China Telecom publie Xing4.0 : le pari ouvert sur les puces Huawei
China Telecom AI, la société d'intelligence artificielle du groupe China Telecom, a officialisé la sortie de Xing4.0-29B-A4B, un modèle de langage à poids ouverts doté d'une architecture mixture-of-experts et conçu pour des tâches agentiques comme l'appel d'outils, le travail en terminal et la programmation. Publié sous licence Apache 2.0, le système appartient à la série Xing, auparavant appelée TeleChat, et compte 29 milliards de paramètres au total, dont 4 milliards actifs par token, avec une fenêtre de contexte native de 256K extensible à 512K. Selon AIbase, l'annonce en Chine remonte au 17 septembre ; la diffusion internationale a suivi avec un communiqué publié depuis Pékin le 22 septembre 2026.
Le point le plus intéressant tient à ce qui est dit de la chaîne de production. Dans la fiche officielle publiée sur Hugging Face, l'entreprise affirme que l'entraînement s'est déroulé entièrement sur des NPU Huawei Ascend avec le framework MindSpore, et le présente comme « le premier modèle de cette échelle entraîné entièrement sur la plateforme Ascend NPU ». Dans le même document, elle revendique un gain d'efficacité de l'entraînement d'environ 96 %, sans préciser la base de référence utilisée pour le calcul. Côté déploiement, le communiqué commercial indique que le modèle nécessite 15 Go de mémoire sur une seule carte graphique grand public, sans dire à quelle quantification ce chiffre correspond ; l'analyse d'AIbase l'attribue à une quantification sur 4 bits, tandis que la fiche Hugging Face n'indique aucune exigence de mémoire et que les fichiers du dépôt officiel sont actuellement disponibles aux formats F32 et BF16.
Les données de performance diffusées par le développeur montrent des résultats contrastés face à la concurrence directe. Dans les tests agentiques et de programmation cités dans la fiche technique, Xing4.0 devance Gemma4-26B-A4B et Qwen3.6-35B-A3B sur Terminal-Bench 2.1 avec 57,50 points et sur Claw-Eval avec 76,55, mais reste derrière Qwen3.6 sur SWE-bench Verified, où il obtient 75,00 contre 76,00 pour le modèle d'Alibaba. Dans le même tableau, il est aussi derrière Qwen3.6 sur AIME2026, Tau3-Bench, SWE-bench Multilingual et AA.LCR, et derrière Gemma4 sur IFBench et AA.LCR. L'entreprise dit avoir déjà intégré le système à son propre service client pour traiter les demandes complexes, et fait état d'une meilleure résolution dès le premier contact, sans toutefois fournir de chiffres. Sur l'orientation du projet, un porte-parole de China Telecom AI a déclaré : « Nous pensons que l'avenir de l'IA ne réside pas dans des modèles toujours plus grands, mais dans une intelligence puissante rendue accessible à tous, abordable et déployable partout. »
Les comparaisons de performance publiées sur une fiche technique d'entreprise restent provisoires tant qu'elles n'ont pas été vérifiées de façon indépendante. Sur le plan industriel, en revanche, c'est la revendication d'un entraînement mené entièrement sur du matériel Huawei qui comptera, et c'est aussi celle que personne ne peut contrôler de l'extérieur : les poids se téléchargent, le matériel qui les a produits, non.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- J'ai lu la fiche officielle du modèle sur Hugging Face (organisation XingChen-AGI) : architecture, licence Apache 2.0, contexte, plateforme d'entraînement et tableau complet des benchmarks avec les modèles de comparaison. Dans le communiqué officiel GlobeNewswire du 22/09/2026, j'ai vérifié la date, le lieu, la citation du porte-parole, l'exigence de 15 Go et l'usage au service client. Confirmation indépendante : AIbase (paramètres, contexte, quantification 4 bits, SuperCLUE). Je n'ai pas pu lire l'article de HPCwire/AIwire (erreur 403) et je n'ai pas ouvert le dépôt GitHub.
- Incertezze
- Tous les benchmarks sont déclarés par China Telecom AI et il n'existe pas encore de vérification indépendante, hormis le score SuperCLUE rapporté par AIbase et non contrôlé sur la source primaire. En programmation, le modèle ne bat pas toujours Qwen3.6-35B-A3B : sur SWE-bench Verified il obtient 75 contre 76, et le communiqué cite le 75 sans le préciser. Selon AIbase, les 15 Go ne valent qu'avec une quantification sur 4 bits : le communiqué ne le dit pas et Hugging Face ne propose aucune variante quantifiée. Le gain d'efficacité de +96 % n'a pas de base de référence déclarée. L'entraînement entièrement sur Ascend est une affirmation de l'entreprise, invérifiable de l'extérieur ; l'amélioration du service client est annoncée sans chiffres. La date d'annonce en Chine (17 septembre, selon AIbase) diffère de celle du communiqué international (22 septembre).
- Perché pubblicarla
- C'est un modèle open source sous licence permissive, utilisable en local, que l'entreprise présente comme entraîné entièrement sur du matériel chinois : un sujet important pour la souveraineté technologique et l'effet des contrôles à l'exportation. C'est aussi l'occasion d'un article anti-hype, car le tableau complet, mis en regard du communiqué, montre que le modèle ne gagne pas partout. Aucun recoupement avec les sujets déjà publiés.