中电信开源星辰Xing4.0，29B轻量代码智能体

发布时间：2026-09-20 04:00 更新时间：2026-09-20 04:00 阅读量：0

做建站和运维的朋友这两年大概都有同感：大模型不再只是聊天窗口里的玩具，越来越多的活儿开始交给它去做，比如写脚本、改配置、排查报错。9月17日，中电信人工智能公司发布了星辰大模型 Xing4.0-29B-A4B，并同步在 GitHub、Hugging Face、Gitee、魔搭、魔乐等社区上线。按官方公布的信息，这是国内首个基于国产算力和国产框架完成训练、面向复杂工程任务深度优化的百亿参数大模型。

模型规格与硬件门槛

Xing4.0-29B-A4B 采用 MoE（混合专家）架构，总参数 29B，但每次推理实际激活的参数只有 4B。这种设计的好处是推理开销接近小模型，知识容量却更接近大模型。它原生支持 256K 上下文，可扩展至 512K，处理长代码文件或整段项目文档时不容易丢信息。

对运维和独立开发者来说，比较关键的一点是显存占用：官方信息显示，模型做 4-bit 量化后显存可降至 15GB，RTX 3090、4090 这类消费级显卡即可本地运行。这意味着不需要申请算力配额，也能在内网环境跑一个可用的代码助手，对数据不外传有要求的团队尤其友好。

训练全流程基于国产算力平台完成，框架侧也做了国产适配，属于“全栈国产”路线的一次落地尝试。具体训练细节与推理框架版本，以官方仓库和模型卡说明为准。

能力定位与评测表现

官方把它定位为“轻量级代码智能体大模型”，重点不是单轮补全，而是面向复杂工程任务的规划与执行，例如理解多文件依赖、按步骤修改配置、调用工具完成一段流程。在 SuperCLUE 智能体能力评测中，该模型得分 93.52，位列第三，与头部 Qwen 系列模型的差距不足 1 分。需要说明的是，第三方评测分数会随版本和评测集更新变化，横向比较建议以最新榜单为准。

把它放到 9 月的国产模型发布节奏里看，方向相当一致：讯飞星火 X2.5 强调代码与智能体能力，基元律动联合清华、北大、阿里等发布了 Agent-Native 模型 NeoHorse-1，紫东太初开源了 9B 多模态模型，智谱推出了 GLM-5.3-FlashX。厂商们比拼的重心，正在从“谁答得好”转向“谁能把事做完”。

自建服务前要留意什么

如果你打算在自己的服务器上部署这类模型，可以先做一次显存与并发的评估。以常见的容器化推理为例，启动前确认显卡驱动与容器运行时版本匹配，再拉取模型权重：

# 查看显卡与驱动状态
nvidia-smi

查看容器运行时是否就绪
docker info | grep -i runtime

拉取模型权重（以官方仓库给出的地址为准）
git lfs install
git clone <官方模型仓库地址>

部署时建议把推理服务放在内网，只暴露必要的接口，并配合反向代理做访问控制与限流；模型权重、日志和临时文件分开挂载，避免占满系统盘。至于量化精度、并发数和上下文长度怎么配，需要结合自己的显卡型号和实际负载压测后再定，官方文档给出的参数只能作为起点。

继续阅读