答案已發布19 來源
Xing4.0-29B-A4B：中國電信 AI 的智能體 MoE 模型有咩賣點？
中國電信 AI 的 Xing4.0 29B A4B 是面向編程及多步驟智能體任務的開放權重 MoE 模型，總參數約 290 億，每個 token 啟動約 40 億。[1][10] 模型有 64 個路由專家及 1 個共享專家；每個 token 選用其中 4 個路由專家。原生上下文長度為 256K token，另有可擴展至 512K 的說法。[1][2] 官方及相關報道提到的評測分數、約 15 GB 顯存需求，均應視為特定測試或部署條件下的聲稱，不能當作每部電腦都能重現的結果。[6][19][8]
發布者使用 GPT-6 Sol 編輯圖片由 GPT Image 2 生成
研究答案
重點
- 中國電信 AI 的 Xing4.0 29B A4B 是面向編程及多步驟智能體任務的開放權重 MoE 模型，總參數約 290 億，每個 token 啟動約 40 億。[1][10]
- 模型有 64 個路由專家及 1 個共享專家；每個 token 選用其中 4 個路由專家。原生上下文長度為 256K token，另有可擴展至 512K 的說法。[1][2]
- 官方及相關報道提到的評測分數、約 15 GB 顯存需求，均應視為特定測試或部署條件下的聲稱，不能當作每部電腦都能重現的結果。[6][19][8]
AI 提示
openai.comCreate a landscape editorial hero image for this Studio Global article: What is China Telecom AI’s open-sourced Xing4.0-29B-A4B agentic Mixture-of-Experts model, and what are its parameter count, active experts,. Article summary: Xing4.0-29B-A4B is China Telecom AI’s open-weight Mixture-of-Experts language model for coding and other multi-step agent tasks. It has about 29 billion parameters in total, but activates about 4 billion for each token—n. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, click
如果你正考慮將 AI 模型放到本機處理寫程式、呼叫工具等多步驟任務，Xing4.0-29B-A4B 值得留意的，不單是模型名稱中的「29B」和「A4B」，還有兩者並不代表同一種資源需求。這款由中國電信 AI 開發的開放權重混合專家（Mixture-of-Experts，MoE）語言模型，總參數約 290 億，但處理每個 token 時只啟動約 40 億。換言之，計算時只用到部分參數，唔等於部署時只需儲存 40 億參數。1
10
參數、專家同上下文：先分清三組數字
模型設有 64 個路由專家及 1 個共享專家。每處理一個 token，系統會選出 4 個路由專家，並讓共享專家參與運算。它的原生上下文長度是 256K token；資料亦稱可擴展至 512K token，但後者不是原生規格。1
2
對想處理長篇程式碼或多輪工具操作的人來說，上下文長度是重要指標；但它本身並不保證模型在最長設定下的速度或顯存佔用。
在昇騰平台訓練，「快 96%」快在哪裏？
架構方面，Xing4.0-29B-A4B 結合多頭潛變量注意力（MLA）、流形約束超連接（mHC）及多 token 預測（MTP）。據相關資料，MLA 用來減少注意力快取需求，mHC 有助穩定訓練，而 MTP 則用於多 token 生成。1
5
模型以華為昇騰硬件、配合昇思 MindSpore 生態進行訓練。開發方稱，透過調整 MoE 專家之間的通訊、選擇性重新計算、圖與算子融合，以及自訂 Ascend C 算子，訓練吞吐量較未經優化的基準設定提高約 96%。這是訓練系統的比較，不是模型在用戶電腦上推理會快 96% 的意思。5
13
模型在哪裏下載？支援哪些工具？
權重已在 Hugging Face 以 XingChen-AGI/Xing4.0-29B-A4B 名稱提供，授權條款為 Apache 2.0。模型資料列有 Transformers 及 vLLM 的使用方式；相關資料亦列出 SGLang、KTransformers 作推理或部署選項，以及 LLaMA-Factory、MindFormers 作微調工具。針對智能體工作流程，資料另稱已適配 OpenCode、Claude Code、OpenClaw 和 Hermes。12
13
8
評測分數與「15 GB 可運行」，應該點睇？
發布資料及相關報道列出的成績包括：SWE-bench Verified 75.00、Terminal-Bench 2.1 57.50，以及 SuperCLUE 智能體評測 93.52。這些是已公布的成績，不應當成在此已獲獨立重現的結果。6
19
8
中國電信亦稱，配合低位元量化及記憶體優化，模型可將 GPU 顯存需求降至約 15 GB；另有報道將這個數字對應到 4-bit 量化版本。它是特定部署條件下的聲稱，並非任何設定都適用。實際能否放進某張顯示卡，仍要看量化方式、推理程式設定及所用的上下文長度。6
8
Studio Global AI
繼續你的研究
此頁麵包含一個有來源支援的答案，您可以在 Studio Global 內繼續。
人們還問
「Xing4.0-29B-A4B：中國電信 AI 的智能體 MoE 模型有咩賣點？」的簡短答案是什麼？
中國電信 AI 的 Xing4.0 29B A4B 是面向編程及多步驟智能體任務的開放權重 MoE 模型，總參數約 290 億，每個 token 啟動約 40 億。[1][10]
首先要驗證的關鍵點是什麼？
中國電信 AI 的 Xing4.0 29B A4B 是面向編程及多步驟智能體任務的開放權重 MoE 模型，總參數約 290 億，每個 token 啟動約 40 億。[1][10] 模型有 64 個路由專家及 1 個共享專家；每個 token 選用其中 4 個路由專家。原生上下文長度為 256K token，另有可擴展至 512K 的說法。[1][2]
接下來在實務上我該做什麼？
官方及相關報道提到的評測分數、約 15 GB 顯存需求，均應視為特定測試或部署條件下的聲稱，不能當作每部電腦都能重現的結果。[6][19][8]