电信开源Xing4.0-29B-A4B：29B MoE 激活仅 4B，单卡显存仅约 15GB

2026-09-20公众号文章

今天，中电信人工智能科技有限公司正式发布 Xing4.0-29B-A4B——面向智能体时代的新一代星辰大模型。这是一款总参数量 29B、激活参数仅 4B 的 MoE 智能体大模型，原生支持 256K 上下文，可扩展至 512K，是国内首个基于国产算力与国产框架完成训练、面向复杂工程任务深度优化的百亿参数大模型。

作为新一代星辰大模型，Xing4.0 在 TeleChat1-3 系列基础上全面升级，从模型架构、训练 Infra 到能力范式实现全面跃迁。如果说此前 TeleChat1-3 系列大模型更多解决的是“你问我，我回答”，那么 Xing4.0 系列大模型要解决的，是“你给我一个目标，我帮你把事情做完”。Xing4.0 正在推动星辰系列大模型从“会回答”走向“会做事”。这不仅是一次模型版本的迭代，更是星辰大模型一次能力范式的跃迁。

面向 Agent 场景对模型理解、规划与执行能力提出的新需求，Xing4.0-29B-A4B 采用 mHC+MLA+MTP 架构设计，可高效处理长程 Agent 任务，支持多步骤规划、工具调用和复杂推理链路执行，保障长会话上下文下任务逻辑连贯、执行稳定。

通过 4-bit 量化技术，模型将单卡显存占用降低至约 15GB，相比 FP16 方案降低约 75%，在 RTX 3090、RTX 4090 等 24GB 显存消费级 GPU 上即可支持本地运行长上下文任务。

在性能表现上，模型在 SWE-bench Verified 取得 75.0，在 SuperCLUE 智能体能力评测中得分 93.52、位列第 3 名。

ModelScope：

https://modelscope.cn/models/XingChen-AGI/Xing4.0-29B-A4B

Github：

https://github.com/XingChen-AGI/Xing4.0-29B-A4B

性能表现

编码 Agent

在编码 Agent 方面，Xing4.0-29B-A4B 在 SWE-bench Verified（75.0）、SWE-bench Multilingual（66.0）和 Terminal-Bench 2.1（57.5）上表现突出。

其中，SWE-bench Verified（75.0）接近 Qwen3.6-35B-A3B（76.0），大幅超过 Gemma4-26B-A4B（53.0）；Terminal-Bench 2.1（57.5）同时超过 Qwen3.6-35B-A3B（51.5）和 Gemma4-26B-A4B（30.0）。

通用 Agent

在通用 Agent 方面，Xing4.0-29B-A4B 在 Claw-Eval（76.55）、DeepresearchBII（60.80）和 τ³-Bench（64.63）上展现出较强表现。

其中，Claw-Eval（76.55）超过 Qwen3.6-35B-A3B（74.54）和 Gemma4-26B-A4B（71.49），DeepresearchBII（60.80）也超过 Qwen3.6-35B-A3B（59.70）和 Gemma4-26B-A4B（39.30）。

以上是针对智能体场景小尺寸模型对比结果。从 SuperCLUE 评测结果来看，在智能体能力方面，Xing4.0-29B-A4B 得分 93.52，位列第 3 名，与两款头部 Qwen 模型的差距均不足 1 分。综合来看，Xing4.0-29B-A4B 在较小参数规模下实现了较强的智能体能力，在任务规划、工具调用、代码处理和端到端任务执行等方面表现突出，为数据处理、办公自动化等智能体应用提供了良好的模型基础。

模型架构与训练

架构设计

面向长程 Agent 任务进行模型架构创新，引入 MLA 多头潜变量注意力压缩 KV 缓存，MTP 多 Token 预测增强生成连贯性，mHC 流形约束超连接改善深层网络训练稳定性，并结合 Muon + QK-Clip 优化器提升训练稳定性。

训练采用分阶段递进策略，序列长度从 4K 逐步扩展至 32K、128K、256K，系统性构建长程上下文能力。

训练 Infra

基于昇腾 910C 集群开展新一代模型架构与国产算力协同优化，实现“国芯训国模”。针对 mHC 多残差连接，基于 MindSpore/MindFormers 完成特性适配、跨框架精度对齐及融合算子开发；针对 64 路由专家、Top4 激活的细粒度 MoE，围绕专家负载均衡、Grouped GEMM、共享专家计算与 All-to-All 通信重叠进行优化，并结合 DVM 图算自动融合，降低通信长尾与碎片化算子开销；进一步采用层级 + 算子级选择性重计算，以及 Ascend C 定制 mHC 融合算子，持续提升计算与显存效率。经过模型架构、编译、算子与硬件的多层次协同，整网训练吞吐较开箱性能提升约 96%，接近翻倍。

多专家强化学习

依托昇腾生态完成 Slime 强化学习框架适配，面向 Agent、Coding、Reasoning 等复杂任务开展多专家强化学习训练，并通过 MOPD 技术实现多专家能力高效融合，进一步强化复杂推理、长程任务规划与工具协同能力。

通过模型架构、训练 Infra 与强化学习三个层面的协同攻坚，Xing4.0-29B-A4B 打通从模型架构适配、国产算力训练到强化学习能力增强的完整技术链路，实现模型与国产芯片、国产框架的深度融合，形成“国芯训国模”的新路径。

轻量化工程化部署

Xing4.0-29B-A4B 通过 4-bit 量化技术，将单卡显存占用降低至约 15GB，相比 FP16 方案降低约 75%。在 RTX 3090、RTX 4090 等 24GB 显存消费级 GPU 上，即可支持本地运行长上下文任务，推理吞吐达到约 30 tokens/s，满足开发者进行 Agent 应用开发和本地部署需求。

这意味着个人开发者、小型工作室、中小企业不用采购昂贵的 A 系列专业卡，依托现有消费级硬件就能本地跑起模型。既能完成复杂任务拆解、工具调用执行，也能保证数据安全私密。

开源生态兼容

主流开源生态兼容

Xing4.0-29B-A4B 延续星辰大模型的开源路线，支持 LLaMA-Factory、Mindformers 等微调框架，适配 SGLang、vLLM、KTransformers 等主流推理框架。无论是模型微调还是生产环境部署，开发者均可沿用熟悉的开源工具链，无需额外学习成本，实现便捷高效的全链路落地。

Agent 框架无缝接入

模型针对 OpenCode、Claude Code、OpenClaw、Hermes 等主流 Agent 与代码框架做定向适配调优，深度对齐各框架格式规范。这意味着，开发者无需繁琐的集成改造，即可将 Xing4.0-29B-A4B 无缝接入现有开发工作流，大幅降低框架适配成本。

FlagOS 跨芯统一适配

基于北京智源人工智能研究院 FlagOS 统一开源 AI 软件栈，Xing4.0-29B-A4B 已在昇腾、沐曦、摩尔线程、平头哥、海光等多家国产芯片跨芯适配、精度对齐与部署验证，适配镜像已上线魔搭，提供开箱即用部署方案。

此外，FlagOS 技术栈为 Xing4.0-29B 提供了统一支持多种 AI 芯片的推理插件，包括 vLLM-plugin-FL 和 SGLang-plugin-FL 两种推理框架插件。依托 FlagOS 的异构抽象层与统一运行时，模型可实现跨芯片架构的无缝迁移与一键部署，真正打破算力边界，让异构多元算力开箱即用。

典型业务应用场景

1. 数据不出域，表格能读懂

面对承载核心机密的财务报表、经营数据等复杂表格，Xing4.0-29B-A4B 支持私有化部署，数据全程不出域。模型能够理解表格结构与分析需求，自动生成数据处理、统计分析代码并调用执行，快速完成指标提取、异常识别、复杂指标计算等任务。

2. 复杂任务，自主拆解执行

一份典型的投标文件动辄数百页乃至上千页，涵盖技术规格、商务条款、法律承诺及海量财务数据，以文本、图表、图纸等非结构化形态交织呈现。Xing4.0-29B-A4B 能够自主拆解评审任务，规划执行路径，调用文档解析、检索、代码执行等工具，完成信息提取、内容比对与结果汇总，让复杂任务从“人工处理”走向“自主执行”。

面对复杂的企业选型对比需求，模型可以将复杂需求拆解为 12 步闭环可执行链路，每一步精准匹配对应工具。

3. 一句需求，自动生成应用

面对 Excel、数据库等业务数据，Xing4.0-29B-A4B 能够理解业务需求，自动生成数据处理、分析及前端可视化代码，并调用执行环境进行验证与迭代，将复杂业务数据快速转化为合同管控大屏，实现合同概览、金额分析、风险识别、履约预警等功能。借超强的代码生成、场景适配能力，模型还可以零代码、一句话生成可直接运行的趣味教学 Web 页面。

4. 发现问题，自动编程排障

面对系统日志、报错信息和业务异常，Xing4.0-29B-A4B 能够自主分析问题、生成排障代码、调用工具获取数据并执行验证，根据执行结果持续调整分析路径，推动任务从问题发现、原因定位到结果验证，提升复杂问题的排障效率。

5. 客服智能体：端到端秒级响应，复杂业务自主办理

智能客服场景，尤其运营商客服热线，涵盖套餐变更、账单查询、故障报修等数十类高频业务，数据隐私、任务复杂度和实时响应要求极高。模型以三项能力精准匹配：

隐私安全可控：模型总参数量 29B、激活参数仅 4B，硬件资源占用低，可在本地环境独立运行，确保用户通话数据、身份信息及业务记录全程不出域，满足核心生产系统的合规要求。
复杂任务自主闭环：模型具备多步自主规划与深度推理能力，可协同调度外部工具链及多个下游子智能体，构建“意图理解→任务拆解→工具调用→结果整合→合规校验”的完整闭环。面对模糊意图与多轮交叉诉求，动态调度业务办理、风控校验等子智能体协同作业，实现从简单问答到复杂业务自助办理的跨越。
端到端秒级响应：基于稀疏激活架构，模型在保障业务效果的同时实现极致推理效率，端到端首 Token 响应时延压降明显，充分满足热线实时通话对低时延、高并发的严苛要求，保障用户“边说边响应”的流畅体验。

模型下载与推理

Xing4.0-29B-A4B 支持 Transformers 本地推理，并已向 vLLM、SGLang、TensorRT-LLM、llama.cpp 和KTransformers 5 个服务化推理框架提交适配 PR。

目前相关 PR 尚待合入上游主分支，本节重点介绍官方已提供启动示例的 vLLM、SGLang 和 KTransformers。复杂推理与通用任务推荐设置 temperature=1.0、top_p=0.95、repetition_penalty=1.05；代码与智能体任务可将 temperature 调整为 0.8。

模型下载

pip install -U modelscope

modelscope download --model XingChen-AGI/Xing4.0-29B-A4B --local_dir XingChen-AGI/Xing4.0-29B-A4B

export MODEL_PATH="XingChen-AGI/Xing4.0-29B-A4B"

通过 Transformers推理

import torch

from transformers import AutoModelForCausalLM, AutoTokenizer

path = "XingChen-AGI/Xing4.0-29B-A4B"

tokenizer = AutoTokenizer.from_pretrained(path, trust_remote_code=True)

model = AutoModelForCausalLM.from_pretrained(path, trust_remote_code=True, device_map="auto", dtype=torch.bfloat16)

prompt = "Briefly explain the basic principles of quantum computing."

messages = [{"role": "user", "content": prompt}]

text = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)

model_inputs = tokenizer(text, return_tensors="pt").to(model.device)

generated_ids = model.generate(

**model_inputs,

top_p=0.95,

temperature=1.0,

repetition_penalty=1.05,

max_new_tokens=32768

)

response = tokenizer.decode(generated_ids[0], skip_special_tokens=False, spaces_between_special_tokens=False)

# The model output contains a Chain-of-Thought; the final answer follows </think>

answer = response.split("</think>")[-1].strip()

print(answer)

模型输出包含思考过程，最终回答位于 </think> 标记之后。

vLLM 部署

vllm serve ${MODEL_PATH} \

--host 0.0.0.0 \

--port 8000 \

--served-model-name Xing4.0-29B-A4B \

--tensor-parallel-size 2 \

--trust-remote-code \

--max-model-len 262144 \

--gpu-memory-utilization 0.90 \

--max-num-seqs 32 \

--reasoning-parser xing4 \

--tool-call-parser xing4 \

--speculative-config '{"method":"mtp", "num_speculative_tokens": 1}'

服务启动后，可通过 http://localhost:8000/v1 调用 OpenAI 兼容 API。

vLLM 适配PR：https://github.com/vllm-project/vllm/pull/57135

SGLang 部署

sglang serve --model-path ${MODEL_PATH} \

--trust-remote-code \

--host 0.0.0.0 \

--port 8000 \

--served-model-name Xing4.0-29B-A4B \

--tp-size 2 \

--context-length 262144 \

--mem-fraction-static 0.90 \

--max-running-requests 32 \

--reasoning-parser xing4 \

--tool-call-parser xing4 \

--speculative-algorithm EAGLE

服务启动后，同样可通过 http://localhost:8000/v1 访问。

SGLang 适配 PR：https://github.com/sgl-project/sglang/pull/39793

KTransformers 部署

KTransformers 支持通过 GPU 与 CPU 异构计算，在有限 GPU 资源下运行 MoE 模型。

python -m sglang.launch_server \

--host 0.0.0.0 \

--port 30000 \

--model-path ${MODEL_PATH} \

--served-model-name Xing4.0-29B-A4B \

--tensor-parallel-size 1 \

--trust-remote-code \

--attention-backend triton \

--kt-weight-path ${MODEL_PATH} \

--kt-method BF16 \

--kt-cpuinfer 50 \

--kt-threadpool-count 2 \

--kt-num-gpu-experts 24 \

--mem-fraction-static 0.9 \

--chunked-prefill-size 512 \

--max-total-tokens 65536 \

--tool-call-parser xing4_0 \

--reasoning-parser xing4_0

KTransformers 适配 PR：https://github.com/kvcache-ai/ktransformers/pull/2168

OpenAI 兼容 API 调用

以下以 vLLM/SGLang 服务为例，通过 OpenAI 兼容 API 调用模型；使用 KTransformers 时，将端口调整为 30000。

from openai import OpenAI

client = OpenAI(

base_url="http://localhost:8000/v1",

api_key="EMPTY",

)

completion = client.chat.completions.create(

model="Xing4.0-29B-A4B",

messages=[{"role": "user", "content": "简要介绍量子计算的基本原理。"}],

temperature=1.0,

top_p=0.95,

extra_body={

"repetition_penalty": 1.05,

"skip_special_tokens": False,

"spaces_between_special_tokens": False,

"chat_template_kwargs": {

"enable_thinking": True, # 设置为 False 可关闭思考过程

)

print(completion.choices[0].message.content)

其他框架适配进展

TensorRT-LLM：https://github.com/NVIDIA/TensorRT-LLM/pull/19283
llama.cpp：https://github.com/ggml-org/llama.cpp/pull/29012

点击阅读原文，即可跳转模型链接~


👇点击关注ModelScope公众号获取
更多技术信息~

前往微信阅读全文

内容来自公众号，可前往微信查看原文。