{
  "aboutHtml": "<h3>China Telecom AIのXing4.0</h3><p>Xing4.0-29B-A4Bは、China Telecom Artificial Intelligence TechnologyがTeleChatの次世代として開発したテキストMoEモデルです。290億のパラメータのうち、各トークンで約40億が有効になります。複雑な工学課題や段階的なエージェント型の作業を対象としています。</p><p>Xing4.0の特徴は、MindSporeを用い、Ascend NPUアクセラレーターだけで学習したことです。構造にはmHC、MLA、MTPを組み合わせ、40層、64のルーティング対象エキスパート、各トークンで選ぶ4エキスパート、1つの共有エキスパートを備えています。これは元のモデルの構造や研究基盤の説明であり、利用者の要求を実行する機器を示すものではありません。</p><h3>テキストによる工学課題</h3><p>開発元の資料では、複数段階の計画、コード作業、順次の問題解決が重視されています。テキスト対話では、プログラムの変更計画、依存関係の説明、提供コードに基づく不具合分析に使えます。目標、入力、制約を示し、各段階の手順と期待する結果を求めます。</p><p>プログラミングでは、関連する実装、データ形式、期待する動作の例を渡します。説明、局所的な変更、確認例が有用な成果です。自分の環境で実行した観察を対話へ戻し、解決案を調整できます。具体的な課題とのつながりを保ち、モデルに自律的なプロジェクトアクセスを想定する必要もありません。</p><h3>コンテキストと要求資料</h3><p>AilootのXing4.0はテキストを受け取り、テキストを返します。コンテキストウィンドウは262,144トークン、出力の上限は235,929トークンです。共通のコンテキストには指示、元資料、履歴、回答が含まれます。要件、文書、コード、確認結果などを一緒に渡せます。分かりやすい名前を付け、比較、アルゴリズム説明、更新コード、解決計画のどれが必要かを示します。</p><p>開発元は元のモデルを512Kのコンテキストまで拡張できるとしていますが、この接続は262,144トークンです。大きな要求ではこの値を基準に、回答の余地も残してください。</p><h3>アプリケーションへの接続</h3><p>Messages、Responses、Chat Completionsを利用できます。既存クライアントに組み込み、複数のメッセージを順番に扱う形式です。この接続の結果は生成されたテキストです。提案コードの実行、ファイルの読み取り、外部ツールの利用には、対応するアプリケーションの仕組みが必要です。元のモデルの構造だけで、通常のテキスト要求内にこうした操作が提供されるわけではありません。</p>",
  "aboutText": "### China Telecom AIのXing4.0\n\nXing4.0-29B-A4Bは、China Telecom Artificial Intelligence TechnologyがTeleChatの次世代として開発したテキストMoEモデルです。290億のパラメータのうち、各トークンで約40億が有効になります。複雑な工学課題や段階的なエージェント型の作業を対象としています。\n\nXing4.0の特徴は、MindSporeを用い、Ascend NPUアクセラレーターだけで学習したことです。構造にはmHC、MLA、MTPを組み合わせ、40層、64のルーティング対象エキスパート、各トークンで選ぶ4エキスパート、1つの共有エキスパートを備えています。これは元のモデルの構造や研究基盤の説明であり、利用者の要求を実行する機器を示すものではありません。\n\n### テキストによる工学課題\n\n開発元の資料では、複数段階の計画、コード作業、順次の問題解決が重視されています。テキスト対話では、プログラムの変更計画、依存関係の説明、提供コードに基づく不具合分析に使えます。目標、入力、制約を示し、各段階の手順と期待する結果を求めます。\n\nプログラミングでは、関連する実装、データ形式、期待する動作の例を渡します。説明、局所的な変更、確認例が有用な成果です。自分の環境で実行した観察を対話へ戻し、解決案を調整できます。具体的な課題とのつながりを保ち、モデルに自律的なプロジェクトアクセスを想定する必要もありません。\n\n### コンテキストと要求資料\n\nAilootのXing4.0はテキストを受け取り、テキストを返します。コンテキストウィンドウは262,144トークン、出力の上限は235,929トークンです。共通のコンテキストには指示、元資料、履歴、回答が含まれます。要件、文書、コード、確認結果などを一緒に渡せます。分かりやすい名前を付け、比較、アルゴリズム説明、更新コード、解決計画のどれが必要かを示します。\n\n開発元は元のモデルを512Kのコンテキストまで拡張できるとしていますが、この接続は262,144トークンです。大きな要求ではこの値を基準に、回答の余地も残してください。\n\n### アプリケーションへの接続\n\nMessages、Responses、Chat Completionsを利用できます。既存クライアントに組み込み、複数のメッセージを順番に扱う形式です。この接続の結果は生成されたテキストです。提案コードの実行、ファイルの読み取り、外部ツールの利用には、対応するアプリケーションの仕組みが必要です。元のモデルの構造だけで、通常のテキスト要求内にこうした操作が提供されるわけではありません。",
  "locale": "ja",
  "methods": [
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> Anthropic Messages</b><code>POST /v1/messages</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>262,144 <em>トークン</em></dd></div><div><dt>最大出力</dt><dd>235,929 <em>トークン</em></dd></div></dl><dl><div><dt>入力</dt><dd>$0.00 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "fmt": "messages",
        "http": "POST",
        "path": "/v1/messages",
        "request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|messages|/v1/messages|xingchen-agi%2Fxing4.0-29b-a4b%3Afree",
      "ordinal": 0,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Responses</b><code>POST /v1/responses</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>262,144 <em>トークン</em></dd></div><div><dt>最大出力</dt><dd>235,929 <em>トークン</em></dd></div></dl><dl><div><dt>入力</dt><dd>$0.00 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "fmt": "responses",
        "http": "POST",
        "path": "/v1/responses",
        "request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|responses|/v1/responses|xingchen-agi%2Fxing4.0-29b-a4b%3Afree",
      "ordinal": 1,
      "rawMethod": {
        "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": []
      }
    },
    {
      "html": "<section class=\"meth\" data-route=\"Ultra\"><header><b><span class=\"alias\">Ultra</span> OpenAI Chat</b><code>POST /v1/chat/completions</code></header><dl class=\"method-capabilities\" data-model-capabilities><div><dt>入力の種類</dt><dd><code>text</code></dd></div><div><dt>出力の種類</dt><dd><code>text</code></dd></div><div><dt>コンテキスト</dt><dd>262,144 <em>トークン</em></dd></div><div><dt>最大出力</dt><dd>235,929 <em>トークン</em></dd></div></dl><dl><div><dt>入力</dt><dd>$0.00 <em>/ 1K</em></dd></div><div><dt>出力</dt><dd>$0.00 <em>/ 1K</em></dd></div></dl></section>",
      "method_identity": {
        "effective_request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "fmt": "chat",
        "http": "POST",
        "path": "/v1/chat/completions",
        "request_model_id": "xingchen-agi/xing4.0-29b-a4b:free",
        "route_label": "Ultra"
      },
      "method_key": "Ultra|chat|/v1/chat/completions|xingchen-agi%2Fxing4.0-29b-a4b%3Afree",
      "ordinal": 2,
      "rawMethod": {
        "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_id": "xingchen-agi/xing4.0-29b-a4b:free",
  "page": {
    "canonical": "https://ailoot.ai/models/ja/xingchen-agi-xing4-0-29b-a4b-free/",
    "description": "計画、コード分析、段階的な工学課題の解決に向けた、290億パラメータのChina Telecom AIのテキストMoEモデルです。",
    "locale": "ja",
    "md_url": "https://ailoot.ai/models/ja/xingchen-agi-xing4-0-29b-a4b-free/index.md",
    "title": "XingChen: Xing4.0 29B A4B (free)",
    "url": "https://ailoot.ai/models/ja/xingchen-agi-xing4-0-29b-a4b-free/"
  },
  "rawModel": {
    "about": "### China Telecom AIのXing4.0\n\nXing4.0-29B-A4Bは、China Telecom Artificial Intelligence TechnologyがTeleChatの次世代として開発したテキストMoEモデルです。290億のパラメータのうち、各トークンで約40億が有効になります。複雑な工学課題や段階的なエージェント型の作業を対象としています。\n\nXing4.0の特徴は、MindSporeを用い、Ascend NPUアクセラレーターだけで学習したことです。構造にはmHC、MLA、MTPを組み合わせ、40層、64のルーティング対象エキスパート、各トークンで選ぶ4エキスパート、1つの共有エキスパートを備えています。これは元のモデルの構造や研究基盤の説明であり、利用者の要求を実行する機器を示すものではありません。\n\n### テキストによる工学課題\n\n開発元の資料では、複数段階の計画、コード作業、順次の問題解決が重視されています。テキスト対話では、プログラムの変更計画、依存関係の説明、提供コードに基づく不具合分析に使えます。目標、入力、制約を示し、各段階の手順と期待する結果を求めます。\n\nプログラミングでは、関連する実装、データ形式、期待する動作の例を渡します。説明、局所的な変更、確認例が有用な成果です。自分の環境で実行した観察を対話へ戻し、解決案を調整できます。具体的な課題とのつながりを保ち、モデルに自律的なプロジェクトアクセスを想定する必要もありません。\n\n### コンテキストと要求資料\n\nAilootのXing4.0はテキストを受け取り、テキストを返します。コンテキストウィンドウは262,144トークン、出力の上限は235,929トークンです。共通のコンテキストには指示、元資料、履歴、回答が含まれます。要件、文書、コード、確認結果などを一緒に渡せます。分かりやすい名前を付け、比較、アルゴリズム説明、更新コード、解決計画のどれが必要かを示します。\n\n開発元は元のモデルを512Kのコンテキストまで拡張できるとしていますが、この接続は262,144トークンです。大きな要求ではこの値を基準に、回答の余地も残してください。\n\n### アプリケーションへの接続\n\nMessages、Responses、Chat Completionsを利用できます。既存クライアントに組み込み、複数のメッセージを順番に扱う形式です。この接続の結果は生成されたテキストです。提案コードの実行、ファイルの読み取り、外部ツールの利用には、対応するアプリケーションの仕組みが必要です。元のモデルの構造だけで、通常のテキスト要求内にこうした操作が提供されるわけではありません。",
    "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": "計画、コード分析、段階的な工学課題の解決に向けた、290億パラメータのChina Telecom AIのテキストMoEモデルです。"
  },
  "renderer_schema": {
    "method_order": "rawModel.methods-ordinal",
    "prices": "exact-native-DTO-units-and-selected-renderer-html"
  },
  "representation": "exact-public-dto-and-native-renderer-html",
  "schema": "ailoot-static-model-facts-v1",
  "schema_version": 1,
  "shortText": "計画、コード分析、段階的な工学課題の解決に向けた、290億パラメータのChina Telecom AIのテキストMoEモデルです。",
  "source": {
    "audit_sha256": "575deb5340771606044204d2e5c7ccb54eeee4663004a10709be44ddc4e4725e",
    "bridge_map_sha256": "575deb5340771606044204d2e5c7ccb54eeee4663004a10709be44ddc4e4725e",
    "projection_audit": {
      "parent_manifest_sha256": "dfd3a7a4bc6f960e128026cae1f98f769d1503ffa1c6cf0ccf80066382dbbb9e",
      "raw_model_json_sha256": "62396d85a9a7a8e9a9417abe42cae33ff57c5ef7d880a39bd6cf0ca9a95d54d2",
      "renderer_sha256": "1040c614d3637bc5bf28c97d445c529cdd141dbe0e11f6de9820bc6d2e53724b"
    },
    "projection_kind": "catalogue-refresh-native-dto-v1",
    "raw_model_json_sha256": "62396d85a9a7a8e9a9417abe42cae33ff57c5ef7d880a39bd6cf0ca9a95d54d2",
    "renderer_sha256": "1040c614d3637bc5bf28c97d445c529cdd141dbe0e11f6de9820bc6d2e53724b"
  },
  "sourceRevision": "6dc58ffa3423a4d2ebdce2b8a0220ef20f2c35f3e08dcd625a9f81c23c066657"
}
