Xing 4.0 29B-A4B vs Nemotron 3.5 Lightning 30B-A3B：形状相同，许可不同

把Xing 4.0 29B-A4B和N​emotron 3.5 Lightning 30B-A3B放在同一行，规格几乎就趋同了：290亿参数对300亿，每个 token 激活40亿对30亿，两边都是稀疏的混合专家结构，而且两份模型卡都把智能体与工具调用类工作明确列为核心设计目标。它们甚至是在同一个夏天相隔五周先后到来——N​VIDIA 于2026年8月11日正式发布，中国电信的权重于2026年9月16日放出，可调用端点则在10月中旬跟进。这种趋同是真实的，也正因如此，它成为本系列中可比性最直接的一组。相似之处也到此为止，因为这两个版本在上下文长度、注意力架构，尤其是许可条款上押下了相反的赌注——而这三者中的一项，是你的法务团队而非机器学习团队要做的决定。

规格真正匹配之处

• 总参数量——Nemotron 3.5 Lightning 30B 总数对比 Xing 4.0 29B。在三百亿参数的模型上，十亿参数的差距根本不算什么。

• 激活参数 —— 每 token 下 Nemotron 为 3B，而 Xing 为 4B。这个数字决定了你的吞吐量，而两者的差距远没有命名上的差异（“A3B” 对 “A4B”）看起来那么大：Xing 每 token 的运算量大约多出三分之一。

• Form——两者均为稀疏 MoE，均为 Apache 式的完全开放成果物，即权重可供下载、推理服务方案已公开发布，并且厂商与社区都提供了量化版本。

• 设计简报——两张卡片都是为智能体（agent）而写的。Xing 4.0 的卡片上写的是多步规划、工具调用和推理链；N​emotron 的卡片则与 NeMo Switchyard 一同发布，这是一个开源路由库，用于决定智能体循环中由哪个模型来处理下一步。两家实验室，对小型开放模型究竟在何处体现价值，得出了相同的结论。

• 发布——N​emotron 3.5 Lightning 于 2026 年 8 月 11 日正式发布（GA），NVFP4 和基础版本在随后几天陆续出现。Xing 4.0 的代码仓库创建于 2026 年 9 月 16 日，其量化构建于 10 月 13 日上线，按量计费端点于 10 月 15 日至 16 日出现。

它们在哪里停止匹配：上下文，以及如何获取它

这是两者之间最大的实际差距，而且差距悬殊。

• 上下文窗口 — N​emotron 3.5 Lightning：最高 1M tokens。Xing 4.0：原生 256K，官方标称可扩展至 512K。

• 这在实践中意味着什么——NVIDIA 自家的规格说明坦承,百万 token 的上下文窗口受限于内存,而在单张 80GB H100 上,经验证的数值是 256K。因此,在部署层面进行诚实的比较,应当是 256K 对 256K:其中 Nemotron 拥有有据可查、经厂商验证的路径,可达其四倍;而 Xing 仅有一纸规格宣称,称可达其两倍。

• 注意力设计——Nemotron 3.5 Lightning 是一种混合架构：Mamba-2 状态空间层与注意力机制及 MoE 路由相混合。Xing 4.0 则全程采用 MLA——即压缩的潜在键值状态，DeepSeek 一脉的做法——外加受流形约束的超连接残差流。这是针对同一个 KV 缓存问题的两种不同策略，二者都并非失误。

• 投机解码 — Xing 4.0 已将多 token 预测直接训练进检查点之中。Nemotron 3.5 Lightning 公开发布的制品中，其量化系列里包含草稿模型变体，作用与之类似，但 MTP 是 Xing 权重本身的一种属性，而非一个随附文件。

• 精度——NVIDIA 将 BF16 检查点作为全精度参考发布，明确用于定制与后训练，并提供面向生产推理的 NVFP4 构建。星火 4.0 发布 BF16、FP8、w8a8 和 GGUF。如果你打算微调，二者都能同样出色地满足需求；如果你打算部署，二者都希望你用上量化产物。

许可差异才是真正的决定因素。

N​emotron 3.5 Lightning 根据 OpenMDW 许可协议 1.1 版发布——这是 N​VIDIA 自己的开放模型许可证，由公司外部机构管理。Xing 4.0 根据 Apache 2.0 发布。

两者都允许商业使用。它们并不是等同的文件，而差异会体现在部署中工程师很少阅读的那些部分。Apache 2.0 是一份成熟、经过广泛诉讼检验、经 OSI 批准的许可证，拥有人们熟悉的专利授权条款，背后有长达十年的企业法律先例；在大多数大型组织中，它都已预先通过审批。OpenMDW 更新，也更不为人熟悉，这意味着在受监管或企业环境中首次商业部署 Nemotron 模型时，比同等的 Xing 4.0 部署更可能需要走法律审查流程。这并不是说 OpenMDW 更具限制性——而是说不熟悉本身是有代价的，而且这种代价是以数周时间来支付，而不是以美元来支付。如果你仅凭技术优劣在这两者之间做选择，那你忽略了由你的法律团队负责的那一半决策。

两张基准测试表格都是厂商表格

这是对比中读者应当放慢节奏的部分。两个模型都没有在由非供应商的第三方所选定的测试框架上进行独立评估。

• SWE-bench Verified——Xing 4.0 为 75.00，对比 N​emotron 3.5 Lightning 的 51.56。

• SWE-bench 多语言 — Xing 4.0 66.00 对比 Nemotron 3.5 Lightning 39.33。

• Terminal-Bench 2.1 — Xing 4.0 57.50 对比 N​emotron 3.5 Lightning 24.58。

• 指令遵循 — Xing 4.0 IFBench 69.67 对比 N​emotron 3.5 Lightning IFBench 71.88，按宽松设置报告。

• 通用推理 — N​emotron 3.5 Lightning MMLU Pro 81.94、GPQA Diamond 75.44、HLE 11.72、SciCode 32.60、AA-Omniscience 17.50。Xing 4.0 的卡片未公布可比的对应行。

• 长上下文 — Xing 4.0 AA.LCR 61.00 对 Nemotron 3.5 Lightning AA-LCR 52.00。在两者均有数值的那唯一一行长上下文数据中，Xing 胜出；考虑到 Nemotron 标称的窗口要大得多，这一结果略显出人意料。

• 智能体式浏览与检索 —— N​emotron 3.5 Lightning 在 BrowseComp 上得 36.97，PinchBench 为 85.37，τ³-bench（银行）为 9.28，GDPval-AA-V2 为 832。Xing 4.0 的 Claw-Eval 为 76.55，Tau3-Bench 为 64.63，DeepresearchBII 为 60.80。这些测试套件彼此完全没有重叠，因此根本无法进行比较，任何将它们并列于同一张表格中的做法都是在凭空捏造一次比较。

它们背后的数据来源在一处颇有意思的地方存在差异。NVIDIA 表示其结果是基于统一的内部测试框架测得的，并提醒这些结果"可能与厂商报告的数字不同"——而其公布的表格中包含了 Qwen 3.6 35B A3B、Gemma 4 26B A4B 和 GPT-OSS 20B 的竞争对手列，这些数字正是 NVIDIA 自己对上述模型的复测结果。中国电信的表格则反其道而行之，以自己对 Gemma 4 和 Qwen 的复测结果作为基准来对比自身。每个实验室都在用自己的测试框架去测量竞争对手，并将结果作为对比列公布。双方都没有任何不诚实之举，但这两列数据都不应被当作竞争对手自家公布的数值来解读。

费用和份量

Nemotron 3.5 Lightning 的 100 万 token 上下文窗口带来一个实打实的运维后果，工程师们往往要吃过苦头才能摸清：它受内存约束，一旦请求超出可用的 KV-cache 容量，就会在服务商侧直接失败，而不是优雅降级。而这正是路由器生来就要承接的故障形态——OrcaRouter 会在响应开始之前就改向健康的备用容量重试，因此上游的内存不足或长上下文调用中的 429 错误，都不会以报错的形式浮现在用户面前。我们在 0% 加价的前提下，把一个 API 背后的 200 多个托管模型统一路由，服务商标价原样透传、分文不加，而正是在这种故障模式下，故障转移链路不再只是一张好看的架构图，而是你的 agent 真正跑完任务的原因所在。

目前我们的产品目录中既没有 Nemotron 3.5 Lightning，也没有 Xing 4.0，因此我们不是获取任一模型的途径，本文也不会暗示并非如此。如果你自己运行它们，数字大致是这样的：Xing 4.0 的 4 位量化据称约需 15GB 显存，这足以让它跑在单张 RTX 3090 或 4090 上；Nemotron 3.5 Lightning 在单张 80GB H100 上受显存带宽限制的表现，已针对其经验证的 256K 上下文窗口记录在案，而这是两者中对资源要求更高的目标。Xing 4.0 是托管成本更低的模型；Nemotron 3.5 Lightning 则是在你有相应硬件时，有文档记录可支持长得多的上下文的那个。

如何选择

在以下情况选择 Nemotron 3.5 Lightning 30B-A3B：如果上下文长度是硬性约束，如果你已经身处 NVIDIA 的技术栈中、NeMo Switchyard 与你的智能体循环天然契合，或者你的组织已经为商业用途清除了 OpenMDW 的使用障碍。更宽的窗口、已发布的用于定制的基础模型路径，以及其评测表覆盖十四个基准而非九个，都指向同一方向。

选择 Xing 4.0 29B-A4B，前提是许可证审批速度对你很重要，你的工作是软件工程和终端形态的智能体任务而非长文档检索，或者你真正看重的正是每卡吞吐量这一论据。在它自己给出的表格中，其智能体任务上的领先幅度是这一权重级别中最大的；它的许可证是每位律师都已熟知的那一种；而它的长上下文那一行——两个模型唯一都公布了可比数字的地方——由 Xing 胜出。

能改变答案的东西，和这一系列里每一次对比中能改变答案的东西是同一件事：由第三方、在同一套测试框架上，对两个模型各做一次独立评测。NVIDIA 和中国电信各自都发过一张表格，靠与对方那一代模型复跑成绩的对比来衬托自家模型。等有人发布第一张两家都没参与撰写的表格时，上面那 23 个百分点的 SWE-bench 差距，要么会成为这个参数量级里最重要的数字，要么就只是两套不同智能体框架造成的假象。从外部根本无从判断是哪一种。

这一切都并非假设：像本次这样的发布背后那些有据可查的 AI 故障与智能体事件，均收录于 OrcaRouter AI 事件档案库中，其中每条记录都附有自己的来源、严重程度、置信度评级和存疑标记。