Xing 4.0 29B-A4B so với Qwen 3.8 27B: Thị giác so với Gọi công cụ

Hai mô hình này gần nhau về kích thước đến mức một bảng tính mua sắm sẽ xếp chúng vào cùng một hàng: Qwen 3.8 27B là mô hình đa phương thức dày đặc 27 tỷ tham số của Alibaba, 28 tỷ nếu tính cả tháp thị giác, được phát hành theo giấy phép Apache 2.0 vào tháng 8 năm 2026 với 262.144 vị trí gốc cùng khả năng nhận đầu vào hình ảnh và video gốc; Xing 4.0 29B-A4B là mô hình hỗn hợp chuyên gia thưa thớt 29 tỷ tham số của China Telecom, 4 tỷ tham số hoạt động mỗi token, đầu vào văn bản và đầu ra văn bản, có trọng số được công bố vào ngày 16 tháng 9 năm 2026 và chỉ có thể gọi được vào giữa tháng 10. Cả hai đều theo Apache 2.0, đều là trọng số mở, và đều báo cáo những con số mà một năm trước sẽ trông chẳng khác nào kết quả tiên phong. Chúng cũng không thể thay thế cho nhau trong bất kỳ khối lượng công việc nào thực sự quan trọng, và lý do nằm ở một dòng duy nhất trong mỗi bản đặc tả: liệu một bên có tháp thị giác còn bên kia có vòng lặp gọi công cụ hay không.

Sự khác biệt về kích thước nhỏ hơn so với những gì tên gọi gợi ý.

• Cách đặt tên — "27B" là một nhãn làm tròn. Kho lưu trữ Q​wen báo cáo 28B trong các tensor BF16 khi đã tính cả bộ mã hóa thị giác; phần backbone văn bản là 27B với 64 lớp ở kích thước ẩn 5.120 và vốn từ vựng gồm 248.320 mục.

• Cách đặt nhãn của Xing — "29B-A4B" là hai con số, không phải một: tổng 29B và 4B hoạt động. Kho lưu trữ báo cáo 31B trong các tensor độ chính xác đầy đủ.

• Thứ bạn thực sự phải trả tiền — Qwen 3.8 27B là dense, nên toàn bộ 27B đều chạy cho mỗi token. Xing 4.0 chỉ đọc 4B trong 29B mỗi token. Với cùng phần cứng và kích thước batch, Xing rẻ hơn đáng kể trên mỗi token được tạo ra, còn Qwen thì dễ dự đoán hơn hẳn.

• Ngữ cảnh — Qwen 3.8 27B sở hữu 262.144 vị trí gốc, có thể mở rộng lên 1.000.000, với mức trần khuyến nghị là 262.144 token suy luận và 131.072 cho phản hồi cuối cùng. Xing 4.0 sở hữu 256K, được công bố là có thể mở rộng lên 512K. Tương đương trong cấu hình mặc định; phần mở rộng được công bố của Qwen đi xa gấp đôi.

Kiến trúc: hai canh bạc không hề giống nhau

Qwen 3.8 27B được xây dựng trên một kiến trúc attention lai — mười sáu khối, mỗi khối gồm ba lớp Gated DeltaNet rồi đến một lớp Gated Attention đầy đủ, tức tỉ lệ ba-một giữa attention tuyến tính so với bậc hai — và nó được huấn luyện với nhiều bước MTP. Chồng lớp này dày đặc và nặng về attention tuyến tính, chính điều đó cho phép một mô hình dense 27B mang cửa sổ 262K mà không phải chịu chi phí KV-cache như một transformer tiêu chuẩn.

Xing 4.0 29B-A4B là một mô hình mixture-of-experts thưa thuộc dòng D​eepSeek: attention tiềm ẩn nén MLA xuyên suốt, 64 chuyên gia định tuyến với 4 chuyên gia hoạt động mỗi token cùng một chuyên gia chia sẻ, và các luồng phần dư hyper-connection ràng buộc bởi đa tạp — một bố cục phần dư bốn luồng mà các framework phục vụ cần nhân tùy chỉnh cho nó. Nó cũng được huấn luyện bằng MTP, nên cả hai mô hình đều mang đầu giải mã suy đoán của riêng mình trong checkpoint thay vì gửi kèm một tệp drafter riêng.

Hệ quả đối với người thực hành thì không hào nhoáng nhưng quan trọng. Qwen 3.8 27B là một mô hình dense với cơ chế attention khác thường, thứ mà hầu hết các serving stack xử lý với công sức vừa phải. Hỗ trợ đã được xác nhận của Xing 4.0 là vLLM, SGLang và KTransformers, trong đó SGLang mang một kernel được viết riêng cho bố cục hyper-connection bốn luồng. Một thiết kế residual-stream đặt riêng là một chi phí tích hợp thực sự trong lần đầu, và là một chi phí tái diễn mỗi khi bạn lượng tử hóa, tinh chỉnh, hoặc thay đổi hình dạng batch.

Mỗi mô hình thực sự dùng để làm gì

Ở đây, sự so sánh không còn là so sánh nữa, bởi vì hai mô hình không được xây dựng cho cùng một công việc, và các bảng benchmark của chúng không trùng lặp đủ để giả vờ như vậy.

• Kỹ thuật phần mềm — Xing 4.0 SWE-bench Verified 75,00 so với SWE-bench Pro 61,7 của Qwen 3.8 27B. Đây là những benchmark khác nhau, nên khoảng cách giữa chúng tự nó không có ý nghĩa gì. Hàng có thể so sánh được là việc Qwen báo cáo QwenSWEBench 79,0 và DeepSWE 1.1 42,2, điều mà thẻ của Xing không hề đề cập tới.

• Lập trình terminal và agentic — Xing 4.0 Terminal-Bench 2.1 57.50 so với Qwen 3.8 27B Terminal Bench 2.1 (Terminus) 73.0. Cùng tên benchmark, chi tiết harness khác nhau, cả hai đều do nhà cung cấp báo cáo. Theo các số liệu đã công bố, Qwen dẫn trước hơn 15 điểm.

• Sử dụng máy tính và các tác nhân thị giác-ngôn ngữ — Qwen 3.8 27B OSWorld-Verified 84.3, WebArena-Verified 64.8, AndroidWorld 81.9, MathVision 90.0 khi không dùng chain-of-thought và 94.6 khi dùng, OmniDocBench 1.5 91.1, RealWorldQA 85.9. Xing 4.0 hoàn toàn không có benchmark đa phương thức nào vì nó không có năng lực đa phương thức. Đây không phải là một khoảng trống trong bảng; đây là một khoảng trống trong sản phẩm.

• Gọi công cụ và các tác nhân tầm xa — Xing 4.0 Claw-Eval 76.55, Tau3-Bench 64.63, DeepresearchBII 60.80. Qwen 3.8 27B CoWorkBench 70.7, Bài kiểm tra cuối cùng của các tác nhân đạt 20.4 pass@1 và điểm 42.9, JobBench 33.4. Một lần nữa: các bộ đánh giá khác nhau, không trùng lặp, không thể so sánh.

• Suy luận tổng quát và kiến thức — Qwen 3.8 27B GPQA Diamond 89.2, HLE 30.8, LiveCodeBench v6 90.3, IFBench 79.5. Thẻ của Xing 4.0 chỉ báo cáo IFBench 69.67 trong danh sách đó — kém Qwen gần mười điểm, và là dòng đa dụng duy nhất mà cả hai nhà cung cấp đều công bố một con số.

Hãy đọc các bảng này như hai tài liệu khác nhau về hai sản phẩm khác nhau. Phần của Q​wen đề cập đến một mô hình đa phương thức thực hiện công việc sử dụng máy tính thông qua giao diện ảnh chụp màn hình. Phần của Xing đề cập đến một mô hình văn bản được xây dựng để duy trì một vòng lặp gọi công cụ dài. Hàng duy nhất mà chúng thực sự đối đầu — IFBench, khả năng tuân thủ chỉ dẫn — thuộc về Q​wen với cách biệt 9,8 điểm.

Hai nguồn cung ứng, một lưu ý chung

Cả hai mô hình đều không có đánh giá độc lập. Các con số của Qwen 3.8 27B là của Alibaba, được công bố trên model card kèm theo các thiết lập harness, còn các con số của Xing 4.0 là của China Telecom, cũng được công bố theo cùng cách. Trong cả hai trường hợp, các cột so sánh trong bảng là kết quả chạy lại của chính phòng thí nghiệm công bố đối với các mô hình đối thủ, chứ không phải các số liệu đã công bố của chính những đối thủ đó — một thực hành gần như phổ quát và đáng ghi nhớ mỗi khi bảng của một nhà cung cấp cho thấy một đối thủ thua kém thảm hại.

Qwen 3.8 27B thực sự có một thứ mà Xing 4.0 thiếu, và đó không phải là một dòng trên bảng benchmark: tám tuần công khai, bao gồm một bản port llama.cpp do cộng đồng thực hiện được báo cáo là chạy trọng số trên GPU của một chiếc PlayStation 5 đã jailbreak ở tốc độ khoảng 20 token mỗi giây. Kiểu công việc của bên thứ ba đó là thứ gần nhất mà trọng số mở có được với một cuộc kiểm toán độc lập, và Xing 4.0 đã có một tháng như vậy cho đến nay, phần lớn trong đó dành cho các pull request của framework phục vụ chứ không phải đánh giá.

Chi phí, tự lưu trữ và tính phí theo mức sử dụng

Cả hai đều là Apache 2.0, nên giá tải xuống bằng không và vẫn bằng không ở cả hai bên. Qwen 3.8 27B là dense và cần bộ nhớ của một mô hình dense 27B cộng thêm một tháp thị giác; mức tối thiểu thực tế là card 24GB ở độ chính xác thấp, với bản tải xuống full-precision 55.6GB. Bộ sưu tập của Xing 4.0 tuyên bố lượng tử hóa 4-bit trong khoảng 15GB VRAM — một tuyên bố đáng để kiểm chứng với kích thước tệp GGUF thực tế, vì kho lưu trữ full-precision báo cáo 31B trong các tensor.

Ở phía tính phí theo lượng sử dụng, Qwen 3.8 27B là mô hình thực sự có thể gọi được ở đây. OrcaRouter lưu trữ qwen/qwen3.8-27b ở mức $0.33 cho mỗi triệu token đầu vào và $2.40 cho mỗi triệu token đầu ra, với các trọng số mở được phục vụ trên hạ tầng của chính chúng tôi, đó là lý do mức giá đó giữ nguyên và lý do một thay đổi từ phía nhà cung cấp đối với nó sẽ không thể làm thay đổi điều đó. Qwen 3.8 27B cũng có sẵn ở mức $0.40 và $4.21 cho mỗi triệu token thông qua một triển khai FP8 cộng đồng trong danh mục của chúng tôi, vốn giữ khối thị giác ở độ chính xác đầy đủ — một lời nhắc hữu ích rằng hai mục niêm yết của cùng một mô hình mở không phải là cùng một sản phẩm. Xing 4.0 không có trong danh mục của chúng tôi, vì vậy API của chính nhà cung cấp và các nền tảng bên thứ ba là nơi bạn tìm đến, và chúng tôi sẽ không giả vờ điều ngược lại.

Chỗ mà một router đáng để có trong một so sánh như thế này nằm ở chính quyết định. Một API đứng trước hơn 200 mô hình với mức markup 0% nghĩa là việc thử một đối thủ chỉ là một quy tắc định tuyến thay vì một tích hợp thứ hai, và chuyển đổi dự phòng tự động nghĩa là bản thử nghiệm không bao giờ khiến luồng production gặp rủi ro: mô hình chính trả lời, phương án dự phòng hấp thụ mọi thứ mà mô hình chính bỏ sót, và toàn bộ thử nghiệm sẽ bị xóa khỏi cấu hình khi kết thúc. Model fusion còn tiến thêm một bước và cho phép một hội đồng mô hình cùng trả lời khi độ tin cậy của một mô hình đơn lẻ đối với một tác vụ là thứ bạn không tin tưởng.

Cách quyết định

Hãy chọn Qwen 3.8 27B nếu bất cứ thứ gì trong pipeline của bạn liên quan đến hình ảnh, ảnh chụp màn hình, tài liệu quét, khung hình video, hoặc vòng lặp sử dụng máy tính. Nó là mô hình duy nhất trong hai mô hình có thể làm được công việc đó. Các số đo benchmark sử dụng máy tính của nó là cao nhất được công bố trong hạng cân này, và nó có thể được gọi theo hình thức trả phí theo mức sử dụng ngay hôm nay. Nó cũng là mặc định an toàn hơn về việc tuân theo chỉ dẫn, đây là kiểu lỗi gây tốn kém nhất trong một pipeline hướng đến khách hàng.

Hãy chọn Xing 4.0 29B-A4B nếu khối lượng công việc của bạn thuần văn bản, khối lượng công việc của bạn là một vòng lặp gọi công cụ dài, và bạn có đủ khả năng tự xác minh các tuyên bố của nhà cung cấp. Lập luận về thông lượng trên mỗi card là thật trên lý thuyết: dấu chân bộ nhớ của một mô hình 29B với phép tính của một mô hình 4B, ở một điều khoản cấp phép mà đội pháp lý của bạn đã biết. Sự không chắc chắn cũng thực tế không kém — không có đánh giá độc lập, không có hàng suy luận tổng quát nào được công bố, và điểm tuân thủ hướng dẫn thấp hơn đối thủ gần mười điểm trên một benchmark mà cả hai phòng thí nghiệm đã chọn để báo cáo.

Với hầu hết các nhóm, câu trả lời hoàn toàn không phải là một lựa chọn. Qwen 3.8 27B xử lý mọi thứ có hình ảnh hoặc màn hình trong đó; Xing 4.0 xử lý các vòng lặp tác nhân chỉ văn bản, nơi phép tính theo từng token là ràng buộc. Chạy cả hai qua một endpoint thì rẻ hơn so với việc quyết định chọn giữa chúng dựa trên bằng chứng mà cả hai nhà cung cấp đều chưa công bố, và đánh giá độc lập đầu tiên về Xing 4.0 chính là sự kiện sẽ biến điều này thành một so sánh thực sự thay vì một bản kiểm kê những gì mỗi phòng thí nghiệm đã chọn để đo lường.

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.