận nằm trong địa hạt vốn thuộc về những mô hình có kích thước hoạt động gấp nhiều lần nó, và cả hai con số đều mang tính agentic — nghĩa là chúng phụ thuộc rất nhiều vào scaffolding của harness, chứ không chỉ vào bản thân mô hình. Thẻ mô hình này cụ thể một cách đáng mừng về phần scaffolding, nhưng cụ thể về một harness không đồng nghĩa với việc tự chạy nó một cách độc lập.

Nơi nó thắng trên bảng của chính nó, và nơi nó không.

Card này tự đánh giá hiệu năng so với Gemma4-26B-A4B và Qwen3.6-35B-A3B. Dựa trên chính số liệu của China Telecom, bức tranh không phải là một thắng lợi áp đảo, và điều đó tự nó đã đáng chú ý:

• So với Gemma4-26B-A4B — Xing 4.0 thắng SWE-bench Verified với tỷ số 75.00 so với 53.00, Terminal-Bench 2.1 là 57.50 so với 30.00, SWE-bench Multilingual là 66.00 so với 51.00, Claw-Eval là 76.55 so với 71.49, Tau3-Bench là 64.63 so với 58.90 và DeepresearchBII là 60.80 so với 39.30. Nó thua IFBench 69.67 so với 72.67 và AA.LCR 61.00 so với 66.00, đồng thời kém hơn ở AIME2026 1.7 điểm.

• So với Qwen3.6-35B-A3B — Xing 4.0 thắng Claw-Eval, Terminal-Bench 2.1 và DeepresearchBII, và thua SWE-bench Verified 75,00 so với 76,00, Tau3-Bench 64,63 so với 67,20 và AIME2026 90,00 so với 92,70.

Mô thức này nhất quán: mạnh ở các đánh giá dạng agentic và dạng terminal, yếu hơn ở việc tuân thủ chỉ dẫn và suy luận ngữ cảnh dài. Những lần chạy lại đó của các mô hình đối thủ được thực hiện bởi China Telecom, chứ không phải bởi các nhà cung cấp đã xây dựng chúng, nên sự so sánh này nhất quán nội bộ nhưng không độc lập theo cả hai hướng. (Một bài viết trước đó trong loạt bài này đề cập chi tiết phần Gemma 4 trong bảng đó.)

Một tuyên bố huấn luyện đáng được đánh dấu riêng

Xing 4.0 được huấn luyện trên các NPU Ascend với MindSpore và MindFormers, không phải trên GPU với PyTorch. Model card tuyên bố cải thiện thông lượng khoảng 96% so với baseline của chính nó, đạt được nhờ tinh chỉnh truyền thông MoE, tính toán lại có chọn lọc, hợp nhất toán tử đồ thị DVM và các kernel Ascend C viết tay cho các toán tử mHC. Con số đó là một tuyên bố về hạ tầng huấn luyện dựa trên một baseline nội bộ, khiến nó về cơ bản không thể kiểm chứng từ bên ngoài — ở đây không có điểm tham chiếu công khai nào cho “baseline”. Tuy vậy, đây vẫn là phát biểu kỹ thuật thú vị nhất trong bản phát hành: một MoE đầy đủ tiệm cận tiên phong được huấn luyện end-to-end trên một ngăn xếp phi NVIDIA, với phần công việc toán tử được thực hiện nội bộ.

Chi phí để vận hành là bao nhiêu

Vì giấy phép là Apache 2.0, giá tải xuống bằng không và vẫn bằng không. Phần cứng mới là khoản chi thực sự. Phần mô tả của bộ sưu tập tuyên bố lượng tử hóa 4-bit ở mức khoảng 15GB VRAM, mức này sẽ vừa trên RTX 3090 hoặc 4090; con số đó là tuyên bố từ phía nhà cung cấp và có vẻ không khớp với kích thước tensor 31 tỷ tham số mà kho lưu trữ báo cáo cho checkpoint đầy đủ, vì vậy hãy xác minh nó dựa trên tệp lượng tử hóa thực tế trước khi bạn mua card vì nó. Các lộ trình được hỗ trợ là SGLang, vLLM và KTransformers cho suy luận, cùng với LLaMA-Factory và MindFormers cho tinh chỉnh.

Với những ai không muốn tự chạy nó, giờ đây đã có một tuyến tính phí theo mức sử dụng: danh mục thương mại xuất hiện vào giữa tháng 10 cung cấp mô hình với ngữ cảnh 262.144 token, phần hoàn thành tối đa 235.929 token, và toàn bộ bề mặt lấy mẫu bao gồm gọi công cụ, đầu ra có cấu trúc và chế độ suy luận có thể bật/tắt. Trong thời gian khuyến mãi, một biến thể miễn phí của cùng endpoint đó được niêm yết, đây là cách rẻ nhất có thể để tìm hiểu xem dòng SWE-bench của nhà cung cấp có trụ vững khi tiếp xúc với kho mã của chính bạn hay không. Như thường lệ với một danh mục hoàn toàn mới, hãy kiểm tra xem bạn thực sự đang được định tuyến đến đâu trước khi đưa nó vào đường dẫn sản xuất — gói miễn phí và gói trả phí thường là những triển khai khác nhau.

Gọi nó thế nào, và chúng ta khớp với nhau ra sao

Nói thẳng về vị thế của chính chúng tôi: Xing 4.0 29B-A4B hiện không có trong danh mục của OrcaRouter, nên chúng tôi không phải là một tuyến đường dẫn đến nó và bài viết này sẽ không giả vờ điều ngược lại. Nếu bạn muốn có nó, các lựa chọn là API của chính nhà cung cấp, các sàn giao dịch bên thứ ba gần đây đã niêm yết nó, hoặc phần cứng của chính bạn.

Điểm mà một router khẳng định được giá trị ở đây nằm ở phía bên kia của quyết định. Lộ trình thực tế cho hầu hết các đội là chạy mô hình này trong một sidecar, trên một luồng ít rủi ro, đủ lâu để xem liệu sức mạnh agentic của nó có thật sự trên chính các tác vụ của họ hay không — trong khi lưu lượng production vẫn tiếp tục chạy trên những mô hình bạn đã kiểm chứng. OrcaRouter là một API đứng trước hơn 200 mô hình được host với markup 0%, với DSL định tuyến và tự động chuyển đổi dự phòng, nghĩa là việc đánh giá chỉ là một thay đổi cấu hình chứ không phải một hợp đồng thứ hai: router vẫn tiếp tục phục vụ mô hình hiện tại, và bạn thêm mô hình thách thức ở nơi nó đã giành được quyền trả lời. Khi một đợt giảm giá từ nhà cung cấp áp dụng cho một mô hình mà chúng tôi có cung cấp, mức giá đó sẽ có hiệu lực ở phía chúng tôi ngay trong cùng ngày, vì chúng tôi chuyển thẳng giá niêm yết của nhà cung cấp và không cộng thêm gì vào đó.

Điều gì vẫn chưa được xác minh

Bốn điều, xếp theo mức độ chúng sẽ thay đổi kết luận. Thứ nhất, cả chín dòng benchmark đều do nhà cung cấp báo cáo và không dòng nào có bản tái lập của bên thứ ba. Thứ hai, phần mở rộng từ 256K lên 512K là tuyên bố trên model card nhưng không có công thức nào được công bố cho chính phần mở rộng đó. Thứ ba, các cột đối thủ trong bảng benchmark là những lần chạy lại của chính nhà cung cấp, nên mức chênh lệch thắng không thể so sánh với các con số do chính đối thủ công bố — ví dụ, model card của Gemma 4 hoàn toàn không báo cáo SWE-bench Verified, nên không có cách kiểm tra chéo nào. Thứ tư, con số "93.52 trên SuperCLUE" đã lan truyền cùng bản phát hành này xuất hiện trong lời giới thiệu ngắn của bộ sưu tập chứ không phải trong bảng của chính model card, và nên được coi là không có nguồn cho đến khi có nguồn xác thực.

Điều hữu ích nhất bạn có thể làm với mô hình này vào tháng 10 năm 2026 là điều mà bản thông báo không làm sẵn cho bạn: đặt tác vụ agentic khó nhất của riêng bạn trước nó và xem liệu sức mạnh kiểu terminal-bench có còn tồn tại bên ngoài một bảng harness hay không. Nếu còn, một mô hình Apache-2.0 4B-active chạy được trên một card tiêu dùng là thứ thực sự hữu ích để sở hữu. Nếu không, bạn đã tốn một cuối tuần và một GPU. Cột mốc tiếp theo cần theo dõi là lần chạy đánh giá độc lập đầu tiên trên trọng số — không phải một pull request framework khác, vốn giờ đây đã là một bài toán có lời giải.

Không có gì trong số đó là giả thuyết: các lỗi AI và sự cố tác nhân được ghi nhận đằng sau những bản phát hành như bản này đều được tập hợp trong OrcaRouter AI Incident Archive, nơi mỗi mục đều có nguồn, mức độ nghiêm trọng, xếp hạng độ tin cậy và cờ tranh chấp riêng.