XingChen: Xing4.0 29B A4B (free) API
Xing4.0 29B A4B est un modèle d'agent conversationnel léger à architecture Mixture-of-Experts (29B de paramètres totaux, 4B actifs), conçu par China Telecom AI pour exécuter des workflows autonomes sur un seul GPU grand public.
Xing4.0 29B A4B est le premier grand modèle agentique léger entièrement produit en Chine, succédant à la série TeleChat sous le nouveau nom Xing. Il repose sur une architecture Mixture-of-Experts comptant 29B de paramètres au total et 4B de paramètres actifs par inférence. Le raisonnement est activé par défaut et peut être désactivé au besoin. Son contexte natif de 256K, extensible à 512K, lui permet de traiter des entrées longues, et il prend en charge les modalités textuelles en entrée comme en sortie.
Le modèle se distingue par ses capacités agentiques couvrant la compréhension de tâches complexes, la planification, l'appel d'outils et l'exécution autonome. Il est adapté aux frameworks d'inférence SGLang, vLLM et KTransformers, et compatible avec les frameworks de fine-tuning LLaMA-Factory et Mindformers. Il peut être déployé localement après quantification 4 bits, avec environ 15 Go de VRAM, ou via une version GGUF quantifiée dans des outils locaux comme LM Studio avec au moins 32 Go de mémoire. Douze opérateurs d'inférence ont été remplacés et ouverts dans les dépôts FlagGems et vLLM.
Ce modèle convient particulièrement aux tâches de développement de code, d'analyse de données, d'automatisation de bureau et de services de la vie quotidienne, ainsi qu'aux applications agentiques nécessitant une planification complexe et une exécution autonome. Entraîné sur le framework MindSpore et le compute Ascend, il est distribué sous licence Apache-2.0 et disponible sur GitHub, Hugging Face, Gitee et ModelScope. Un dérivé, Xing4.0-29B-Intent, est spécialisé dans la sortie structurée pour la compréhension d'intentions.
Mis à jour:
ID DU MODÈLE
xing4.0-29b-a4b:free- Contexte
- 262.144K
- Sortie max.
- 235.929K
- API recommandée
- messages
- Entrée
- text
- Sortie
- text
Points clés
- Architecture MoE : 29B de paramètres totaux, 4B actifs
- Contexte natif de 256K, extensible à 512K
- Capacités agentiques : planification, appel d'outils, exécution autonome
- Déploiement local après quantification 4 bits (~15 Go de VRAM)
- Entraîné sur compute Ascend et framework MindSpore
- Licence Apache-2.0, disponible sur GitHub, Hugging Face, Gitee et ModelScope
Fournisseurs
Comparez les prix des API entre fournisseurs. Sélectionnez un fournisseur pour voir tous les tarifs et conditions.
| $0 | $0 |
Benchmarks
- 75.0
SWE-bench Verified
Score obtenu par Xing4.0 29B A4B
- 57.5
Terminal-Bench 2.1
Score obtenu par Xing4.0 29B A4B
- 93.52
SuperCLUE Agent
Classé troisième
- 30.00
Terminal-Bench 2.1
Comparaison avec Gemma4-26B
- 51.50
Terminal-Bench 2.1
Comparaison avec Qwen3.6-35B
Scores tels que publiés par le fournisseur du modèle.
Raisonnement
- Activé par défaut
- Oui
- Toujours activé
- Non
Démarrage rapide
Un code prêt à l'emploi pour appeler ce modèle avec les API compatibles de Felo API Platform. Commencez dans le Playground pour tester des prompts avant d'écrire du code.
Configurer votre clé API
Créez une clé depuis votre compte Felo API Platform et définissez-la comme variable d'environnement.
export FELO_API_KEY="YOUR_API_KEY"Effectuer votre première requête
Utilisez cet ID de modèle avec le point de terminaison Felo API Platform. Les en-têtes de requête facultatifs comme X-Request-Id facilitent le diagnostic.
xing4.0-29b-a4b:freeCe modèle est capable de raisonnement. Si le protocole sélectionné et la route du modèle exposent des contrôles de raisonnement, conservez les métadonnées de raisonnement renvoyées lorsque vous poursuivez la conversation.
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());Utiliser des SDK tiers
Avec les SDK compatibles, définissez baseURL sur https://openapi.felo.ai/api/v1. Pour les clients de style Claude, utilisez l'URL de base compatible Anthropic. https://openapi.felo.ai/api.
Activer le streaming
Ajoutez stream: true pour recevoir les réponses sous forme de server-sent events.
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
Felo API Platform expose des surfaces d'appel de modèles compatibles. Choisissez la surface que votre application ou votre client agent prend déjà en charge.
Messages
Messages compatibles Anthropic pour les clients de style Claude.
POST
https://openapi.felo.ai/api/v1/messagesParamètres
modelstringxing4.0-29b-a4b:freeID public du modèle à appeler.max_tokensinteger—Nombre maximal de tokens générés.messagesarray—Messages de la conversation pour Chat Completions.seed———stop———min_p———toolsarray—Définitions de tool calling conformes au schéma compatible.top_k———top_p———reasoning———temperaturenumber—Contrôle la variété des réponses lorsque c'est pris en charge.tool_choicestring or object—Contrôle si un outil doit être appelé.response_formatobject—Demande une sortie structurée lorsque c'est pris en charge.presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———Questions fréquentes
Qu'est-ce que XingChen: Xing4.0 29B A4B (free)?
Xing4.0 29B A4B est le premier grand modèle agentique léger entièrement produit en Chine, succédant à la série TeleChat sous le nouveau nom Xing. Il repose sur une architecture Mixture-of-Experts comptant 29B de paramètres au total et 4B de paramètres actifs par inférence. Le raisonnement est activé par défaut et peut être désactivé au besoin. Son contexte natif de 256K, extensible à 512K, lui permet de traiter des entrées longues, et il prend en charge les modalités textuelles en entrée comme en sortie. Le modèle se distingue par ses capacités agentiques couvrant la compréhension de tâches complexes, la planification, l'appel d'outils et l'exécution autonome. Il est adapté aux frameworks d'inférence SGLang, vLLM et KTransformers, et compatible avec les frameworks de fine-tuning LLaMA-Factory et Mindformers. Il peut être déployé localement après quantification 4 bits, avec environ 15 Go de VRAM, ou via une version GGUF quantifiée dans des outils locaux comme LM Studio avec au moins 32 Go de mémoire. Douze opérateurs d'inférence ont été remplacés et ouverts dans les dépôts FlagGems et vLLM. Ce modèle convient particulièrement aux tâches de développement de code, d'analyse de données, d'automatisation de bureau et de services de la vie quotidienne, ainsi qu'aux applications agentiques nécessitant une planification complexe et une exécution autonome. Entraîné sur le framework MindSpore et le compute Ascend, il est distribué sous licence Apache-2.0 et disponible sur GitHub, Hugging Face, Gitee et ModelScope. Un dérivé, Xing4.0-29B-Intent, est spécialisé dans la sortie structurée pour la compréhension d'intentions.
Comment l'usage est-il facturé ?
Votre facture dépend du fournisseur utilisé, de ses tarifs et de votre usage. Des entrées plus longues ou d'autres conditions peuvent avoir des tarifs différents.
Quelles modalités le modèle prend-il en charge ?
Xing4.0 29B A4B accepte du texte en entrée et produit du texte en sortie.
Quelle est la longueur de contexte prise en charge ?
Le modèle dispose d'un contexte natif de 256K, extensible jusqu'à 512K.
Le raisonnement est-il toujours activé ?
Le raisonnement est activé par défaut, mais il peut être désactivé si nécessaire.
Peut-on déployer le modèle localement ?
Oui, le déploiement local est possible après quantification 4 bits, avec environ 15 Go de VRAM. Une version GGUF quantifiée est également disponible pour des outils locaux comme LM Studio, nécessitant au moins 32 Go de mémoire.
Quels frameworks de fine-tuning et d'inférence sont compatibles ?
Le modèle est compatible avec LLaMA-Factory et Mindformers pour le fine-tuning, et adapté à SGLang, vLLM et KTransformers pour l'inférence.
Quelle est la différence avec Xing4.0-29B-Intent ?
Xing4.0-29B-Intent est un dérivé entraîné sur des corpus spécialisés pour la sortie structurée dans la compréhension d'intentions, tandis que Xing4.0 29B A4B est le modèle agentique généraliste.