Xing 4.0 29B-A4B vs Gemma 4 26B-A4B: Hai mô hình thưa, một mô hình có API

Cả hai mô hình này đều là các checkpoint mixture-of-experts thưa, chỉ kích hoạt khoảng bốn tỷ tham số mỗi token, và cả hai đều theo giấy phép Apache 2.0. Đó chính là chỗ mà sự tương đồng không còn hữu ích nữa. Xing 4.0 29B-A4B là MoE định hướng tác nhân, chỉ xử lý văn bản của China Telecom — tổng 29B, kích hoạt 4B, trọng số được công bố vào ngày 16 tháng 9 năm 2026 và chỉ có endpoint thương mại có thể gọi được vào giữa tháng 10. Gemma 4 26B A4B là mô hình thưa đa phương thức của G​oogle DeepMind — tổng 25,2B, kích hoạt 3,8B trên checkpoint tinh chỉnh theo chỉ dẫn, trọng số công khai từ ngày 11 tháng 3 năm 2026 — và nó đã sẵn có qua suy luận được lưu trữ với mức sáu xu cho mỗi triệu token đầu vào trong nhiều tháng nay. Nếu bạn đang chọn giữa hai mô hình, cách đặt vấn đề trung thực không phải là "cái nào thông minh hơn" mà là "cái nào bạn thực sự có thể đưa vào một luồng production trong tuần này, và bạn phải đánh đổi điều gì để có được điều đó."

Câu trả lời một dòng

Gemma 4 26B A4B, trừ khi khối lượng công việc của bạn là agent lập trình hoặc agent terminal chạy trên phần cứng của chính bạn. Toàn bộ điểm nhấn của Xing 4.0 là sức mạnh agentic trên mỗi tham số hoạt động, và trên chính bảng của China Telecom, nó thắng các hàng agentic với biên độ cực lớn. Gemma 4 thắng ở tính sẵn có, khả năng đa phương thức, minh bạch giá, và một sự thật đơn giản rằng các con số của nó được công bố bởi chính công ty đã xây dựng nó, trong khi cột so sánh của đối thủ thì không.

Thông số kỹ thuật, từng chiều một

• Kích thước — Xing 4.0 tổng 29B / 4B hoạt động so với G​emma 4 tổng 25.2B / 3.8B hoạt động. Tên trên thẻ G​emma là nhãn được làm tròn; các số liệu thực tế là những con số mà G​oogle công bố.

• Bố cục chuyên gia — Xing 4.0: 64 chuyên gia được định tuyến, 4 chuyên gia hoạt động, cộng thêm 1 chuyên gia dùng chung. G​emma 4: tổng cộng 128 chuyên gia, 8 chuyên gia hoạt động, cộng thêm 1 dùng chung. G​emma có định tuyến chi tiết hơn; Xing có cách đọc thưa hơn.

• Attention — Xing 4.0 sử dụng MLA, multi-head latent attention, với trạng thái key-value được nén. Gemma 4 sử dụng attention kết hợp: các lớp cửa sổ trượt cục bộ với cửa sổ 1.024 token xen kẽ với attention toàn cục đầy đủ, cùng RoPE theo tỷ lệ. Những câu trả lời khác nhau cho cùng một bài toán KV-cache.

• Độ sâu và chiều rộng — Xing 4.0: 40 lớp, kích thước ẩn 3.584, từ vựng 131.072. Gemma 4: 30 lớp, từ vựng 262K.

• Ngữ cảnh — Xing 4.0: 256K gốc, theo công bố trên card có thể mở rộng lên 512K. G​emma 4: 256K. Về cơ bản là ngang nhau, dù hành vi ngữ cảnh dài của G​emma đã qua tám tháng thử nghiệm độc lập từ bên thứ ba còn của Xing thì chưa hề có.

• Phương thức — Xing 4.0 là văn bản vào, văn bản ra. Gemma 4 26B A4B nhận văn bản, hình ảnh và video vào, rồi trả ra văn bản; bộ mã hóa thị giác của nó có khoảng 550M tham số. Đây không phải là một khoảng cách nhỏ nếu khối lượng công việc của bạn liên quan đến tài liệu hoặc ảnh chụp màn hình.

• Giấy phép — Apache 2.0 trên cả hai, bao gồm cả điều khoản cấp bằng sáng chế. Thực sự tương đương.

• Ngày công bố — Gemma 4 26B A4B: trọng số được tinh chỉnh theo chỉ dẫn (instruction-tuned) trên Hugging Face kể từ ngày 11 tháng 3 năm 2026, cùng các bản dựng hỗ trợ lượng tử hóa trong suốt tháng 4 và tháng 5. Xing 4.0: commit khởi tạo kho lưu trữ ngày 16 tháng 9 năm 2026, các bản dựng lượng tử hóa ngày 13 tháng 10, niêm yết lưu trữ ngày 15–16 tháng 10.

• Giá dịch vụ lưu trữ — Gemma 4 26B A4B được niêm yết trên OrcaRouter ở mức $0.06 mỗi triệu token đầu vào và $0.33 mỗi triệu token đầu ra, với các lượt đọc đầu vào được lưu đệm ở mức $0.0075 mỗi triệu. Xing 4.0 không có mức giá công bố tương đương trên nền tảng nào mà chúng ta có thể chỉ ra; bảng niêm yết giữa tháng 10 có kèm một gói khuyến mãi miễn phí, và kênh riêng của nhà cung cấp là lựa chọn còn lại.

Câu hỏi benchmark, vốn rắc rối hơn vẻ ngoài của nó

Thẻ mô hình của China Telecom đánh giá Xing 4.0 so với một cột có nhãn Gemma4-26B-A4B. Cột đó báo cáo SWE-bench Verified 53.00. Thẻ mô hình của Google dành cho checkpoint được tinh chỉnh theo hướng dẫn hoàn toàn không báo cáo SWE-bench Verified — bộ kiểm thử được công bố gồm MMLU Pro, AIME 2026, LiveCodeBench v6, Codeforces ELO, GPQA Diamond, Tau2, HLE, MMMU Pro, MATH-Vision và một bài kiểm tra truy xuất ngữ cảnh dài. Vậy nên 53.00 trong bảng đó không phải là con số của Google. Đó là lần chạy của chính China Telecom đối với Gemma 4 thông qua một harness SWE-agent, và điều đó không có gì sai miễn là bạn đọc nó đúng như bản chất của nó: một lần chạy lại của một phòng thí nghiệm, không có tuyên bố cho thấy đã cố gắng tinh chỉnh scaffolding của Gemma.

Với lưu ý đó được nêu một lần và áp dụng xuyên suốt mọi nội dung dưới đây, đây là sự đối chiếu ở những hàng mà cả hai bên đều có số liệu đã công bố, cộng thêm những hàng agentic mà chỉ một bên có.

• SWE-bench Verified — Xing 4.0 75,00 do nhà cung cấp tự chạy so với G​emma 4 53,00 do China Telecom chạy lại; G​oogle không công bố số liệu nào cho benchmark này.

• Terminal-Bench 2.1 — Xing 4.0 57.50 so với G​emma 4 30.00, một lần nữa là bản chạy lại của chính nhà cung cấp đối với G​emma.

• SWE-bench Multilingual — Xing 4.0 66.00 so với G​emma 4 51.00, cùng nguồn gốc.

• Claw-Eval — Xing 4.0 76.55 so với G​emma 4 71.49, harness chính thức ở cả hai phía theo card.

• Tau3-Bench — Xing 4.0 64.63 so với Gemma 4 58.90. Google báo cáo Tau2 đạt 68.2 trên bảng thông số của riêng mình, đây là một phiên bản khác của cùng dòng sản phẩm và không thể so sánh trực tiếp.

• AIME 2026 — Xing 4.0 90,00 so với G​emma 4 88,30.

• IFBench — Xing 4.0 69.67 so với G​emma 4 72.67. G​emma thắng ở phần này.

• AA.LCR — Xing 4.0 61.00 vs Gemma 4 66.00. Gemma cũng thắng phần này.

• Nơi chỉ riêng Google có số liệu — MMLU Pro 82.6, GPQA Diamond 82.3, LiveCodeBench v6 77.1, MMMU Pro 73.8, Codeforces ELO 1.718. Thẻ của Xing 4.0 không báo cáo bất kỳ con số nào cho những chỉ số này, nên không có cơ sở để so sánh và việc thiếu số liệu không nên bị coi là một sự thua kém.

Hình dạng của sự khác biệt là nhất quán và không ngẫu nhiên: Xing 4.0 mạnh về kỹ thuật phần mềm và các tác vụ có dạng terminal, yếu hơn về tuân theo chỉ dẫn và suy luận ngữ cảnh dài. Đó là một mục tiêu thiết kế có chủ đích — toàn bộ phần kiến trúc của thẻ đều xoay quanh công việc tác tử: lập kế hoạch nhiều bước, gọi công cụ, chuỗi suy luận — và các con số khớp với thiết kế. Điều chúng không cho bạn biết là liệu sức mạnh đó có tồn tại qua một harness không do nhà cung cấp chọn hay không.

Những gì cột Gemma không thể cho bạn biết, và cột của Xing cũng không thể.

Hãy lưu ý sự bất đối xứng trong mức độ soi xét. Gemma 4 26B A4B đã được tải xuống hơn mười triệu lần từ kho của nó, có một vị trí độc lập trên Artificial Analysis và tám tháng báo cáo từ người thực hành về những điểm mà attention cửa sổ trượt suy giảm. Xing 4.0 có 53.000 lượt tải xuống trong một tháng, không có đánh giá độc lập, và chỉ một bảng benchmark của một phòng thí nghiệm — và những hàng ấn tượng nhất của nó lại là những hàng nhạy cảm nhất với việc lựa chọn harness. Khi một bên của phép so sánh đã được người lạ kiểm thử căng thẳng suốt tám tháng còn bên kia thì chưa, những con số nổi bật của mô hình mới hơn đáng được nhận đúng mức chiết khấu mà sự thật đó ngụ ý. Các con số 75 và 57.5 có thể vẫn đứng vững hoàn toàn. Chưa ai ngoài China Telecom biết được.

Chi phí, cả hai chiều

Trường hợp của Gemma 4 26B A4B là một phép tính số học thuần túy. Ở mức $0,06 và $0,33 mỗi triệu token trên OrcaRouter, với mức đọc từ bộ nhớ đệm là $0,0075 mỗi triệu, một agent đốt hai triệu token đầu ra mỗi ngày chỉ trả khoảng sáu mươi sáu xu cho phần sinh nội dung và vài xu cho phía đầu vào, trước khi tính bộ nhớ đệm. Không có yêu cầu tự vận hành máy chủ, không phải đưa ra quyết định về phần cứng và không có gánh nặng vận hành. Vì OrcaRouter chuyển tiếp nguyên mức giá niêm yết của nhà cung cấp mà không thêm phí, nên một đợt giảm giá của nhà cung cấp dành cho mô hình này sẽ xuất hiện trên endpoint của chúng tôi ngay trong ngày đợt giảm giá được công bố — con số trên hóa đơn của bạn chính là con số của nhà cung cấp.

Trường hợp của Xing 4.0 là chuyện lớn chứ không phải chuyện nhỏ. Các trọng số được miễn phí và theo giấy phép Apache-2.0, và bộ sưu tập khẳng định có bản lượng tử hóa 4-bit chạy trong khoảng 15GB VRAM, điều này sẽ cho phép nó chạy trên RTX 3090 hoặc 4090. Tuyên bố đó có vẻ không ăn khớp với kích thước tensor 31B mà kho lưu trữ báo cáo cho checkpoint đầy đủ, vì vậy hãy kiểm tra kích thước thực tế của tệp đã lượng tử hóa trước khi bạn lập kế hoạch dựa trên nó. Phục vụ nó đồng nghĩa với việc dùng SGLang, vLLM hoặc KTransformers trên phần cứng bạn sở hữu, cộng thêm công việc tích hợp đi kèm với thiết kế attention và residual-stream được thiết kế riêng. Điểm hòa vốn chỉ đến khi lưu lượng cao được duy trì liên tục, hoặc khi dữ liệu hoàn toàn không thể rời khỏi mạng của bạn.

Khi router hỗ trợ xử lý một mô hình mà chúng tôi không lưu trữ

Chúng tôi sẽ nói thẳng điều hiển nhiên: Xing 4.0 29B-A4B không nằm trong danh mục của OrcaRouter, nên chúng tôi không phải là cách để gọi nó, và không có gì ở đây nên được hiểu như một lời chào mời dùng chúng tôi cho nó. Điều chúng tôi làm là một cách để giữ cho việc so sánh ít tốn kém.Gemma 4 26B A4B được host tại đây; việc đánh giá một đối thủ tiềm năng là một thay đổi định tuyến chứ không phải một hợp đồng thứ hai, và cơ chế chuyển đổi dự phòng tự động giữ cho đường đi production luôn sống trong khi bạn hướng một phần lưu lượng vào một thứ gì đó mang tính thử nghiệm. Routing DSL tồn tại chính là để giải quyết dạng vấn đề này — bạn viết quy tắc một lần, và mô hình đằng sau nó là một biến số.

Chọn cái nào?

Hãy chọn Gemma 4 26B A4B nếu bạn cần đầu vào đa phương thức, một mức giá công bố trên mỗi token, một mô hình đã trải qua tám tháng kiểm thử độc lập, hoặc đơn giản là thứ bạn có thể gọi vào chiều nay. Đây là lựa chọn an toàn hơn trong hai lựa chọn với khoảng cách lớn, và ở mức sáu xu cho mỗi triệu token đầu vào thì lập luận về chi phí gần như không cần phải đưa ra.

Hãy chọn Xing 4.0 29B-A4B nếu khối lượng công việc của bạn là một agent lập trình hoặc terminal, bạn có GPU hoặc đủ kiên nhẫn cho một endpoint được host hoàn toàn mới, và bạn sẵn sàng tự chạy đánh giá của riêng mình trước khi tin vào bảng số liệu. Lợi ích tiềm năng là có thật — một mô hình có dấu chân bộ nhớ của 29B và hồ sơ tính toán của 4B, đạt được những hàng agentic mạnh nhất so với bất kỳ thứ gì trong cùng hạng cân của nó trên giấy tờ. Rủi ro cũng thực tế không kém: mỗi một trong những hàng đó là tuyên bố của nhà cung cấp gắn với một checkpoint đã bốn tuần tuổi, và cột so sánh bên cạnh nó được tạo ra bởi chính nhà cung cấp đó.

Nếu bạn muốn con đường trung dung, thì đó là một ngăn xếp hai mô hình chứ không phải một lựa chọn: Gemma 4 26B A4B đảm nhiệm lưu lượng đa phương thức, khối lượng lớn và ngữ cảnh dài mà nó đã chứng minh được, còn Xing 4.0 bị giới hạn ở nhánh tác nhân lập trình, nơi lợi thế được cho là của nó lớn nhất và nơi một câu trả lời sai thì dễ bị phát hiện với chi phí thấp.

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.