Xing 4.0 29B-A4B 對比 Gemma 4 26B-A4B：兩個稀疏模型，其中一款提供 API

這兩個模型都是稀疏混合專家檢查點，每個 token 啟用約四十億個參數，而且兩者都是 Apache 2.0。相似之處到此為止，再往下比較就沒什麼參考價值了。Xing 4.0 29B-A4B是中國電信的純文字、代理導向 MoE——總參數 29B、啟用 4B，權重於 2026 年 9 月 16 日發布，直到 10 月中旬才提供可呼叫的商業端點。Gemma 4 26B A4B是 Google DeepMind 的多模態稀疏模型——總參數 25.2B，指令微調檢查點啟用 3.8B，權重自 2026 年 3 月 11 日起公開——而且幾個月來一直可透過託管推論使用，每百萬輸入 token 六美分。如果你要在兩者之間做選擇，誠實的說法不是「哪個更聰明」，而是「這週你實際上能把哪一個放進生產路徑，以及為了做到這點你得放棄什麼」。

一句話的答案

Gemma 4 26B A4B，除非你的工作負載是在你自己的硬體上執行的程式編寫或終端機代理。Xing 4.0 的整個賣點是每個活躍參數的代理強度，而在中國電信自家的表格上，它在代理相關列別以極大差距勝出。Gemma 4 則在可用性、模態、價格透明度，以及一個簡單事實上勝出：它的數據是由打造它的公司所公布，而競爭對手的比較欄位則不是。

規格，逐個維度來看

• 規模 — Xing 4.0 總計 29B／啟用 4B，對比 G​emma 4 總計 25.2B／啟用 3.8B。G​emma 卡上的名稱是取整後的標示；實際數字以 G​oogle 公布的為準。

• 專家配置 — Xing 4.0：64 個路由專家、4 個啟用，外加 1 個共享。G​emma 4：總共 128 個專家、8 個啟用，外加 1 個共享。G​emma 的路由更細緻；Xing 的讀取則更稀疏。

• 注意力 — Xing 4.0 使用 MLA（多頭潛在注意力），並具備壓縮的鍵值狀態。Gemma 4 使用混合注意力：局部滑動視窗層以 1,024 個符元的視窗與完整全域注意力交錯，並採用比例式 RoPE。這是對同一個 KV 快取問題的不同解答。

• 深度與寬度 — Xing 4.0：40 層、隱藏大小 3,584、詞彙量 131,072。G​emma 4：30 層、詞彙量 262K。

• 上下文 — Xing 4.0：原生 256K，卡片宣稱可擴展至 512K。G​emma 4：256K。實際上旗鼓相當，不過 G​emma 的長上下文行為已有八個月的第三方測試，而 Xing 的則完全沒有。

• 模態 — Xing 4.0 是純文字輸入、純文字輸出。Gemma 4 26B A4B 可接受文字、圖像與影片輸入，並回傳文字；其視覺編碼器約有 550M 參數。如果你的工作負載涉及文件或螢幕截圖，這可不是個小差距。

• 授權條款 — 兩者皆採用 Apache 2.0，包含專利授權。確實等效。

• 發布日期 — Gemma 4 26B A4B：自 2026 年 3 月 11 日起在 Hugging Face 上發布指令微調權重，並於 4 月至 5 月期間提供量化感知版本。Xing 4.0：初始儲存庫提交於 2026 年 9 月 16 日，量化版本於 10 月 13 日，託管上架於 10 月 15–16 日。

• 託管價格 — Gemma 4 26B A4B 在 OrcaRouter 上的標價為每百萬輸入 token $0.06、每百萬輸出 $0.33，而快取輸入讀取為每百萬 $0.0075。Xing 4.0 在我們能指出的平台上沒有可比的公開價格；十月中旬的刊登方案提供免費促銷層級，而供應商自身的途徑則是另一個選項。

這道基準問題，比它看起來還要棘手

中國電信的模型卡將 Xing 4.0 與標示為 G​emma4-26B-A4B 的欄位進行基準比較。該欄位回報 SWE-bench Verified 53.00。G​oogle 針對指令微調檢查點（instruction-tuned checkpoint）的模型卡完全沒有回報 SWE-bench Verified——其公布的評測套件為 MMLU Pro、AIME 2026、LiveCodeBench v6、Codeforces ELO、GPQA Diamond、Tau2、HLE、MMMU Pro、MATH-Vision，以及一項長脈絡檢索測試。因此，該表格中的 53.00 並不是 G​oogle 的數字。那是中國電信自行將 G​emma 4 透過 SWE-agent 測試框架跑出來的結果；只要你如實理解它的本質：單一實驗室的重跑，且未表明曾嘗試調校 G​emma 的鷹架（scaffolding），那就沒什麼問題。

在該但書已說明一次並貫穿以下所有內容的前提下，以下是雙方都有公布數字的資料列對比，再加上僅有一方有公布數字的代理式資料列。

• SWE-bench Verified — Xing 4.0 為廠商自行執行，成績 75.00；Gemma 4 經 China Telecom 重新執行則為 53.00；Google 並未公布此基準測試的數據。

• Terminal-Bench 2.1 — Xing 4.0 57.50 對比 Gemma 4 30.00，再次是廠商自行重跑的 Gemma。

• SWE-bench Multilingual — Xing 4.0 66.00 對上 G​emma 4 51.00，來源出處相同。

• Claw-Eval — Xing 4.0 76.55 對比 G​emma 4 71.49，依卡面所示，雙方皆採用官方測試框架。

• Tau3-Bench — Xing 4.0 64.63 對比 G​emma 4 58.90。G​oogle 在其自家測試卡上回報 Tau2 為 68.2，那是同系列的不同版本，無法直接比較。

• AIME 2026 — Xing 4.0 90.00 對 G​emma 4 88.30。

• IFBench — Xing 4.0 69.67 對上 G​emma 4 72.67。這一項由 G​emma 勝出。

• AA.LCR — Xing 4.0 61.00 對 Gemma 4 66.00。這一局同樣由 Gemma 勝出。

• 只有 G​oogle 公布數據的項目 — MMLU Pro 82.6、GPQA Diamond 82.3、LiveCodeBench v6 77.1、MMMU Pro 73.8、Codeforces ELO 1,718。Xing 4.0 的規格表在這些項目上完全沒有回報任何數字，因此無從比較，而這片空白不應被解讀為落敗。

差異的形態是一致的，並非隨機：Xing 4.0 在軟體工程與終端機形態的任務上表現強勁，但在指令遵循與長上下文推理上較弱。這是刻意的設計目標——這張卡的整個架構章節都圍繞代理式工作：多步驟規劃、工具呼叫、推理鏈——而數字與設計相符。它們沒有告訴你的是，這股優勢能否在並非由供應商挑選的評測框架下依然成立。

G​emma 專欄無法告訴你的事，Xing 的專欄也無法告訴你

注意審視上的不對稱。Gemma 4 26B A4B 已從其儲存庫被下載超過一千萬次，並擁有 Artificial Analysis 的獨立評比排名，以及八個月來實務工作者關於其滑動視窗注意力在何處劣化的報告。Xing 4.0 在一個月內有 53,000 次下載，沒有獨立評估，只有單一實驗室的基準表——而其中最も亮眼的幾列，正是對評測框架選擇最敏感的那些。當比較的一方已被陌生人壓力測試了八個月，另一方卻沒有時，較新模型的招牌數字就理當承受這個事實所暗示的折扣。75 和 57.5 或許完全禁得起檢驗。中國電信以外的人目前都還不知道。

成本，雙向

Gemma 4 26B A4B 的情況是一道算術題。在 OrcaRouter 上，每百萬個 token 的價格分別為 $0.06 和 $0.33，快取讀取為每百萬 $0.0075；一個每天消耗兩百萬個輸出 token 的代理，在計入快取之前，生成約需支付六十六美分，而輸入端只需幾美分。沒有自架需求、沒有硬體決策，也沒有維運負擔。因為 OrcaRouter 會直接傳遞供應商定價，以零加成，供應商對這個模型的降價，會在宣布當天就反映到我們的端點上——你帳單上的數字就是供應商的數字。

Xing 4.0 的情況是資本性的，而非邊際性的。權重免費且採 Apache-2.0 授權，該系列聲稱 4 位元量化可在約 15GB 的 VRAM 中運行，這意味著它能在 RTX 3090 或 4090 上跑得動。這項說法與該儲存庫回報完整檢查點為 31B 張量大小並列時顯得格格不入，因此在據此規劃之前，請先確認實際量化檔案的大小。要提供服務，意味著得在你自有的硬體上使用 SGLang、vLLM 或 KTransformers，外加因客製化注意力與殘差串流設計而來的整合工作。唯有在持續高用量時，或當資料完全無法離開你的網路時，才會達到這個交叉點。

在我們未託管的模型上，路由器能發揮作用的情況

我們會直白地說出顯而易見的事：Xing 4.0 29B-A4B 並不在 OrcaRouter 的目錄中，所以我們並不是呼叫它的途徑，而這裡的任何內容都不應被解讀為要你為了它來使用我們的推銷。我們真正的角色，是讓比較保持低成本的一種方式。Gemma 4 26B A4B 託管於此；挑戰者評估是路由變更，而不是第二份合約，而自動容錯移轉能在你把一部分流量導向實驗性模型時，讓正式環境路徑維持運作。路由 DSL 正是為這種形態的問題而存在——你只需寫一次規則，其背後的模型則是可變的。

該選哪一個

如果你需要多模態輸入、公開的每詞元價格、一個背後有八個月獨立測試的模型，或只是想要一個今天下午就能呼叫的選擇，就選 Gemma 4 26B A4B。它在兩者中是安全許多的那個，而且差距很大；每百萬輸入詞元只要六美分，成本方面的理由幾乎不用多說。

選擇Xing 4.0 29B-A4B，如果你的工作負載是程式編寫或終端機代理，而你擁有 GPU，或能容忍一個全新託管的端點，並且願意在信任這張表之前先自行執行評估。潛在的回報是真實的——一個擁有 29B 記憶體佔用與 4B 運算特性的模型，在紙上於同級權重中拿下最強的代理任務成績。風險同樣真實：其中每一列成績都是供應商針對一份四週前的檢查點所提出的宣稱，而緊鄰其旁的比較欄位也是由同一家供應商產出的。

如果你想要的是中間路線，那會是雙模型堆疊，而非二選一：由 Gemma 4 26B A4B 處理它早已證明擅長的多模態、高流量與長上下文流量，並把 Xing 4.0 限定在程式設計代理路徑上——那是它宣稱優勢最大、且答錯也易於被抓出來的地方。

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。