中国电信AI开源Xing4.0-29B-A4B：全栈国产化轻量级代码智能体大模型

这个夏天大厂集体加注AI办公，卷Agent能力、卷工作入口、卷企业工作流。但有一批企业连门都没进去：数据不能出域，模型最好就地部署，手头算力又不算富裕，可长文档要读、复杂业务要办，该干的活一样不少。中国电信AI最新开源的Xing4.0-29B-A4B，瞄准的正是这批需求。

它给出的第一层答案是压低部署门槛。模型采用MoE架构，290亿总参数，每次推理只激活约40亿参数；传统FP16精度下29B模型单卡显存占用约60GB，往往需要多卡或价格高昂的A卡，而经过4-bit量化后这部分占用可压缩至约15GB，降低约75%，让RTX 3090、4090等消费级显卡也能运行。

第二层答案是把整条技术链路做成全栈国产化：从国产芯片、国产训练框架，到模型训练和推理部署都做了系统适配。模型完全基于华为昇腾910C算力训练，采用国产的MindSpore/MindFormers训练框架与开发套件，并在推理部署端完成昇腾的适配验证。

企业交过来的任务很少是一句问答。一份文档读完，可能还要提取信息、调用工具、核对结果，最后整理成能交出去的材料；这些活每天都要干，既要稳定也要性价比。这正是Xing4.0-29B-A4B重点加强Coding和Agent能力的原因。

在Coding上，它把能力从写片段推向干工程：原生支持256K上下文，并可扩展至512K，让一次任务能装下更长的代码、文档、日志和历史记录。文中举例，把分散在Excel里的合同台账做成管控大屏，需要的不只是画图函数，还要理解表格业务数据，把合同概览、金额分布、风险识别和履约预警组织到同一页面，而模型可在企业本地完成，数据全程不出域。

在Agent上，模型需自己拆解任务、安排执行顺序、调用工具，再根据中间结果决定下一步，直到交付可验收结果。为接进现有工作流，它已针对OpenCode、Claude Code、OpenClaw、Hermes等主流Agent、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。