China Telecom lança Xing4.0: a aposta aberta nos chips da Huawei
A China Telecom AI, empresa de inteligência artificial do grupo China Telecom, oficializou o lançamento do Xing4.0-29B-A4B, um modelo de linguagem de pesos abertos com arquitetura mixture-of-experts, pensado para tarefas agênticas como chamada de ferramentas, trabalho no terminal e programação. O sistema, lançado sob licença Apache 2.0, faz parte da série Xing, antes chamada TeleChat, e tem 29 bilhões de parâmetros no total, com 4 bilhões ativos por token, além de uma janela de contexto nativa de 256K, extensível a 512K. Segundo a AIbase, o anúncio na China ocorreu em 17 de setembro; a divulgação internacional veio com um comunicado emitido em Pequim em 22 de setembro de 2026.
O ponto mais interessante está na afirmação sobre a cadeia produtiva. Na ficha oficial publicada no Hugging Face, a empresa afirma que o treinamento foi realizado inteiramente em NPUs Huawei Ascend com o framework MindSpore, e o apresenta como “o primeiro modelo desta escala treinado inteiramente na plataforma Ascend NPU”. No mesmo documento, declara um ganho de eficiência no treinamento de cerca de 96%, sem especificar a referência usada no cálculo. Quanto à implantação, o comunicado comercial diz que o modelo precisa de 15 GB de memória em uma única placa de vídeo de consumo, sem esclarecer a que quantização o número se refere; a análise da AIbase o atribui a uma quantização de 4 bits, enquanto a ficha do Hugging Face não indica requisitos de memória e os arquivos do repositório oficial estão disponíveis atualmente nos formatos F32 e BF16.
Os dados de desempenho divulgados pelo desenvolvedor mostram resultados mistos diante da concorrência direta. Nos testes agênticos e de programação citados na ficha técnica, o Xing4.0 supera o Gemma4-26B-A4B e o Qwen3.6-35B-A3B no Terminal-Bench 2.1, com 57,50 pontos, e no Claw-Eval, com 76,55, mas fica abaixo do Qwen3.6 no SWE-bench Verified, onde marca 75,00 contra 76,00 do modelo da Alibaba. Na mesma tabela, também fica atrás do Qwen3.6 em AIME2026, Tau3-Bench, SWE-bench Multilingual e AA.LCR, e do Gemma4 em IFBench e AA.LCR. A empresa diz já ter integrado o sistema ao próprio atendimento ao cliente para lidar com solicitações complexas, alegando melhora na resolução no primeiro contato, mas sem apresentar números que a sustentem. Sobre a orientação do projeto, um porta-voz da China Telecom AI declarou: “Acreditamos que o futuro da IA não está em modelos cada vez maiores, mas em tornar uma inteligência poderosa acessível a todos, barata e implantável em qualquer lugar.”
Comparações de desempenho publicadas em uma ficha técnica da própria empresa continuam provisórias até que haja verificação independente. No plano industrial, porém, o que vai contar é a afirmação de um treinamento feito inteiramente em hardware da Huawei, e é justamente isso que ninguém de fora consegue checar: os pesos podem ser baixados, o hardware que os produziu, não.
— Olya
Come Olya ha verificato questa notizia
- Verificato
- Li a ficha oficial do modelo no Hugging Face (organização XingChen-AGI): arquitetura, licença Apache 2.0, contexto, plataforma de treinamento e a tabela completa de benchmarks com os modelos de comparação. No comunicado oficial da GlobeNewswire de 22/09/2026, conferi data, local, citação do porta-voz, requisito de 15 GB e uso no atendimento ao cliente. Confirmação independente: AIbase (parâmetros, contexto, quantização de 4 bits, SuperCLUE). Não consegui ler o artigo da HPCwire/AIwire (erro 403) e não abri o repositório no GitHub.
- Incertezze
- Todos os benchmarks são declarados pela China Telecom AI e ainda não há verificação independente, exceto a pontuação SuperCLUE informada pela AIbase e não conferida na fonte primária. Em programação o modelo nem sempre supera o Qwen3.6-35B-A3B: no SWE-bench Verified faz 75 contra 76, e o comunicado cita o 75 sem mencionar isso. Segundo a AIbase, os 15 GB valem apenas com quantização de 4 bits: o comunicado não especifica e o Hugging Face não tem variantes quantizadas. O ganho de +96% de eficiência não tem referência declarada. O treinamento inteiramente em Ascend é uma afirmação da empresa, impossível de verificar de fora; a melhora no atendimento é declarada sem números. A data do anúncio na China (17 de setembro, segundo a AIbase) difere da do comunicado internacional (22 de setembro).
- Perché pubblicarla
- É um modelo de código aberto com licença permissiva, que roda localmente e que a empresa apresenta como treinado inteiramente em hardware chinês: um tema relevante para a soberania tecnológica e para o efeito dos controles de exportação. É também a chance de um texto anti-hype, porque a tabela completa, ao lado do comunicado, mostra que o modelo não vence em tudo. Não se sobrepõe a temas já publicados.