Xing 4.0 29B-A4B so với Nemotron 3.5 Lightning 30B-A3B: Cùng hình dạng, khác giấy phép

Đặt Xing 4.0 29B-A4B và Nemotron 3.5 Lightning 30B-A3B trên cùng một dòng và các thông số kỹ thuật gần như hội tụ: 29 tỷ tham số so với 30 tỷ, bốn tỷ tham số hoạt động trên mỗi token so với ba tỷ, cả hai bên đều dùng kiến trúc hỗn hợp chuyên gia thưa (sparse mixture-of-experts), và cả hai model card đều nêu rõ mục tiêu thiết kế hướng tới công việc tác tử (agentic) và sử dụng công cụ. Chúng thậm chí còn ra mắt cách nhau năm tuần trong cùng một mùa hè — bản phát hành chính thức (general availability) của NVIDIA vào ngày 11 tháng 8 năm 2026, trọng số của China Telecom vào ngày 16 tháng 9 năm 2026, cùng một endpoint có thể gọi được vào giữa tháng 10. Sự hội tụ này là thật, và nó khiến đây trở thành cặp mô hình có thể so sánh trực tiếp nhất trong loạt bài này. Đó cũng là chỗ mọi điểm tương đồng kết thúc, bởi hai bản phát hành đưa ra những đặt cược trái ngược nhau về độ dài ngữ cảnh, về kiến trúc attention, và trên hết là về giấy phép — và một trong ba điều đó là quyết định do đội pháp lý của bạn đưa ra, không phải đội ML của bạn.

Khi các thông số kỹ thuật thực sự trùng khớp

• Tổng số tham số — N​emotron 3.5 Lightning 30B tổng cộng so với Xing 4.0 29B. Chênh lệch một tỷ tham số trên một mô hình ba mươi tỷ tham số chẳng là gì.

• Tham số hoạt động — N​emotron 3B mỗi token so với Xing 4B mỗi token. Đây là con số quyết định thông lượng của bạn, và khoảng cách nhỏ hơn nhiều so với vẻ ngoài mà sự khác biệt về tên gọi ("A3B" so với "A4B") tạo ra: Xing cần nhiều hơn khoảng một phần ba lượng tính toán trên mỗi token.

• Form — cả hai đều là MoE thưa, cả hai đều là những sản phẩm mở hoàn toàn theo kiểu Apache, ở chỗ trọng số có thể tải xuống được và các công thức phục vụ đều được công bố, cả hai đều có các bản dựng lượng tử hoá từ nhà cung cấp lẫn cộng đồng.

• Tóm tắt thiết kế — cả hai thẻ đều được viết cho agent. Thẻ của Xing 4.0 nói về lập kế hoạch nhiều bước, gọi công cụ và chuỗi suy luận; Nemotron đi kèm với NeMo Switchyard, một thư viện định tuyến mã nguồn mở để quyết định mô hình nào sẽ xử lý bước tiếp theo bên trong vòng lặp agent. Hai phòng thí nghiệm, cùng một kết luận về nơi những mô hình mở nhỏ khẳng định được giá trị của mình.

• Công bố — Nemotron 3.5 Lightning đạt GA vào ngày 11 tháng 8 năm 2026, với các biến thể NVFP4 và base xuất hiện trong những ngày tiếp theo. Kho lưu trữ của Xing 4.0 được tạo vào ngày 16 tháng 9 năm 2026, các bản dựng lượng tử hóa của nó ra mắt ngày 13 tháng 10, và một endpoint tính phí xuất hiện ngày 15–16 tháng 10.

Nơi chúng ngừng khớp: ngữ cảnh, và cách bạn có được nó

Đây là khoảng cách thực tế lớn nhất giữa hai bên, và không hề gần nhau chút nào.

• Cửa sổ ngữ cảnh — N​emotron 3.5 Lightning: lên tới 1M token. Xing 4.0: 256K gốc, theo công bố trên card có thể mở rộng lên 512K.

• Điều đó trên thực tế có nghĩa là gì — Tài liệu chính thức của N​VIDIA thẳng thắn thừa nhận rằng cửa sổ một triệu token bị giới hạn bởi bộ nhớ và 256K mới là con số đã được kiểm chứng trên một chiếc H100 80GB đơn lẻ. Vậy nên phép so sánh trung thực ở cấp độ triển khai là 256K so với 256K, trong đó N​emotron có một lộ trình được ghi nhận và được nhà cung cấp kiểm chứng để đạt gấp bốn lần con số đó, còn Xing thì có tuyên bố trên tài liệu đạt gấp đôi.

• Thiết kế attention — N​emotron 3.5 Lightning là một hệ lai: các lớp không gian trạng thái Mamba-2 kết hợp với attention và định tuyến MoE. Xing 4.0 dùng MLA xuyên suốt — trạng thái key-value tiềm ẩn được nén, cách tiếp cận thuộc dòng dõi D​eepSeek — cùng với các luồng residual siêu kết nối được ràng buộc trên đa tạp. Đây là hai chiến lược khác nhau cho cùng một bài toán KV-cache, và không cái nào là sai lầm.

• Giải mã suy đoán — Xing 4.0 có tính năng dự đoán đa token được huấn luyện sẵn trong checkpoint. Các sản phẩm công bố của N​emotron 3.5 Lightning bao gồm các biến thể mô hình nháp trong họ lượng tử hóa của nó, phục vụ mục đích tương tự, nhưng MTP là một thuộc tính của trọng số Xing chứ không phải một tệp đi kèm.

• Độ chính xác — N​VIDIA công bố checkpoint BF16 dưới dạng tham chiếu độ chính xác đầy đủ, được thiết kế rõ ràng cho việc tùy chỉnh và hậu huấn luyện, cùng với các bản dựng NVFP4 cho suy luận trong môi trường sản xuất. Xing 4.0 công bố BF16, FP8, w8a8 và GGUF. Nếu bạn định tinh chỉnh, cả hai đều được phục vụ như nhau; nếu bạn định triển khai phục vụ, cả hai đều muốn bạn dùng sản phẩm đã lượng tử hóa.

Sự khác biệt về cấp phép mới là điều quyết định thực sự.

N​emotron 3.5 Lightning được phát hành theo Thỏa thuận Cấp phép OpenMDW, phiên bản 1.1 — giấy phép mô hình mở của chính N​VIDIA, được quản lý bên ngoài công ty. Xing 4.0 được phát hành theo Apache 2.0.

Cả hai đều cho phép sử dụng thương mại. Chúng không phải là những văn bản tương đương, và sự khác biệt thể hiện ở những phần của một triển khai mà các kỹ sư hiếm khi đọc. Apache 2.0 là một giấy phép trưởng thành, được tranh tụng rộng rãi, được OSI phê duyệt, với điều khoản cấp phép bằng sáng chế quen thuộc và cả một thập kỷ tiền lệ pháp lý doanh nghiệp phía sau; nó được phê duyệt trước tại hầu hết các tổ chức lớn. OpenMDW mới hơn và ít quen thuộc hơn, nghĩa là lần triển khai thương mại đầu tiên của một mô hình N​emotron trong môi trường doanh nghiệp hoặc bị quản lý chặt chẽ nhiều khả năng sẽ phải đi qua bước xem xét pháp lý hơn so với một triển khai Xing 4.0 tương đương. Đó không phải là lập luận rằng OpenMDW có tính hạn chế — đó là lập luận rằng sự không quen thuộc có một cái giá, và cái giá đó được trả bằng tuần chứ không phải bằng đô la. Nếu bạn đang chọn giữa hai lựa chọn này chỉ dựa trên giá trị kỹ thuật, bạn đang bỏ qua một nửa quyết định thuộc về đội ngũ pháp lý của bạn.

Cả hai bảng benchmark đều là bảng của nhà cung cấp

Đây là phần của so sánh mà người đọc nên chậm lại. Không mô hình nào có đánh giá độc lập trên một harness do bên khác ngoài nhà cung cấp lựa chọn.

• SWE-bench Verified — Xing 4.0 75.00 so với Nemotron 3.5 Lightning 51.56.

• SWE-bench Multilingual — Xing 4.0 66.00 so với Nemotron 3.5 Lightning 39.33.

• Terminal-Bench 2.1 — Xing 4.0 57.50 so với N​emotron 3.5 Lightning 24.58.

• Tuân thủ hướng dẫn — Xing 4.0 IFBench 69,67 so với Nemotron 3.5 Lightning IFBench 71,88, được báo cáo ở thiết lập lỏng.

• Suy luận tổng quát — Nemotron 3.5 Lightning MMLU Pro 81.94, GPQA Diamond 75.44, HLE 11.72, SciCode 32.60, AA-Omniscience 17.50. Thẻ của Xing 4.0 không công bố hàng nào có thể so sánh được.

• Ngữ cảnh dài — Xing 4.0 AA.LCR 61.00 so với N​emotron 3.5 Lightning AA-LCR 52.00. Xing thắng ở hàng ngữ cảnh dài duy nhất mà cả hai con số đều tồn tại, một kết quả có phần gây bất ngờ vì cửa sổ được công bố của N​emotron lớn hơn nhiều.

• Duyệt và truy xuất tác tử — N​emotron 3.5 Lightning BrowseComp 36.97, PinchBench 85.37, τ³-bench (Ngân hàng) 9.28, GDPval-AA-V2 832. Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Các bộ này hoàn toàn không trùng lặp, nên không thể so sánh được, và bất kỳ bảng nào xếp chúng cạnh nhau đều đang bịa ra một sự so sánh.

Nguồn gốc đằng sau chúng khác nhau ở một điểm thú vị. NVIDIA tuyên bố các kết quả của mình được đo dưới một hệ thống đo nội bộ nhất quán và cảnh báo rằng chúng "có thể khác với số liệu do nhà cung cấp báo cáo" — và bảng được công bố của hãng bao gồm các cột dành cho đối thủ là Qwen 3.6 35B A3B, Gemma 4 26B A4B và GPT-OSS 20B, vốn là các lần chạy lại chính những mô hình đó của NVIDIA. Bảng của China Telecom làm điều tương tự theo chiều ngược lại, đo hiệu năng chính mình so với các lần chạy lại Gemma 4 và Qwen của chính họ. Mỗi phòng thí nghiệm đều đang đo đối thủ của mình bằng hệ thống đo của riêng họ và công bố kết quả dưới dạng một cột so sánh. Không bên nào làm điều gì không trung thực, và không cột nào nên được đọc như số liệu của chính đối thủ.

Chi phí và khẩu phần

Cửa sổ 1 triệu token của Nemotron 3.5 Lightning có một hệ quả vận hành thực tế mà các kỹ sư chỉ phát hiện ra khi đã trả giá: nó bị giới hạn bởi bộ nhớ, và một yêu cầu vượt quá dung lượng KV-cache khả dụng sẽ thất bại ngay tại nhà cung cấp thay vì suy giảm một cách êm ái. Đó chính là dạng lỗi mà một router được sinh ra để hấp thụ — OrcaRouter thử lại dựa trên dung lượng dự phòng khỏe mạnh trước khi phản hồi bắt đầu, nên tình trạng hết bộ nhớ ở thượng nguồn hay lỗi 429 trong một cuộc gọi ngữ cảnh dài sẽ không hiện ra với người dùng dưới dạng lỗi. Chúng tôi định tuyến hơn 200 mô hình được lưu trữ đằng sau một API duy nhất với mức chênh lệch 0%, giá niêm yết của nhà cung cấp được chuyển nguyên vẹn, không cộng thêm gì, và đây chính là chế độ lỗi mà ở đó chuỗi chuyển đổi dự phòng không còn là một sơ đồ đẹp mắt nữa mà trở thành lý do khiến agent của bạn hoàn thành được nhiệm vụ.

Cả N​emotron 3.5 Lightning lẫn Xing 4.0 hiện đều không có trong danh mục của chúng tôi, nên chúng tôi không phải là kênh tiếp cận mô hình nào trong hai mô hình đó, và bài viết này sẽ không ngụ ý điều ngược lại. Các con số sẽ ra sao nếu bạn tự chạy chúng: lượng tử hóa 4-bit của Xing 4.0 được công bố là cần khoảng 15GB VRAM, mức này sẽ đưa nó lên một chiếc RTX 3090 hoặc 4090 duy nhất; hành vi bị giới hạn bởi bộ nhớ của N​emotron 3.5 Lightning trên một chiếc H100 80GB đã được ghi nhận cho cửa sổ 256K đã xác thực của nó, vốn là mục tiêu đòi hỏi khắt khe hơn trong hai mục tiêu. Xing 4.0 là mô hình có chi phí vận hành rẻ hơn; N​emotron 3.5 Lightning là mô hình có lộ trình được ghi nhận để đạt ngữ cảnh dài hơn nhiều nếu bạn có phần cứng đáp ứng.

Cách chọn

Hãy chọn N​emotron 3.5 Lightning 30B-A3B nếu độ dài ngữ cảnh là ràng buộc quyết định, nếu bạn đã ở trong hệ sinh thái N​VIDIA và NeMo Switchyard là lựa chọn phù hợp tự nhiên cho vòng lặp tác nhân của bạn, hoặc nếu tổ chức của bạn đã được chấp thuận OpenMDW cho mục đích thương mại. Cửa sổ rộng hơn, lộ trình mô hình cơ sở được công bố để tùy chỉnh, và việc bảng đánh giá của nó bao quát mười bốn chuẩn đánh giá thay vì chín đều cùng chỉ về một hướng.

Chọn Xing 4.0 29B-A4Bnếu tốc độ thông qua giấy phép là điều quan trọng, nếu công việc của bạn là kỹ thuật phần mềm và các tác vụ agent dạng terminal thay vì truy xuất tài liệu dài, hoặc nếu lập luận về thông lượng trên mỗi card chính là thứ bạn thực sự đang mua. Các biên lợi thế agentic của nó trên bảng của chính nó là lớn nhất trong hạng cân này, giấy phép của nó là loại mà mọi luật sư đều đã biết, và hàng long-context của nó — điểm duy nhất mà cả hai mô hình công bố một con số có thể so sánh được — đã thuộc về Xing.

Điều có thể thay đổi câu trả lời chính là điều có thể thay đổi nó trong mọi so sánh thuộc loạt bài này: một đánh giá độc lập đối với cả hai mô hình, do một bên thứ ba thực hiện, trên cùng một harness. N​VIDIA và China Telecom đều đã công bố một bảng nhằm tôn vinh mô hình của chính mình khi so với các lần chạy lại thế hệ của bên kia. Khi ai đó công bố bảng đầu tiên mà cả hai bên đều không viết, khoảng cách 23 điểm trên SWE-bench ở trên sẽ trở thành hoặc là con số quan trọng nhất trong hạng cân này, hoặc là một hiện tượng giả tạo của hai agent harness khác nhau. Không có cách nào để biết đó là trường hợp nào nếu nhìn từ bên ngoài.

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.