Source: https://ailoot.ai/models/de-at/xingchen-agi-xing4-0-29b-a4b-free/ Canonical: https://ailoot.ai/models/de-at/xingchen-agi-xing4-0-29b-a4b-free/ Language: de-at # XingChen: Xing4.0 29B A4B (free) [Markdown](https://ailoot.ai/models/de-at/xingchen-agi-xing4-0-29b-a4b-free/index.md) · [JSON](https://ailoot.ai/models/de-at/xingchen-agi-xing4-0-29b-a4b-free/facts.json) ## [XingChen: Xing4.0 29B A4B (free)](https://ailoot.ai/models/de-at/xingchen-agi-xing4-0-29b-a4b-free/) `xingchen-agi/xing4.0-29b-a4b:free` Xingchen AGITextEingabe $ 0,00 / 1KAusgabe $ 0,00 / 1K Textbasiertes MoE-Modell von China Telecom AI mit 29 Milliarden Parametern für Planung, Codeanalyse und die schrittweise Lösung technischer Aufgaben. ### Xing4.0 von China Telecom AI Xing4.0-29B-A4B ist ein Text-MoE-Modell von China Telecom Artificial Intelligence Technology und wurde als nächste Generation von TeleChat entwickelt. Das Modell besitzt 29 Milliarden Parameter, von denen pro Token etwa 4 Milliarden aktiviert werden. Der Entwickler richtete es auf komplexe technische Aufgaben und aufeinanderfolgende agentische Anwendungsfälle aus. Eine Besonderheit von Xing4.0 ist das vollständige Training auf Ascend-NPU-Beschleunigern unter Verwendung von MindSpore. Die Architektur verbindet mHC, MLA und MTP; das Modell enthält 40 Schichten, 64 geroutete Experten, vier ausgewählte Experten pro Token und einen gemeinsamen Experten. Diese Angaben beschreiben den Aufbau des Ausgangsmodells und seine Forschungsgrundlage, nicht die Hardware, auf der Ihre Anfrage ausgeführt wird. ### Technische Aufgaben mit Text Die Entwicklerunterlagen heben mehrstufige Planung, Codearbeit und schrittweise Problemlösung hervor. In einem Textdialog lassen sich diese Schwerpunkte nutzen, um einen Plan zur Programmänderung vorzubereiten, Abhängigkeiten zu erklären oder einen Fehler anhand übergebenen Codes zu untersuchen. Beginnen Sie mit Ziel, Eingabedaten und Einschränkungen; lassen Sie anschließend eine Schrittfolge und das erwartete Ergebnis jedes Schritts vorschlagen. Übergeben Sie für eine Programmieraufgabe die relevante Implementierung, das Datenformat und ein Beispiel des erwarteten Verhaltens. Ein zweckmäßiges Ergebnis besteht aus einer Erklärung, einer lokalen Änderung und Prüfbeispielen. Nach der Ausführung in Ihrer Umgebung können Sie die Beobachtungen in den Dialog zurückgeben und die Lösung präzisieren. Diese Aufgabenstellung bindet die Antwort an ein konkretes Problem und setzt keinen eigenständigen Projektzugriff des Modells voraus. ### Kontext und Materialien der Anfrage In Ailoot nimmt Xing4.0 Text entgegen und liefert Text. Das Kontextfenster umfasst 262 144 Token, die maximale Ausgabe 235 929 Token. Zum gemeinsamen Kontext gehören Anweisungen, Ausgangsmaterialien, Verlauf und Antwort. Sie können mehrere zusammenhängende Ausschnitte beifügen: Anforderungen, Dokumentation, Code und Prüfergebnisse. Geben Sie ihnen verständliche Namen und legen Sie fest, was genau benötigt wird: ein Vergleich, eine Algorithmusbeschreibung, überarbeiteter Code oder ein Lösungsplan. Der Entwickler nennt die Möglichkeit, das Ausgangsmodell auf einen Kontext von 512K zu erweitern. Die Größe dieser Anbindung beträgt jedoch 262 144 Token. Orientieren Sie sich beim Vorbereiten einer umfangreichen Anfrage daran und lassen Sie Platz für die Antwort. ### Anbindung an eine Anwendung Verfügbar sind Messages, Responses und Chat Completions. Die Formate helfen, das Modell in den gewohnten Client einzubinden und mehrere aufeinanderfolgende Nachrichten zu organisieren. Das Ergebnis dieser Anbindung ist generierter Text. Für die Ausführung vorgeschlagenen Codes, das Lesen von Dateien und die Arbeit mit externen Werkzeugen benötigt die Anwendung entsprechende Logik. Die Architektur des Ausgangsmodells stellt solche Aktionen nicht von selbst innerhalb einer gewöhnlichen Textanfrage bereit. ### Über die Ailoot API verfügbar Eingabe `text` Ausgabe `text` Kontext 262 144 *Token* Max. Antwort 235 929 *Token* Eingabe $ 0,00 */ 1K* Ausgabe $ 0,00 */ 1K* Eingabe `text` Ausgabe `text` Kontext 262 144 *Token* Max. Antwort 235 929 *Token* Eingabe $ 0,00 */ 1K* Ausgabe $ 0,00 */ 1K* Eingabe `text` Ausgabe `text` Kontext 262 144 *Token* Max. Antwort 235 929 *Token* Eingabe $ 0,00 */ 1K* Ausgabe $ 0,00 */ 1K* `xingchen-agi/xing4.0-29b-a4b:free` · JSON ``` {"about":"### Xing4.0 von China Telecom AI\n\nXing4.0-29B-A4B ist ein Text-MoE-Modell von China Telecom Artificial Intelligence Technology und wurde als nächste Generation von TeleChat entwickelt. Das Modell besitzt 29 Milliarden Parameter, von denen pro Token etwa 4 Milliarden aktiviert werden. Der Entwickler richtete es auf komplexe technische Aufgaben und aufeinanderfolgende agentische Anwendungsfälle aus.\n\nEine Besonderheit von Xing4.0 ist das vollständige Training auf Ascend-NPU-Beschleunigern unter Verwendung von MindSpore. Die Architektur verbindet mHC, MLA und MTP; das Modell enthält 40 Schichten, 64 geroutete Experten, vier ausgewählte Experten pro Token und einen gemeinsamen Experten. Diese Angaben beschreiben den Aufbau des Ausgangsmodells und seine Forschungsgrundlage, nicht die Hardware, auf der Ihre Anfrage ausgeführt wird.\n\n### Technische Aufgaben mit Text\n\nDie Entwicklerunterlagen heben mehrstufige Planung, Codearbeit und schrittweise Problemlösung hervor. In einem Textdialog lassen sich diese Schwerpunkte nutzen, um einen Plan zur Programmänderung vorzubereiten, Abhängigkeiten zu erklären oder einen Fehler anhand übergebenen Codes zu untersuchen. Beginnen Sie mit Ziel, Eingabedaten und Einschränkungen; lassen Sie anschließend eine Schrittfolge und das erwartete Ergebnis jedes Schritts vorschlagen.\n\nÜbergeben Sie für eine Programmieraufgabe die relevante Implementierung, das Datenformat und ein Beispiel des erwarteten Verhaltens. Ein zweckmäßiges Ergebnis besteht aus einer Erklärung, einer lokalen Änderung und Prüfbeispielen. Nach der Ausführung in Ihrer Umgebung können Sie die Beobachtungen in den Dialog zurückgeben und die Lösung präzisieren. Diese Aufgabenstellung bindet die Antwort an ein konkretes Problem und setzt keinen eigenständigen Projektzugriff des Modells voraus.\n\n### Kontext und Materialien der Anfrage\n\nIn Ailoot nimmt Xing4.0 Text entgegen und liefert Text. Das Kontextfenster umfasst 262 144 Token, die maximale Ausgabe 235 929 Token. Zum gemeinsamen Kontext gehören Anweisungen, Ausgangsmaterialien, Verlauf und Antwort. Sie können mehrere zusammenhängende Ausschnitte beifügen: Anforderungen, Dokumentation, Code und Prüfergebnisse. Geben Sie ihnen verständliche Namen und legen Sie fest, was genau benötigt wird: ein Vergleich, eine Algorithmusbeschreibung, überarbeiteter Code oder ein Lösungsplan.\n\nDer Entwickler nennt die Möglichkeit, das Ausgangsmodell auf einen Kontext von 512K zu erweitern. Die Größe dieser Anbindung beträgt jedoch 262 144 Token. Orientieren Sie sich beim Vorbereiten einer umfangreichen Anfrage daran und lassen Sie Platz für die Antwort.\n\n### Anbindung an eine Anwendung\n\nVerfügbar sind Messages, Responses und Chat Completions. Die Formate helfen, das Modell in den gewohnten Client einzubinden und mehrere aufeinanderfolgende Nachrichten zu organisieren. Das Ergebnis dieser Anbindung ist generierter Text. Für die Ausführung vorgeschlagenen Codes, das Lesen von Dateien und die Arbeit mit externen Werkzeugen benötigt die Anwendung entsprechende Logik. Die Architektur des Ausgangsmodells stellt solche Aktionen nicht von selbst innerhalb einer gewöhnlichen Textanfrage bereit.","alias_of":null,"aliases":[],"author":"Xingchen AGI","canonical_model":"xingchen-agi/xing4.0-29b-a4b:free","ctx":262144,"formats":["chat","messages","responses"],"id":"xingchen-agi/xing4.0-29b-a4b:free","input":["text"],"kind":"text","max_out":235929,"methods":[{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"anthropic","fast_multiplier":1,"flex_multiplier":1,"fmt":"messages","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"Anthropic Messages","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/messages","request_model_id":"xingchen-agi/xing4.0-29b-a4b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"responses","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Responses","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/responses","request_model_id":"xingchen-agi/xing4.0-29b-a4b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]},{"cache_read":null,"cache_write":null,"cache_write_1h":null,"cache_write_5m":null,"conditional_meter":null,"ctx":262144,"family":"openai","fast_multiplier":1,"flex_multiplier":1,"fmt":"chat","http":"POST","img_in":null,"img_out":null,"in":0,"input":["text"],"label":"OpenAI Chat","max_out":235929,"max_tool_calls":null,"out":0,"output":["text"],"path":"/v1/chat/completions","request_model_id":"xingchen-agi/xing4.0-29b-a4b:free","route_label":"Ultra","status_reads":[],"tiers":[],"tool_prices":null,"unit":"token","units":[]}],"model_aliases":[{"canonical_model_id":"xingchen-agi/xing4.0-29b-a4b:free","request_model_id":"xingchen-agi/xing4.0-29b-a4b:free","route_label":"Ultra"}],"name":"XingChen: Xing4.0 29B A4B (free)","price":{"in":0,"in_label":null,"out":0,"out_label":null,"sort_in":0,"sort_out":0,"varies":false},"public_id":"xingchen-agi/xing4.0-29b-a4b:free","short":"Textbasiertes MoE-Modell von China Telecom AI mit 29 Milliarden Parametern für Planung, Codeanalyse und die schrittweise Lösung technischer Aufgaben."} ``` ## Fragen Wie wähle ich ein Modell für meine Aufgabe aus? Bestimmen Sie zuerst die benötigte Ein- und Ausgabe: Text, Bild, Audio oder Video. Vergleichen Sie dann kompatible API-Methoden, die genaue Modell-ID oder das aktuelle Zielmodell des Alias, den Preis und die Abrechnungseinheit. GET /v1/models ist kostenlos und listet die für Ihren Schlüssel verfügbaren Modelle auf. Unterstützt jedes Modell alle API-Methoden und Medientypen? Verwenden Sie die auf der Modellkarte aufgeführten API-Methoden sowie Ein- und Ausgabetypen. Die Unterstützung von Text, Bildern, Audio oder Video hängt vom gewählten Modell und der Methode ab; prüfen Sie das zugehörige Anfragebeispiel, bevor Sie Ihre Daten senden. Was ist der Unterschied zwischen einer Modell-ID und einem Alias? Eine genaue Modell-ID bezeichnet ein bestimmtes Modell. Ein Alias verweist auf ein Modell; sein Zielmodell kann sich ändern. Prüfen Sie das aktuelle Zielmodell des Alias im Katalog; verwenden Sie die genaue ID, wenn Ihre Integration ein bestimmtes Modell benötigt. Wie vergleiche ich Preise, bevor ich eine Anfrage sende? Prüfen Sie auf der Modellkarte den Preis und die Abrechnungseinheit für die gewählte API-Methode. Vergleichen Sie dieselbe Einheit und denselben Ein- und Ausgabetyp; der Anfrageverlauf zeigt die tatsächliche Nutzung und den berechneten Betrag. Was bringt ein Abo? Rabatt beim Tokenkauf für regelmäßige Arbeit. Wählen Sie den Tarif nach Ihrem Anfragevolumen; Bedingungen und Abopreis werden beim Abschluss angezeigt. Wie nutze ich einen Aktionscode bis 50% Rabatt? Geben Sie den Code beim Tokenkauf ein. Die Endsumme wird nach Aktionsbedingungen neu berechnet; der Rabatt ist vor der Zahlung sichtbar. ## Ailoot · Das Unternehmen und sein Projektportfolio Ailoot baut auf bewährte Betriebserfahrung, einen großen Kundenstamm, stabilen Service und kontinuierliche KPI-Kontrolle. Das Unternehmen und sein Projektportfolio: Millionen von Kunden; monatliche Umsätze in Milliardenhöhe. Ailoot nutzt diese Betriebserfahrung für den API-Zugang zu KI-Funktionen in Kundenprodukten, Agenten, Anwendungen und Automatisierungen.