XingChen: Xing4.0 29B A4B (free) API
Xing4.0 29B A4B ist ein leichtgewichtiges agentisches MoE-Modell von China Telecom, das auf Ascend-Hardware trainiert wurde und auf einer einzelnen Consumer-GPU läuft.
Xing4.0 29B A4B ist ein vollständig in China entwickeltes, leichtgewichtiges agentisches Sprachmodell von China Telecom Artificial Intelligence Technology Co., Ltd. Es basiert auf einer Mixture-of-Experts-Architektur mit 29B Gesamtparametern und 4B aktiven Parametern pro Inferenz. Der native Kontext umfasst 256K und ist auf 512K erweiterbar. Das Modell wurde vollständig auf heimischer Ascend-Rechenleistung und dem MindSpore-Framework trainiert. Es ist der Nachfolger der TeleChat-Serie, deren Namensgebung von TeleChat zu Xing geändert wurde. Die Gewichte und Konfigurationsdateien werden im Hugging-Face-Transformers-Format bereitgestellt, und das Modell ist unter der Apache-2.0-Lizenz quelloffen verfügbar.
Das Modell unterstützt Text-Eingabe und Text-Ausgabe. Reasoning ist standardmäßig aktiviert und kann deaktiviert werden. Seine agentischen Fähigkeiten umfassen komplexes Aufgabenverständnis, Aufgabenplanung, Tool-Aufrufe und autonome Ausführung. Nach 4-Bit-Quantisierung läuft es lokal mit etwa 15GB VRAM auf einer einzelnen Consumer-Desktop-GPU. Eine GGUF-quantisierte Version ist verfügbar und läuft in lokalen Inferenzwerkzeugen wie LM Studio mit mindestens 32GB Arbeitsspeicher. Das Modell ist mit den Fine-Tuning-Frameworks LLaMA-Factory und Mindformers sowie den Inferenz-Frameworks SGLang, vLLM und KTransformers kompatibel und unterstützt den privaten Betrieb.
Xing4.0 29B A4B eignet sich für Codeentwicklung, Datenanalyse, Büroautomatisierung, Alltagsdienste sowie für Agentenanwendungen, die komplexe Aufgabenplanung, Tool-Aufrufe und autonome Ausführung erfordern. Es übertrifft Modelle gleicher Größe auf SWE-bench Verified und Terminal-Bench 2.1 und senkt die Einstiegshürde für die Bereitstellung von Agentenanwendungen. Ein Derivat, Xing4.0-29B-Intent, ist auf spezialisierten Korpora für strukturierte Ausgabe bei der Intent-Erkennung trainiert.
Aktualisiert:
MODELL-ID
xing4.0-29b-a4b:free- Kontext
- 262.144K
- Max. Ausgabe
- 235.929K
- Empfohlene API
- messages
- Eingabe
- text
- Ausgabe
- text
Highlights
- 29B Gesamt-, 4B aktive Parameter pro Inferenz
- Nativer 256K-Kontext, auf 512K erweiterbar
- Läuft nach 4-Bit-Quantisierung mit etwa 15GB VRAM
- Agentische Fähigkeiten inklusive Tool-Aufrufen
- Auf Ascend und MindSpore trainiert
- Apache-2.0-Lizenz, Quelloffen
Anbieter
Vergleichen Sie die API-Preise verschiedener Anbieter. Wählen Sie einen Anbieter aus, um alle Kosten und Bedingungen zu sehen.
| $0 | $0 |
Benchmarks
- 75.0
SWE-bench Verified
Ergebnis des Modells
- 57.5
Terminal-Bench 2.1
Ergebnis des Modells
- 93.52
SuperCLUE Agent
Belegte den dritten Platz
- 30.00
Terminal-Bench 2.1
Vergleichswert von Gemma4-26B
- 51.50
Terminal-Bench 2.1
Vergleichswert von Qwen3.6-35B
Werte wie vom Modellanbieter veröffentlicht.
Schlussfolgern
- Standardmäßig aktiviert
- Ja
- Immer aktiviert
- Nein
Schnellstart
Direkt einsetzbarer Code, um dieses Modell über die kompatiblen APIs der Felo API Platform aufzurufen. Testen Sie Prompts im Playground, bevor Sie Code schreiben.
API-Schlüssel hinterlegen
Erstellen Sie einen Schlüssel in Ihrem Konto bei der Felo API Platform und legen Sie ihn als Umgebungsvariable ab.
export FELO_API_KEY="YOUR_API_KEY"Erste Anfrage senden
Verwenden Sie diese Modell-ID mit dem Endpoint der Felo API Platform. Optionale Anfrage-Header wie X-Request-Id helfen bei der Fehlersuche.
xing4.0-29b-a4b:freeDieses Modell kann schlussfolgern. Wenn das gewählte Protokoll und die Modellroute Reasoning-Steuerungen bereitstellen, behalten Sie die zurückgegebenen Reasoning-Metadaten bei, wenn Sie das Gespräch fortsetzen.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "xing4.0-29b-a4b:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Drittanbieter-SDKs verwenden
Setzen Sie in kompatiblen SDKs baseURL auf https://openapi.felo.ai/api/v1. Für Clients im Claude-Stil verwenden Sie die Anthropic-kompatible Basis-URL. https://openapi.felo.ai/api.
Streaming aktivieren
Fügen Sie stream: true hinzu, um Antworten als Server-Sent Events zu erhalten.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "xing4.0-29b-a4b:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Die Felo API Platform stellt kompatible Oberflächen für Modellaufrufe bereit. Wählen Sie die Oberfläche, die Ihre App oder Ihr Agent-Client bereits unterstützt.
Messages
Anthropic-kompatible Nachrichten für Clients im Claude-Stil.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringxing4.0-29b-a4b:freeÖffentliche Modell-ID, die aufgerufen wird.max_tokensinteger—Maximale Anzahl generierter Tokens.messagesarray—Gesprächsnachrichten für Chat Completions.seed———stop———min_p———toolsarray—Tool-Calling-Definitionen nach kompatiblem Schema.top_k———top_p———reasoning———temperaturenumber—Steuert die Vielfalt der Antworten, wenn unterstützt.tool_choicestring or object—Steuert, ob ein Tool aufgerufen werden soll.response_formatobject—Fordert strukturierte Ausgabe an, wenn unterstützt.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———Häufige Fragen
Was ist XingChen: Xing4.0 29B A4B (free)?
Xing4.0 29B A4B ist ein vollständig in China entwickeltes, leichtgewichtiges agentisches Sprachmodell von China Telecom Artificial Intelligence Technology Co., Ltd. Es basiert auf einer Mixture-of-Experts-Architektur mit 29B Gesamtparametern und 4B aktiven Parametern pro Inferenz. Der native Kontext umfasst 256K und ist auf 512K erweiterbar. Das Modell wurde vollständig auf heimischer Ascend-Rechenleistung und dem MindSpore-Framework trainiert. Es ist der Nachfolger der TeleChat-Serie, deren Namensgebung von TeleChat zu Xing geändert wurde. Die Gewichte und Konfigurationsdateien werden im Hugging-Face-Transformers-Format bereitgestellt, und das Modell ist unter der Apache-2.0-Lizenz quelloffen verfügbar. Das Modell unterstützt Text-Eingabe und Text-Ausgabe. Reasoning ist standardmäßig aktiviert und kann deaktiviert werden. Seine agentischen Fähigkeiten umfassen komplexes Aufgabenverständnis, Aufgabenplanung, Tool-Aufrufe und autonome Ausführung. Nach 4-Bit-Quantisierung läuft es lokal mit etwa 15GB VRAM auf einer einzelnen Consumer-Desktop-GPU. Eine GGUF-quantisierte Version ist verfügbar und läuft in lokalen Inferenzwerkzeugen wie LM Studio mit mindestens 32GB Arbeitsspeicher. Das Modell ist mit den Fine-Tuning-Frameworks LLaMA-Factory und Mindformers sowie den Inferenz-Frameworks SGLang, vLLM und KTransformers kompatibel und unterstützt den privaten Betrieb. Xing4.0 29B A4B eignet sich für Codeentwicklung, Datenanalyse, Büroautomatisierung, Alltagsdienste sowie für Agentenanwendungen, die komplexe Aufgabenplanung, Tool-Aufrufe und autonome Ausführung erfordern. Es übertrifft Modelle gleicher Größe auf SWE-bench Verified und Terminal-Bench 2.1 und senkt die Einstiegshürde für die Bereitstellung von Agentenanwendungen. Ein Derivat, Xing4.0-29B-Intent, ist auf spezialisierten Korpora für strukturierte Ausgabe bei der Intent-Erkennung trainiert.
Wie wird die Nutzung abgerechnet?
Ihre Rechnung hängt vom genutzten Anbieter, seinen Preisen und Ihrer Nutzung ab. Längere Eingaben oder andere Bedingungen können andere Preise haben.
Welche Eingaben und Ausgaben unterstützt das Modell?
Das Modell unterstützt Text-Eingabe und Text-Ausgabe.
Wie lang ist der Kontext und wie viel Ausgabe ist möglich?
Der native Kontext beträgt 256K und ist auf 512K erweiterbar. Zum Ausgabelimit macht die Faktensammlung keine Angabe.
Für welche Aufgaben ist Xing4.0 29B A4B geeignet?
Es eignet sich für Codeentwicklung, Datenanalyse, Büroautomatisierung, Alltagsdienste sowie Agentenanwendungen mit komplexer Aufgabenplanung, Tool-Aufrufen und autonomer Ausführung.
Kann das Modell lokal betrieben werden?
Ja, nach 4-Bit-Quantisierung läuft es mit etwa 15GB VRAM auf einer einzelnen Consumer-Desktop-GPU. Zudem ist eine GGUF-Version verfügbar, die in lokalen Werkzeugen wie LM Studio mit mindestens 32GB Arbeitsspeicher läuft.
Ist Reasoning standardmäßig aktiviert?
Ja, Reasoning ist standardmäßig aktiviert und kann deaktiviert werden.
Worin unterscheidet sich Xing4.0-29B-Intent vom Basismodell?
Xing4.0-29B-Intent ist ein Derivat, das auf spezialisierten Korpora für strukturierte Ausgabe bei der Intent-Erkennung trainiert wurde.