9月17日，中电信人工智能科技有限公司发布新一代星辰大模型 Xing4.0-29B-A4B。真正的看点不在"又发了一个模型"，而在名字后面那串数字：MoE 架构总参数 29B，每次推理实际被激活的只有 4B。
这两个数字之间的落差，正是大模型竞赛悄悄换赛道的证据。
从"有多大"到"用多少"
过去两年，参数量是最省事的宣传口径。但推理成本不看总参数，看激活参数——4B 的激活量意味着每生成一个 token 的算力开销，被压到了与小模型同一量级。
配合原生 256K 长上下文，Xing4.0 的定位很明确：不是拿来和人比"谁知识更多"，而是要扛住任务规划、工具调用、自主执行这类智能体场景。这类场景的特点是一次会话里要反复读长文档、调多次工具、跑很多轮，激活量小才跑得起。
更值得注意的是训练底座。官方给出的说法是，这是国内首个基于国产算力与国产框架完成训练的该规模模型。这句话的分量在于：过去的"国产大模型"，很多是国产算法配进口算力。算力与框架同时国产，意味着这条链路不再依赖外部供给的连续性。
消费级显卡能跑，才是分水岭
模型已上线 GitHub、Hugging Face、魔搭等开源社区，并给出了低比特量化方案——量化之后，消费级显卡就能本地运行。
这一条比榜单分数更值得琢磨。企业私域数据不能出内网，很多场景根本不允许调云端 API；本地能跑，才谈得上进业务流程。而"能跑"的门槛从 A100 集群降到一张消费级显卡，采购预算从七位数掉到五位数，试错的勇气就完全不同了。
横向看，同一周前后，紫东太初开源了 9B 的多模态模型，在 10B 参数级别内空间具身能力排到第一，还把整套空间多模态数据生产管线一并公开；小米把 MiMo-V2.6 的强化学习训练页面直接直播出来；华为在昇腾产业峰会上披露已有 40 多个大模型在其平台上完成预训练。
动作看似分散，指向却一致：参数不再是唯一的胜负手，"单位成本能干多少活"正在接管评价标准。
为什么这件事和每个用 AI 的人有关
激活参数下降带来的是价格下降，价格下降带来的是调用频次上升。当一次复杂任务的花费从几毛钱压到几分钱，产品形态就会变——原来只能做成"你问我答"的对话框，现在可以做成一个在后台连跑几十步的代理。
也就是说，模型侧的一次工程优化，最终会以"你的软件突然能自己干活"的形式被感知到。
当然，4B 激活不等于 29B 的能力白拿。MoE 的路由质量、专家负载均衡、长上下文下的注意力退化，都是工程上实打实的坑。真正该盯的指标不是发布当天的跑分，而是半年后有多少应用真的把它跑在生产环境里。