做大模型，一定得是大参数、贵算力、难部署吗？一定得依赖国外芯片、国外框架才能跑出好成绩吗？中国电信的人工智能公司给出了另一种答案。

9月17日，中电信人工智能科技有限公司正式发布新一代星辰大模型：Xing4.0-29B-A4B。 Xing4.0 在历经原TeleChat三代研发的基础之上全面升级，延续坚持全栈国产自主研发的技术底色，从模型架构、训练Infra到能力范式实现全面跃迁。Xing4.0-29B-A4B总参数量 29B，激活参数仅 4B，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。

Xing4.0-29B-A4B 真正做到了一张消费级显卡就能本地跑起来，同时在编码、规划、工具调用这些智能体最看重的硬功夫上，成绩单“越级”对标国际主流。更关键的是，从训练芯片到推理部署，全栈国产——昇腾训练、国产框架适配、自研架构、开源生态，一条路走通。它想做的事只有一件：让“会做事的 AI”，成为人人用得起、靠得住的标配。

该模型开源权重已同步上线魔乐社区 ，欢迎开发者下载体验！

🔗 模型权重链接：

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

01

它凭什么称“新一代”？

过去我们说大模型是“百科全书”——你问，它答。 现在我们说大模型是“执行者”——你给一个目标，它帮你把事情做完。

Xing4.0 带来的正是这种变化：从“会回答”走向“会做事”。它不再只是回答问题的助手，而是能拆任务、调工具、跑链路、交付结果的“行动大脑”。

但这并非凭空而来。从 2023 年 TeleChat 百亿参数大模型在世界人工智能大会发布、成为首个发布大模型能力的国企，到 TeleChat-7B 作为国央企首家对外开源、同步开源 1T 中文训练数据；从 TeleChat2-115B 成为首个完全国产算力训练并开源的千亿参数模型、完成万卡集群万亿参数 MOE 突破，到 TeleAI-t1 以强化学习实现推理能力跃升、评分超 o1-preview，再到 TeleChat3 系列开源首个细粒度 MoE 模型和代码模型——三代技术积累，一步一个台阶，才走到今天。

如今，Xing4.0 将这些积累凝聚于一个 29B 的轻量模型。为了让“做事”靠谱，它在架构上做了重构：采用 mHC+MLA+MTP 架构，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——这正是智能体场景最考验模型的地方。完成从“通用大模型”到“智能体大模型”的关键跃迁。

02

才 29B，能打吗？

小，是不是意味着弱？直接把成绩单甩出来：

• 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）。

• 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。

03

它是怎样做事的？

实测两关，直接看它干活：

• 关卡 1 · 开学季：一句话生成趣味教学网页

  给出一句需求，它零代码生成可直接运行的互动教学页面——老师备课、家长辅导的“手工活”变成一句话的事。

• 关卡 2 · 选型报告：一句话拆解复杂任务

  让它对比两个主流大模型的 API 成本与 Agent 能力、出一份带数据表格的选型报告，普通大模型大多只会输出笼统的文字分析，数据杂乱、无落地逻辑，需要人工二次整理。而Xing4.0-29B-A4B直接将复杂需求拆解为12步闭环可执行链路，每一步精准匹配对应工具。

04

关键问题：我，用得起吗？

两个“用得起”：

• 算力上，一张显卡就够。

  Xing4.0-29B-A4B 通过4-bit 量化后显存占用降低至 15GB（比 FP16 省约 75%），RTX 3090、RTX 4090 这类 24G 消费级显卡就能本地跑长上下文任务，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把模型跑起来——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、全程不出域。

• 生态兼容上，工具链也不用换。

  Xing4.0-29B-A4B延续星辰大模型的开源路线，对主流开源生态做了全面兼容：支持 LLaMA-Factory、MindFormers等微调架构；适配 SGLang、vLLM、KTransformers等主流推理框架；Agent 框架对 OpenCode、Claude Code、OpenClaw、Hermes 做了定向适配调优，深度对齐各框架格式规范。

05

后盾：全链路国产，可信的底座

跑得动之外，还要靠得住。Xing4.0-29B-A4B 全栈国产化，从底层算力到应用部署，每一段，都握在自己手里。

训推链路全国产化

面向中高阶代码生成与智能体任务，Xing4.0-29B-A4B 对长程上下文理解、复杂推理规划和工具调用协同提出更高要求。从模型架构、训练 Infra、强化学习三个层面开展系统性攻坚，推动模型与国产芯片、国产框架深度适配，构建训推全链路国产化能力。

• 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。

FlagOS跨芯统一适配

基于智源 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、HuggingFace，提供开箱即用部署方案。此外，FlagOS 技术栈为 Xing4.0-29B-A4B 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。

06

面向未来，让智能真正进入生产环境

Xing4.0-29B-A4B 只是起点。未来，中电信人工智能公司将持续推进模型能力、开源生态与产业应用的深度融合。更大参数量的模型也将陆续与大家见面，敬请期待。

中电信人工智能公司期待与开发者、科研机构及企业伙伴共同探索 AI 在真实业务场景中的更多可能，让模型能力真正走向产业，让开放生态汇聚更多创新，让人工智能成为推动产业升级和高质量发展的新型生产力。

Xing4.0-29B-A4B开源权重已上线魔乐社区，开发者可直接前往模型页面下载体验：

模型地址：

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