XingChen: Xing4.0 29B A4B (free) API
XingChen: Xing4.0 29B A4B (free) เป็นโมเดลเอเจนต์น้ำหนักเบาสัญชาติจีนที่ฝึกบน Ascend และ MindSpore รองรับบริบท 256K และทำงานบน GPU เดสก์ท็อปเพียงตัวเดียว
Xing4.0 29B A4B เป็นโมเดลภาษาขนาดใหญ่แบบเอเจนต์จาก China Telecom Artificial Intelligence Technology Co., Ltd. เปิดตัวเมื่อวันที่ 17 กันยายน 2026 โดยใช้สถาปัตยกรรม Mixture-of-Experts ที่มีพารามิเตอร์รวม 29B และพารามิเตอร์ที่ใช้งานจริง 4B ต่อการอนุมานหนึ่งครั้ง รองรับบริบทแบบเนทีฟ 256K และขยายได้ถึง 512K พร้อมความสามารถในการเข้าใจงานที่ซับซ้อน วางแผนงาน เรียกใช้เครื่องมือ และดำเนินการ autonomously
โมเดลนี้ฝึกบนหน่วยประมวลผล Ascend และเฟรมเวิร์ก MindSpore ทั้งหมด จึงเป็นโมเดลเอเจนต์แบบ full-stack ที่ผลิตในประเทศจีน รองรับการปรับแต่งด้วย LLaMA-Factory และ Mindformers รวมถึงเฟรมเวิร์กการอนุมาน SGLang, vLLM และ KTransformers สามารถติดตั้งใช้งานภายในองค์กรได้ และหลังการควอนไทซ์แบบ 4-bit ใช้หน่วยความจำ VRAM ประมาณ 15GB ทำให้รันเวิร์กโฟลว์เอเจนต์ที่ซับซ้อนบน GPU เดสก์ท็อปสำหรับผู้บริโภคเพียงตัวเดียวได้
โมเดลนี้เหมาะสำหรับงานพัฒนาซอฟต์แวร์ วิเคราะห์ข้อมูล ระบบอัตโนมัติในสำนักงาน บริการในชีวิตประจำวัน และแอปพลิเคชันเอเจนต์ที่ต้องวางแผนงานซับซ้อน เรียกใช้เครื่องมือ และดำเนินการด้วยตนเอง จุดเด่นคือผลลัพธ์บน SWE-bench Verified และ Terminal-Bench 2.1 ที่เหนือกว่าคู่แข่งขนาดเดียวกัน พร้อมลดอุปสรรคในการ déploy แอปพลิเคชันเอเจนต์
อัปเดต:
ID โมเดล
xing4.0-29b-a4b:free- บริบท
- 262.144K
- เอาต์พุตสูงสุด
- 235.929K
- API ที่แนะนำ
- messages
- อินพุต
- text
- เอาต์พุต
- text
จุดเด่น
- โมเดลเอเจนต์ full-stack สัญชาติจีน
- ฝึกบน Ascend และ MindSpore
- MoE 29B พารามิเตอร์ เปิดใช้ 4B ต่อครั้ง
- บริบท 256K ขยายได้ถึง 512K
- รันบน GPU เดสก์ท็อปตัวเดียว
- สัญญาอนุญาต Apache-2.0
ผู้ให้บริการ
เปรียบเทียบราคา API ระหว่างผู้ให้บริการ เลือกผู้ให้บริการเพื่อดูค่าใช้จ่ายและเงื่อนไขทั้งหมด
| $0 | $0 |
เบนช์มาร์ก
- 75.0
SWE-bench Verified
คะแนนจากรายการทดสอบมาตรฐาน
- 57.5
Terminal-Bench 2.1
คะแนนจากรายการทดสอบมาตรฐาน
- 93.52
SuperCLUE Agent
อยู่อันดับที่สาม
- 30.00
Terminal-Bench 2.1
เปรียบเทียบกับ Gemma4-26B
- 51.50
Terminal-Bench 2.1
เปรียบเทียบกับ Qwen3.6-35B
คะแนนตามที่ผู้ให้บริการโมเดลเผยแพร่
การให้เหตุผล
- เปิดใช้งานโดยค่าเริ่มต้น
- ใช่
- เปิดใช้งานตลอด
- ไม่ใช่
เริ่มต้นอย่างรวดเร็ว
โค้ดพร้อมใช้สำหรับเรียกโมเดลนี้ด้วย API ที่เข้ากันได้ของ Felo API Platform เริ่มใน Playground เมื่อคุณต้องการทดสอบพรอมต์ก่อนเขียนโค้ด
ตั้งค่าคีย์ API
สร้างคีย์จากบัญชี Felo API Platform ของคุณและตั้งเป็นตัวแปรสภาพแวดล้อม
export FELO_API_KEY="YOUR_API_KEY"ส่งคำขอแรก
ใช้ ID โมเดลนี้กับ endpoint ของ Felo API Platform ส่วนหัวคำขอแบบไม่บังคับ เช่น X-Request-Id ช่วยในการแก้ไขปัญหา
xing4.0-29b-a4b:freeโมเดลนี้มีความสามารถในการให้เหตุผล หากโปรโตคอลและเส้นทางโมเดลที่คุณเลือกเปิดการควบคุมการให้เหตุผล ให้เก็บเมทาดาทาการให้เหตุผลที่ส่งคืนไว้เมื่อสนทนาต่อ
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());การใช้ SDK ของบุคคลที่สาม
ใน SDK ที่เข้ากันได้ ให้ตั้ง baseURL เป็น https://openapi.felo.ai/api/v1. สำหรับไคลเอนต์สไตล์ Claude ให้ใช้ base URL ที่เข้ากันได้กับ Anthropic https://openapi.felo.ai/api.
เปิดใช้สตรีมมิ่ง
เพิ่ม stream: true เพื่อรับการตอบกลับเป็น 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 มีอินเทอร์เฟซสำหรับเรียกโมเดลที่เข้ากันได้ เลือกอินเทอร์เฟซที่แอปหรือไคลเอนต์เอเจนต์ของคุณรองรับอยู่แล้ว
Messages
ข้อความที่เข้ากันได้กับ Anthropic สำหรับไคลเอนต์สไตล์ Claude
POST
https://openapi.felo.ai/api/v1/messagesพารามิเตอร์
modelstringxing4.0-29b-a4b:freeID โมเดลสาธารณะที่ต้องการเรียกmax_tokensinteger—จำนวนโทเคนสูงสุดที่สร้างmessagesarray—ข้อความสนทนาสำหรับ Chat Completionsseed———stop———min_p———toolsarray—นิยาม tool calling ตามสคีมาที่เข้ากันได้top_k———top_p———reasoning———temperaturenumber—ควบคุมความหลากหลายของการตอบกลับเมื่อรองรับtool_choicestring or object—ควบคุมว่าควรเรียกเครื่องมือหรือไม่response_formatobject—ขอเอาต์พุตแบบมีโครงสร้างเมื่อรองรับpresence_penalty———frequency_penalty———include_reasoning———repetition_penalty———structured_outputs———คำถามที่พบบ่อย
รู้จัก XingChen: Xing4.0 29B A4B (free)?
Xing4.0 29B A4B เป็นโมเดลภาษาขนาดใหญ่แบบเอเจนต์จาก China Telecom Artificial Intelligence Technology Co., Ltd. เปิดตัวเมื่อวันที่ 17 กันยายน 2026 โดยใช้สถาปัตยกรรม Mixture-of-Experts ที่มีพารามิเตอร์รวม 29B และพารามิเตอร์ที่ใช้งานจริง 4B ต่อการอนุมานหนึ่งครั้ง รองรับบริบทแบบเนทีฟ 256K และขยายได้ถึง 512K พร้อมความสามารถในการเข้าใจงานที่ซับซ้อน วางแผนงาน เรียกใช้เครื่องมือ และดำเนินการ autonomously โมเดลนี้ฝึกบนหน่วยประมวลผล Ascend และเฟรมเวิร์ก MindSpore ทั้งหมด จึงเป็นโมเดลเอเจนต์แบบ full-stack ที่ผลิตในประเทศจีน รองรับการปรับแต่งด้วย LLaMA-Factory และ Mindformers รวมถึงเฟรมเวิร์กการอนุมาน SGLang, vLLM และ KTransformers สามารถติดตั้งใช้งานภายในองค์กรได้ และหลังการควอนไทซ์แบบ 4-bit ใช้หน่วยความจำ VRAM ประมาณ 15GB ทำให้รันเวิร์กโฟลว์เอเจนต์ที่ซับซ้อนบน GPU เดสก์ท็อปสำหรับผู้บริโภคเพียงตัวเดียวได้ โมเดลนี้เหมาะสำหรับงานพัฒนาซอฟต์แวร์ วิเคราะห์ข้อมูล ระบบอัตโนมัติในสำนักงาน บริการในชีวิตประจำวัน และแอปพลิเคชันเอเจนต์ที่ต้องวางแผนงานซับซ้อน เรียกใช้เครื่องมือ และดำเนินการด้วยตนเอง จุดเด่นคือผลลัพธ์บน SWE-bench Verified และ Terminal-Bench 2.1 ที่เหนือกว่าคู่แข่งขนาดเดียวกัน พร้อมลดอุปสรรคในการ déploy แอปพลิเคชันเอเจนต์
การใช้งานถูกเรียกเก็บเงินอย่างไร
ค่าใช้จ่ายขึ้นอยู่กับผู้ให้บริการที่คุณใช้ ราคาของผู้ให้บริการนั้น และปริมาณการใช้งาน อินพุตที่ยาวขึ้นหรือเงื่อนไขอื่นอาจมีราคาแตกต่างกัน
Xing4.0 29B A4B รองรับอินพุตและเอาต์พุตแบบใด
รองรับอินพุตข้อความและเอาต์พุตข้อความเท่านั้น
โมเดลนี้รองรับบริบทขนาดเท่าใด
รองรับบริบทแบบเนทีฟ 256K และขยายได้ถึง 512K
สามารถรันบนฮาร์ดแวร์ระดับผู้บริโภคได้หรือไม่
ได้ หลังการควอนไทซ์แบบ 4-bit ใช้หน่วยความจำ VRAM ประมาณ 15GB ทำให้รันบน GPU เดสก์ท็อปเพียงตัวเดียวได้
โมเดลนี้เหมาะกับงานประเภทใด
เหมาะกับงานพัฒนาซอฟต์แวร์ วิเคราะห์ข้อมูล ระบบอัตโนมัติในสำนักงาน บริการในชีวิตประจำวัน และแอปพลิเคชันเอเจนต์ที่ต้องวางแผนงาน เรียกใช้เครื่องมือ และดำเนินการด้วยตนเอง
โมเดลนี้ต่างจาก Xing4.0-29B-Intent อย่างไร
Xing4.0-29B-Intent เป็นโมเดลอนุพันธ์ที่ฝึกบนคลังข้อมูลเฉพาะทางสำหรับการสร้างเอาต์พุตแบบมีโครงสร้างในงานเข้าใจเจตนา