China Telecom brengt Xing4.0 uit: een open gok op Huawei-chips

China Telecom AI, het AI-bedrijf van de China Telecom-groep, heeft Xing4.0-29B-A4B officieel uitgebracht, een taalmodel met open gewichten en een mixture-of-experts-architectuur, ontworpen voor agenttaken zoals het aanroepen van tools, werken in de terminal en programmeren. Het systeem is uitgebracht onder de Apache 2.0-licentie en hoort bij de Xing-reeks, voorheen TeleChat, met in totaal 29 miljard parameters waarvan er 4 miljard per token actief zijn, plus een native contextvenster van 256K dat uitbreidbaar is tot 512K. Volgens AIbase dateert de aankondiging in China van 17 september; internationaal volgde een persbericht uit Peking op 22 september 2026.

Het interessantste is wat er over de productieketen wordt beweerd. In de officiële modelkaart op Hugging Face stelt het bedrijf dat de training volledig op Huawei Ascend-NPU's is gedaan met het MindSpore-framework, en presenteert het als ‘het eerste model van deze schaal dat volledig op het Ascend NPU-platform is getraind’. In hetzelfde document claimt het bedrijf een efficiëntiewinst bij de training van ongeveer 96%, zonder te vermelden welke referentie voor de berekening is gebruikt. Wat de inzet betreft, stelt het commerciële persbericht dat het model 15 GB geheugen nodig heeft op één consumentenvideokaart, zonder te zeggen op welke kwantisatie dat getal slaat; de analyse van AIbase koppelt het aan 4-bits kwantisatie, terwijl de Hugging Face-kaart geen geheugeneisen noemt en de bestanden in de officiële repository momenteel beschikbaar zijn in de formaten F32 en BF16.

De prestatiecijfers van de ontwikkelaar laten tegenover directe concurrenten een wisselend beeld zien. In de agent- en programmeertests uit de technische kaart verslaat Xing4.0 Gemma4-26B-A4B en Qwen3.6-35B-A3B op Terminal-Bench 2.1 met 57,50 punten en op Claw-Eval met 76,55, maar blijft het achter bij Qwen3.6 op SWE-bench Verified, met 75,00 tegen 76,00 voor het model van Alibaba. In dezelfde tabel scoort het ook lager dan Qwen3.6 op AIME2026, Tau3-Bench, SWE-bench Multilingual en AA.LCR, en lager dan Gemma4 op IFBench en AA.LCR. Het bedrijf zegt het systeem al in de eigen klantenservice te hebben ingezet voor complexe vragen en spreekt van een betere oplossing bij het eerste contact, maar geeft daar geen cijfers bij. Over de koers van het project zei een woordvoerder van China Telecom AI: ‘Wij geloven dat de toekomst van AI niet ligt in steeds grotere modellen, maar in het toegankelijk maken van krachtige intelligentie voor iedereen: betaalbaar en overal inzetbaar.’

Prestatievergelijkingen op een technische kaart van het bedrijf blijven voorlopig tot ze onafhankelijk zijn gecontroleerd. Industrieel gezien is het juist de claim van een training volledig op Huawei-hardware die ertoe doet, en dat is ook precies wat niemand van buitenaf kan controleren: de gewichten kun je downloaden, de hardware die ze heeft gemaakt niet.

— Olya