¿Qué es Xing4.0-29B-A4B?
Xing4.0-29B-A4B es un modelo de pesos abiertos de China Telecom Artificial Intelligence Technology, publicado el 17 de septiembre de 2026. Xing es el nuevo nombre de la serie TeleChat de la empresa. Es un modelo de texto mixture-of-experts con 29.000 millones de parámetros, de los que 4.000 millones están activos por token, repartidos entre 64 expertos más un experto compartido. El contexto nativo es de 256K tokens, ampliable a 512K, y el razonamiento se puede activar o desactivar en cada petición.
China Telecom afirma que es el primer modelo de este tamaño entrenado íntegramente en NPU Ascend 910C de Huawei con el framework MindSpore, y que su trabajo de ingeniería elevó el rendimiento del entrenamiento en torno a un 96% sobre el que ofrece la plataforma de serie. El modelo está ajustado para programación y trabajo con agentes y se ha adaptado a entornos como OpenCode, Claude Code, OpenClaw y Hermes.
Los pesos están bajo Apache 2.0 en Hugging Face, ModelScope y Modelers. vLLM y SGLang necesitan plugins externos de China Telecom; también hay versiones para KTransformers, llama.cpp y MLX, y OpenRouter ofrece un endpoint alojado gratuito gestionado por Phala.
¿Merece la pena Xing4.0-29B-A4B?
Xing4.0 importa más como hito industrial que como producto. Entrenar de principio a fin un modelo competitivo de 29B en clústeres Ascend 910C demuestra que los laboratorios chinos pueden crear modelos útiles sin NVIDIA, y China Telecom ha publicado los operadores fusionados y las recetas de MindFormers para repetir el trabajo.
Como modelo, queda más o menos a la par de la comparación que eligió. La tabla de China Telecom le da 75,0 en SWE-bench Verified frente a 76,0 de Qwen3.6-35B-A3B y 53,0 de Gemma 4 26B-A4B, y lo pone por delante en Terminal-Bench 2.1 (57,5 frente a 51,5 y 30,0) y Claw-Eval (76,55 frente a 74,54). Qwen va por delante en AIME 2026, Tau3-Bench y SWE-bench Multilingual, y Gemma en IFBench y razonamiento con contexto largo. Son pruebas del propio fabricante; aún no hemos encontrado ninguna entrada en una clasificación independiente.
La competencia ha avanzado. El modelo denso Qwen3.8-27B de Alibaba declara 73,0 en Terminal-Bench 2.1 en su propia ficha, muy por encima del 57,5 de Xing, y lee imágenes, mientras que Xing solo maneja texto. La respuesta de Xing es la velocidad: con 4.000 millones de parámetros activos hace mucho menos trabajo por token que un modelo denso de 27B, lo que importa en bucles de agentes que consumen contextos largos.
Las asperezas prácticas están en el despliegue. vLLM y SGLang de serie no reconocen la arquitectura sin los plugins de China Telecom, y el endpoint gratuito de OpenRouter depende de un único proveedor externo. La adopción de la comunidad es modesta, unas 15.000 descargas en Hugging Face en el último mes, aunque la lista de ajustes finos por sectores de la ficha, de las finanzas a las actas de reuniones, sugiere que la licencia Apache está cumpliendo su función.
Dónde se gana su sitio
Un equipo de infraestructura de una empresa estatal china con hardware Huawei Ascend
Ejecutar un modelo de programación y agentes en chips nacionales sin trabajo de adaptación
Xing4.0 se entrenó y ajustó en Ascend 910C con MindSpore, así que el camino de despliegue está documentado en lugar de improvisado. Puntúa cerca de Qwen3.6-35B-A3B en los benchmarks de programación del fabricante, con licencia Apache.
Un ingeniero de plataforma que sirve un agente de programación interno en una H100
Ejecutar sesiones largas de agentes a bajo coste con contextos de 200K tokens
Los pesos BF16 ocupan unos 62 GB, así que una tarjeta de 80 GB los aloja con margen para la caché, y solo se activan 4B parámetros por token. A cambio, queda unos 15 puntos por debajo en Terminal-Bench 2.1 frente a Qwen3.8-27B, un modelo denso que es más lento por token.
Una start-up de tecnología legal con unos miles de contratos etiquetados
Ajustar un modelo base con licencia Apache para extraer cláusulas y revisar contratos
China Telecom cita la auditoría de contratos y la comprensión de tablas como ámbitos previstos de ajuste fino, y LLaMA-Factory, ms-swift y Unsloth lo admiten. La evaluación corre a cargo de la start-up: no hay puntuaciones independientes.
Antes de decidirte
- Puesta en marcha
- Descargarlo de Hugging Face, instalar el plugin xing4 de China Telecom para vLLM o SGLang y servir un endpoint compatible con OpenAI; el razonamiento se activa con enable_thinking en la plantilla de chat.
- Integraciones
- vLLM y SGLang (mediante plugins), KTransformers, GGUF para llama.cpp, versiones para MLX, LLaMA-Factory, MindFormers, ms-swift y Unsloth; adaptado a OpenCode, Claude Code, OpenClaw y Hermes. Endpoint gratuito en OpenRouter.
- Datos y privacidad
- Apache 2.0: se permiten el uso comercial y el ajuste fino sin tope de ingresos ni anexo de uso aceptable. Alojado por uno mismo, nada sale de sus servidores; el endpoint de OpenRouter lo gestiona un tercero, Phala, con sus propias condiciones.
- Coste a escala
- Los pesos BF16 ocupan unos 62 GB (31,2B parámetros contando los embeddings), una H100 de 80 GB; FP8 lo reduce a la mitad; una versión GGUF de la comunidad de 11,6 GB cabe en una tarjeta de 16 GB. La única opción alojada, el endpoint gratuito de OpenRouter, está limitada a 20 peticiones por minuto y 50 al día (1.000 al día cuando la cuenta ha comprado 10 $ de créditos), así que el tráfico de producción obliga a alojarlo uno mismo.
- Límites
- Solo texto; contexto nativo de 256K; benchmarks propios con una temperatura recomendada de 0,8 a 1,0; el endpoint alojado gratuito limita las respuestas a unos 236K tokens y depende de un solo proveedor.
Lo bueno
- Licencia Apache 2.0
- 4.000 millones de parámetros activos por token, barato de servir para su tamaño
- Contexto nativo de 256K, ampliable a 512K
- Funciona en NPU Ascend además de en plataformas de NVIDIA, AMD y Apple
Lo malo
- Solo texto
- Queda 15,5 puntos por detrás de Qwen3.8-27B en Terminal-Bench 2.1, según cada fabricante
- vLLM y SGLang necesitan plugins externos
- Todos los benchmarks son propios; aún sin entrada en una clasificación independiente
Ideal para
Equipos con hardware Huawei Ascend, o que quieren un modelo de agentes pequeño con licencia Apache para ajustarlo a tareas de un sector.
Alternativas a Xing4.0-29B-A4B
Xing4.0-29B-A4B: preguntas frecuentes
- ¿Merece la pena Xing4.0-29B-A4B?
- Xing4.0 demuestra que China puede entrenar un modelo de agentes útil sin NVIDIA, y es un programador barato razonable, pero no es motivo para dejar Qwen. Le damos un 3.6 sobre 5.
- ¿Cuánto cuesta Xing4.0-29B-A4B?
- Pesos gratuitos bajo Apache 2.0. Sin API propia; OpenRouter ofrece un endpoint gratuito (alojado por Phala) con los topes de peticiones de sus modelos gratuitos.
- ¿Qué inconvenientes tiene Xing4.0-29B-A4B?
- Solo texto; queda 15,5 puntos por detrás de Qwen3.8-27B en Terminal-Bench 2.1, según cada fabricante; vLLM y SGLang necesitan plugins externos; todos los benchmarks son propios; aún sin entrada en una clasificación independiente.
- ¿Para quién es Xing4.0-29B-A4B?
- Equipos con hardware Huawei Ascend, o que quieren un modelo de agentes pequeño con licencia Apache para ajustarlo a tareas de un sector.
- ¿Cuánto cuesta Xing4.0-29B-A4B para un equipo o en producción?
- Los pesos BF16 ocupan unos 62 GB (31,2B parámetros contando los embeddings), una H100 de 80 GB; FP8 lo reduce a la mitad; una versión GGUF de la comunidad de 11,6 GB cabe en una tarjeta de 16 GB. La única opción alojada, el endpoint gratuito de OpenRouter, está limitada a 20 peticiones por minuto y 50 al día (1.000 al día cuando la cuenta ha comprado 10 $ de créditos), así que el tráfico de producción obliga a alojarlo uno mismo.
- ¿Es Xing4.0-29B-A4B seguro para los datos de la empresa?
- Apache 2.0: se permiten el uso comercial y el ajuste fino sin tope de ingresos ni anexo de uso aceptable. Alojado por uno mismo, nada sale de sus servidores; el endpoint de OpenRouter lo gestiona un tercero, Phala, con sus propias condiciones.
- ¿Cuáles son las mejores alternativas a Xing4.0-29B-A4B?
- Las alternativas más cercanas que hemos analizado son Qwen3.8-27B, Gemma 4 y gpt-oss-20b.
Respuestas comprobadas el 26 oct 2026.