XingChen: Xing4.0 29B A4B (free) API
Xing4.0 29B A4B एक हल्का एजेंटिक लार्ज मॉडल है जो 256K संदर्भ और 29B कुल पैरामीटर के साथ आता है।
Xing4.0 29B A4B, China Telecom Artificial Intelligence Technology Co., Ltd. द्वारा विकसित एक लाइटवेट एजेंटिक लार्ज मॉडल है। यह Mixture-of-Experts आर्किटेक्चर पर आधारित है जिसमें 29B कुल पैरामीटर और प्रति इन्फरेंस 4B सक्रिय पैरामीटर हैं। मॉडल natively 256K संदर्भ का समर्थन करता है और इसे 512K तक बढ़ाया जा सकता है। रीजनिंग डिफ़ॉल्ट रूप से सक्षम है और इसे बंद भी किया जा सकता है।
यह मॉडल जटिल कार्य योजना, टूल कॉलिंग और स्वायत्त निष्पादन सहित एजेंटिक क्षमताओं से लैस है। यह कोड विकास, डेटा विश्लेषण, कार्यालय ऑटोमेशन, जीवन सेवाओं और एजेंट अनुप्रयोगों के लिए उपयुक्त है। 4-बिट क्वांटाइज़ेशन के बाद लगभग 15GB VRAM का उपयोग करके इसे स्थानीय रूप से तैनात किया जा सकता है, और यह निजी तैनाती का भी समर्थन करता है।
यह TeleChat श्रृंखला का उत्तराधिकारी है, जिसका नाम बदलकर Xing कर दिया गया है। यह Apache-2.0 लाइसेंस के तहत ओपन-सोर्स है और GitHub, Hugging Face, Gitee और ModelScope पर उपलब्ध है।
अपडेट किया गया:
मॉडल ID
xing4.0-29b-a4b:free- कॉन्टेक्स्ट
- 262.144K
- अधिकतम आउटपुट
- 235.929K
- अनुशंसित API
- messages
- इनपुट
- text
- आउटपुट
- text
मुख्य बातें
- 29B कुल पैरामीटर, 4B सक्रिय पैरामीटर प्रति इन्फरेंस
- 256K संदर्भ, 512K तक विस्तार योग्य
- एजेंटिक क्षमताएं: कार्य योजना, टूल कॉलिंग, स्वायत्त निष्पादन
- 4-बिट क्वांटाइज़ेशन पर ~15GB VRAM में स्थानीय तैनाती
- Apache-2.0 लाइसेंस के तहत ओपन-सोर्स
प्रदाता
प्रदाताओं के बीच API कीमतों की तुलना करें। सभी शुल्क और शर्तें देखने के लिए किसी प्रदाता को चुनें।
| $0 | $0 |
बेंचमार्क
- 75.0
SWE-bench Verified
- 57.5
Terminal-Bench 2.1
- 93.52
SuperCLUE Agent
तीसरा स्थान हासिल किया
- 30.00
Terminal-Bench 2.1
Gemma4-26B की तुलना में
- 51.50
Terminal-Bench 2.1
Qwen3.6-35B की तुलना में
स्कोर मॉडल प्रदाता के प्रकाशित आँकड़ों के अनुसार।
रीज़निंग
- डिफ़ॉल्ट रूप से सक्षम
- हाँ
- हमेशा सक्षम
- नहीं
त्वरित शुरुआत
Felo API Platform के संगत API के साथ इस मॉडल को कॉल करने के लिए तैयार कोड। कोड लिखने से पहले प्रॉम्प्ट आज़माना हो तो Playground में शुरू करें।
अपनी API key लें
अपने Felo API Platform खाते से एक key बनाएँ और उसे environment variable के रूप में सेट करें।
export FELO_API_KEY="YOUR_API_KEY"अपना पहला अनुरोध भेजें
इस मॉडल ID को Felo API Platform endpoint के साथ इस्तेमाल करें। X-Request-Id जैसे वैकल्पिक रिक्वेस्ट हेडर समस्या हल करने में मदद कर सकते हैं।
xing4.0-29b-a4b:freeयह मॉडल रीज़निंग में सक्षम है। अगर आपका चुना हुआ प्रोटोकॉल और मॉडल रूट रीज़निंग कंट्रोल उपलब्ध कराते हैं, तो बातचीत जारी रखते समय लौटाए गए रीज़निंग मेटाडेटा को सुरक्षित रखें।
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());थर्ड-पार्टी SDK इस्तेमाल करना
संगत SDK में baseURL को इस पर सेट करें https://openapi.felo.ai/api/v1. Claude-शैली के क्लाइंट के लिए Anthropic-संगत base URL इस्तेमाल करें। https://openapi.felo.ai/api.
स्ट्रीमिंग चालू करें
रिस्पॉन्स को server-sent events के रूप में पाने के लिए stream: true जोड़ें।
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 संगत मॉडल-कॉलिंग सतहें उपलब्ध कराता है। वह सतह चुनें जिसे आपका ऐप या एजेंट क्लाइंट पहले से समर्थन करता है।
Messages
Claude-शैली के क्लाइंट के लिए Anthropic-संगत मैसेज।
POST
https://openapi.felo.ai/api/v1/messagesपैरामीटर
modelstringxing4.0-29b-a4b:freeकॉल करने के लिए सार्वजनिक मॉडल ID।max_tokensinteger—जनरेट किए जाने वाले अधिकतम token।messagesarray—Chat Completions के लिए बातचीत के मैसेज।seed———stop———min_p———toolsarray—संगत schema का पालन करने वाली tool calling परिभाषाएँ।top_k———top_p———reasoning———temperaturenumber—समर्थित होने पर रिस्पॉन्स की विविधता नियंत्रित करता है।tool_choicestring or object—नियंत्रित करता है कि कोई tool कॉल किया जाना चाहिए या नहीं।response_formatobject—समर्थित होने पर स्ट्रक्चर्ड आउटपुट का अनुरोध करता है।presence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———अक्सर पूछे जाने वाले प्रश्न
मॉडल परिचय: XingChen: Xing4.0 29B A4B (free)?
Xing4.0 29B A4B, China Telecom Artificial Intelligence Technology Co., Ltd. द्वारा विकसित एक लाइटवेट एजेंटिक लार्ज मॉडल है। यह Mixture-of-Experts आर्किटेक्चर पर आधारित है जिसमें 29B कुल पैरामीटर और प्रति इन्फरेंस 4B सक्रिय पैरामीटर हैं। मॉडल natively 256K संदर्भ का समर्थन करता है और इसे 512K तक बढ़ाया जा सकता है। रीजनिंग डिफ़ॉल्ट रूप से सक्षम है और इसे बंद भी किया जा सकता है। यह मॉडल जटिल कार्य योजना, टूल कॉलिंग और स्वायत्त निष्पादन सहित एजेंटिक क्षमताओं से लैस है। यह कोड विकास, डेटा विश्लेषण, कार्यालय ऑटोमेशन, जीवन सेवाओं और एजेंट अनुप्रयोगों के लिए उपयुक्त है। 4-बिट क्वांटाइज़ेशन के बाद लगभग 15GB VRAM का उपयोग करके इसे स्थानीय रूप से तैनात किया जा सकता है, और यह निजी तैनाती का भी समर्थन करता है। यह TeleChat श्रृंखला का उत्तराधिकारी है, जिसका नाम बदलकर Xing कर दिया गया है। यह Apache-2.0 लाइसेंस के तहत ओपन-सोर्स है और GitHub, Hugging Face, Gitee और ModelScope पर उपलब्ध है।
उपयोग का शुल्क कैसे लगता है?
आपका बिल इस बात पर निर्भर करता है कि आप कौन-सा प्रदाता उपयोग करते हैं, उसकी कीमतें और आपका उपयोग। लंबे इनपुट या अन्य शर्तों पर अलग कीमतें लागू हो सकती हैं।
Xing4.0 29B A4B किस प्रकार के इनपुट और आउटपुट का समर्थन करता है?
यह मॉडल टेक्स्ट इनपुट और टेक्स्ट आउटपुट का समर्थन करता है।
इसका संदर्भ और आउटपुट सीमा क्या है?
संदर्भ natively 256K है और इसे 512K तक बढ़ाया जा सकता है। आउटपुट सीमा की जानकारी उपलब्ध नहीं है।
क्या इसे स्थानीय रूप से चलाया जा सकता है?
हां, 4-बिट क्वांटाइज़ेशन के बाद इसे लगभग 15GB VRAM वाले सिंगल कंज्यूमर डेस्कटॉप GPU पर चलाया जा सकता है।
क्या रीजनिंग को बंद किया जा सकता है?
हां, रीजनिंग डिफ़ॉल्ट रूप से सक्षम है लेकिन इसे बंद किया जा सकता है।
Xing4.0 29B A4B और Xing4.0-29B-Intent में क्या अंतर है?
Xing4.0-29B-Intent एक व्युत्पन्न मॉडल है जिसे इंटेंट समझ में संरचित आउटपुट के लिए विशेष कोषों पर प्रशिक्षित किया गया है।