Xing 4.0 29B-A4B 現已可呼叫：中國電信的開源 MoE 走出實驗室

權重方面，Xing 4.0 29B-A4B已可從 XingChen-AGI組織（在 Hugging Face 上）自 2026 年 9 月 16 日起下載——這部分不是新聞。十月中改變的事更狹窄、也更有用：這個模型從只能自行託管的東西，變成你可以呼叫的東西。一份針對 Xing4.0-29B-A4B 的公開商業上架資訊於 10 月 15–16 日出現，具備 262,144 個 token 的上下文視窗與免費推廣方案；量化版本在 10 月 13 日跟上，而服務框架也陸續到位：SGLang 的支援合併請求從草稿變成可合併狀態，vLLM 已支援此架構，模型卡現在則把 OpenCode、Claude Code、OpenClaw 和 Hermes 列為已適配的代理框架。本文談的是實際上線了什麼、中國電信自家的模型卡聲稱了什麼，以及其中哪些說法尚未由實驗室外部的人查核。

兩個日期，以及為什麼今天只有其中一個重要

該儲存庫的歷史明確無疑。X​ingChen-AGI/Xing4.0-29B-A4B 於 2026 年 9 月 16 日進行首次提交，同日上傳了權重，隔天早上則有了 README。Apache-2.0 權重已公開一個月。一篇於 10 月 17 日撰寫、宣布此模型為新的初版文章會是錯誤的，而這正是本系列先前的報導早已不得不糾正的確切失誤——洩漏時期的貼文在有任何可下載內容之前，追蹤了橫跨六個框架 pull request、從 XingChen4 到 Xing4_0 的更名。

所以把 9 月 16 日視為發布日期。10 月的進展在於可用性：在那之前，使用該模型意味著要租用或擁有硬體。現在則不然。

模型實際上是什麼

Xing 4.0 29B-A4B 是 TeleChat 系列的後繼產品，由中國電信人工智能科技有限公司——TeleAI——開發，並以 Apache 2.0 授權發布。它是一個稀疏專家混合模型：檢查點中有 290 億個參數，每個生成的 token 約讀取 40 億個參數。模型卡將架構描述為「mHC + MLA + MTP」，而重要的設定細節如下：

• 形狀 — 40 層，隱藏大小 3,584，稠密 FFN 中間維度 9,216，專家中間維度 1,024，詞彙量 131,072。

• 專家 — 64 個路由專家，每個 token 有 4 個作用中，外加 1 個永遠開啟的共用專家。這個共用專家正是作用中數量不等於總數 4/64 的原因。

• 注意力 — MLA（多頭潛在注意力），屬於 DeepSeek 系列的壓縮 KV 方案，而非標準的分組查詢注意力。

• 背景 — 原生 256K，卡上標示可擴充至 512K。商業刊登內容標示為 262,144 個位置。

• 推測解碼——MTP，多詞元預測，訓練時即內建，而非事後外掛上去。

• 授權與格式 — Apache 2.0，並附有由同一組織發布的 bfloat16 safetensors、FP8、w8a8 與 GGUF 建置版本。

mHC 這個部分才是真正不尋常的地方。它代表流形約束超連接殘差流，而這也是為什麼這個模型在 serving 框架程式碼中出現時，並不是標準 transformer：這些框架需要為它打造自訂 kernel，而 SGLang 的實作還專門為四流超連接佈局內含一個 split-K kernel。如果你是實務工作者，正在考慮是否值得費這個功夫，誠實的總結是：這是一個架構中帶有真正賭注的模型，而不是一個只是換個新名字的現成混合專家模型。

這些數字——以及是誰產生了它們

以下全部內容都來自中國電信自家的模型卡。其中沒有任何一項經過獨立重現，而模型卡本身也說明了每一列背後的評測框架與取樣設定，這比大多數供應商願意主動揭露的資訊還多。請把它當作供應商的宣稱，而不是實測事實。

• SWE-bench Verified — 75.00，在 210K 上下文視窗下以 SWE-agent 測試框架執行。

• Terminal-Bench 2.1 — 57.50，terminus-2 代理，最大 token 數 64K，24 小時逾時，三次執行取平均值。

• SWE-bench Multilingual——66.00，與 Verified 使用相同的測試框架。

• Claw-Eval — 76.55，官方測試框架，256K 上下文，三次執行平均。

• Tau3-Bench — 64.63，官方測試框架，pass^1 為四次執行結果的平均值。

• DeepresearchBII — 60.80，啟用 Exa MCP 伺服器的 OpenCode harness。

• AIME2026 — 90.00，五次執行平均。IFBench — 69.67。AA.LCR — 61.00。

其中兩點值得細究。一個活躍參數為 4B 的模型宣稱在 SWE-bench Verified 上拿到 75 分、在 Terminal-Bench 2.1 上拿到 57.5 分，等於宣稱自己已躋身活躍規模達其數倍的模型所佔據的領域；而這兩項數據都屬於代理式評測——也就是說，它們高度依賴評測框架的鷹架支撐，而不僅取決於模型本身。這張模型卡對該鷹架的描述具體得令人耳目一新，但對某個評測框架的具體描述，並不等同於獨立執行它一次。

在自家表上勝出之處，以及未能勝出之處

這張卡以 Gemma4-26B-A4B 與 Qwen3.6-35B-A3B 作為自我對標的基準。若採用中國電信自家公布的數據，情況並非全面勝出，而這點本身就頗具啟示意義：

• 對上 Gemma4-26B-A4B — Xing 4.0 在 SWE-bench Verified 以 75.00 比 53.00 勝出，Terminal-Bench 2.1 為 57.50 比 30.00，SWE-bench Multilingual 為 66.00 比 51.00，Claw-Eval 為 76.55 比 71.49，Tau3-Bench 為 64.63 比 58.90，DeepresearchBII 為 60.80 比 39.30。它在 IFBench 以 69.67 比 72.67 落敗，在 AA.LCR 以 61.00 比 66.00 落敗，並在 AIME2026 落後 1.7 分。

• 對比 Qwen3.6-35B-A3B — Xing 4.0 在 Claw-Eval、Terminal-Bench 2.1 與 DeepresearchBII 勝出，但在 SWE-bench Verified 以 75.00 比 76.00、Tau3-Bench 以 64.63 比 67.20，以及 AIME2026 以 90.00 比 92.70 落敗。

這個模式是一致的：在代理式與終端機形態的評估上表現強勁，在指令遵循與長脈絡推理上則較弱。那些競爭對手模型的重新測試是由中國電信執行，而非由打造它們的廠商進行，因此這項比較在內部是一致的，但在任一方向上都不具獨立性。（本系列較早的一篇文章詳細探討了該表格中 Gemma 4 的那一側。）

一項值得單獨標記的訓練主張

Xing 4.0 是在 Ascend NPU 上以 MindSpore 與 MindFormers 訓練而成，而非在 GPU 上以 PyTorch 訓練。該卡片聲稱，相較於自身基準，吞吐量提升約 96%，這是透過 MoE 通訊調校、選擇性重計算、DVM 圖運算子融合，以及為 mHC 運算子手寫的 Ascend C 核心所達成。這個數字是關於內部基準的訓練基礎設施宣稱，因此從外部基本上無法驗證——這裡並沒有公開的「基準」參考點。儘管如此，這仍是該發布中最有趣的工程陳述：一個完整、接近前沿的 MoE，在非 NVIDIA 堆疊上端到端訓練完成，且運算子工作由內部自行完成。

運行所需的成本

由於授權條款是 Apache 2.0，下載價格為零，而且始終為零。硬體才是真正的開銷。該合集的簡介聲稱，4 位元量化大約只需 15GB 的 VRAM，這在 RTX 3090 或 4090 上放得下；但這個數字是廠商端的說法，與該儲存庫回報完整檢查點的 31B 參數張量大小相比，顯得有些奇怪，所以在為了這個數字而買一張卡之前，請用實際的量化檔案來驗證它。支援的推論路徑有 SGLang、vLLM 與 KTransformers，微調則有 LLaMA-Factory 與 MindFormers。

對於不想自己動手執行的人來說，現在有了一條按量計費的途徑：十月中出現的商業版上架項目，以 262,144 個詞元的上下文、235,929 個詞元的最大輸出長度，以及完整的取樣介面（包含工具呼叫、結構化輸出與可切換的推理模式）來提供這個模型。在推廣期間，同一個端點還上架了一個免費變體，這是最省錢的方式，讓你親自驗證該廠商的 SWE-bench 成績在自己的儲存庫裡是否站得住腳。面對全新的上架項目，一如往常，在把它放進正式環境的流程之前，先確認自己實際上被導向到什麼——免費方案與付費方案經常是不同的部署。

該怎麼稱呼它，以及我們如何契合

直接說明我們自身的立場：Xing 4.0 29B-A4B 目前不在 OrcaRouter 的目錄中，因此我們並不是取得它的途徑，而本文也不會假裝並非如此。如果你想要它，選項包括供應商自家的 API、近期上架它的第三方市集，或是你自己的硬體。

路由器在這裡之所以有它的位置，是在決策的另一端。對多數團隊而言，務實的做法是把這個模型跑在側車（sidecar）裡、放在風險較低的路徑上，持續足夠長的時間，看看它的代理能力在自己的任務上是否真的成立——同時讓正式環境的流量繼續跑在你們已經驗證過的模型上。OrcaRouter 是以 0% 加價、在 200 多個代管模型前面提供單一 API，具備路由 DSL 與自動容錯移轉，這代表評估只是一次設定變更，而不是再簽一份合約：路由器持續服務現有的模型，而你把挑戰者加到它已經贏得回答權的地方。當供應商降價落在我們確實有提供的模型上時，那個價格當天就在我們這邊生效，因為我們是按供應商的定價原價傳遞，不外加任何費用。

什麼仍未經證實

有四件事，依它們會多大程度改變結論的順序排列如下。第一，全部九列基準測試資料都是廠商自行報告的，而且沒有任何一列有第三方重現。第二，256K 到 512K 的擴展是模型卡上的說法，針對該擴展本身並沒有公開的配方。第三，基準測試表中的競爭對手欄位是廠商自己重新跑出的結果，因此勝出幅度無法與競爭對手自己公布的數字相比——舉例來說，Gemma 4 的模型卡根本沒有報告 SWE-bench Verified，所以無法進行交叉查核。第四，與這次發布一同流傳的「SuperCLUE 上的 93.52」這個數字，出現在合集簡介文案中，而不是模型卡本身的表格裡；在取得來源之前，都應視為無出處。

在 2026 年 10 月，你能用這個模型做的最有用的事，是那件公告不會替你做的事：把你最艱難的代理式任務放到它面前，看看那種 Terminal-Bench 形狀的實力，能否在測試框架的表格之外存活下來。如果可以，一個能在單張消費級顯卡上執行的 4B 活躍參數 Apache-2.0 模型，就是真正值得擁有的東西。如果不行的話，你不過是花了一個週末和一張 GPU。下一個值得關注的里程碑，是首次針對這些權重進行的獨立評估——而不是另一個框架的 pull request，那現在已經是解決了的問題。

這些都不是假設：像這次發布這類版本背後那些有紀錄的 AI 失效與代理事件，全都收錄在OrcaRouter AI Incident Archive，其中每筆條目都附有自己的來源、嚴重程度、信心等級與爭議標記。