中国电信开源 Xing4.0-29B-A4B：290 亿参数 MoE，一张 3090 跑本地代码智能体

9月20日，中国电信 AI 宣布开源 Xing4.0-29B-A4B，定位是一款全栈国产化的轻量级代码智能体大模型。据量子位报道，这次开源瞄准的是一类很具体的困境：不少企业数据不能出域、算力预算有限，却仍然要读长文档、办复杂业务，只能把模型放到本地。

参数结构是它最容易被记住的部分。Xing4.0-29B-A4B 采用 MoE 架构，总参数 290 亿，每次推理只激活约 40 亿；经过 4-bit 量化后，显存占用从传统 FP16 下的约 60GB 压缩到约 15GB，降低约 75%，一张 RTX 3090 或 4090 这类消费级显卡就能跑起来。

“全栈国产”指的是训练链路。模型完全基于华为昇腾 910C 算力训练，使用国产的 MindSpore/MindFormers 训练框架与开发套件，官方称之为国芯训国模；推理部署端也完成了昇腾的适配验证，从训练到落地都不依赖海外算力。

上下文方面，模型原生支持 256K 并可扩展至 512K。为了让长上下文真正可用，它采用 MLA 多头潜变量注意力压缩 KV Cache 的显存开销，用 MTP 多 Token 预测为生成加速，并引入 DeepSeek 同款的 mHC 流形约束超连接来抑制训练中的数值不稳定。

能力上，官方把重点放在 Coding 与 Agent。模型声称可以从写代码片段推进到干工程，例如把散落在 Excel 里的合同台账在本地转成可视化管控大屏；在 Agent 场景中则强化长程任务，让它自行拆解步骤、安排执行顺序、调用工具，并根据中间结果决定下一步。

接入现有环境也是这次的重点。模型已针对 OpenCode、Claude Code、OpenClaw、Hermes 等主流 Agent 与 Harness 框架完成定向适配，同时兼容 LLaMA-Factory、MindFormers、SGLang、vLLM、KTransformers 等常用工具链，降低替换开发环境的成本。

落地数据同样被摆了出来。在智能客服业务中，该模型已完成私有化部署，用户通话、身份信息与业务记录全程不出域，官方称复杂业务办理成功率已达 90% 以上；在文档处理上，一份 200 页的投标文件可在本地用约 20 分钟完成技术、商务、价格三方面的初评，并逐条给出评分依据。

目前模型已在 GitHub、Hugging Face、Gitee、魔搭、魔乐等平台开源上线，并同步支持 API 调用，量子位发稿时它已冲进 Hugging Face 模型趋势榜第四位。对数据敏感、算力有限的政企客户来说，消费级显卡配上国产训练链路，正在让本地智能体从演示走向可落地的选项。