modeller

XingChen: Xing4.0 29B A4B (free)

Markdown · JSON

XingChen: Xing4.0 29B A4B (free)

xingchen-agi/xing4.0-29b-a4b:free
Xingchen AGITekstInndata 0,00 USD / 1KUtdata 0,00 USD / 1K

Tekstbasert MoE-modell fra China Telecom AI med 29 milliarder parametere for planlegging, kodeanalyse og trinnvis løsning av ingeniøroppgaver.

Xing4.0 fra China Telecom AI

Xing4.0-29B-A4B er en tekstbasert MoE-modell fra China Telecom Artificial Intelligence Technology, utviklet som neste generasjon av TeleChat. Modellen har 29 milliarder parametere, hvorav rundt 4 milliarder aktiveres per token. Utvikleren rettet den mot komplekse ingeniøroppgaver og sammenhengende agentbaserte arbeidsløp.

Et særtrekk ved Xing4.0 er trening utelukkende på Ascend NPU-akseleratorer med MindSpore. Arkitekturen kombinerer mHC, MLA og MTP. Modellen har 40 lag, 64 rutede eksperter, fire valgte eksperter per token og én felles ekspert. Opplysningene beskriver originalmodellens oppbygning og forskningsgrunnlag, ikke maskinvaren som behandler forespørselen din.

Tekstbaserte ingeniøroppgaver

Utviklerens materiale fremhever planlegging i flere trinn, kodearbeid og trinnvis problemløsing. I en tekstdialog kan dette brukes til å lage en plan for programendring, forklare avhengigheter eller analysere en feil i innsendt kode. Begynn med mål, inndata og begrensninger. Be deretter om en handlingsrekkefølge og forventet resultat for hvert trinn.

For en programmeringsoppgave sender du inn relevant implementering, dataformat og et eksempel på forventet oppførsel. Et nyttig resultat er en forklaring, en lokal endring og kontrolleksempler. Etter kjøring i ditt eget miljø kan du sende observasjonene tilbake i dialogen og presisere løsningen. Slik beholdes koblingen til den konkrete oppgaven uten å tillegge modellen selvstendig prosjekttilgang.

Kontekst og forespørselsmateriale

I Ailoot tar Xing4.0 imot tekst og returnerer tekst. Kontekstvinduet er på 262 144 tokener, og maksimal utdata er 235 929 tokener. Instruksjoner, kildemateriale, historikk og svar deler den samlede konteksten. Du kan inkludere flere sammenhengende utdrag: krav, dokumentasjon, kode og kontrollresultater. Gi dem tydelige navn og angi nøyaktig hva du trenger: en sammenligning, algoritmebeskrivelse, oppdatert kode eller løsningsplan.

Utvikleren oppgir at originalmodellen kan utvides til 512K kontekst, men denne tilkoblingen har en størrelse på 262 144 tokener. Bruk denne grensen når du forbereder store forespørsler, og la det være plass til svaret.

Tilkobling til applikasjonen

Messages, Responses og Chat Completions er tilgjengelige. Formatene hjelper deg å integrere modellen i en kjent klient og organisere flere påfølgende meldinger. Resultatet fra tilkoblingen er generert tekst. Kjøring av foreslått kode, lesing av filer og arbeid med eksterne verktøy krever tilsvarende applikasjonslogikk. Originalmodellens arkitektur gir ikke i seg selv slike handlinger i en vanlig tekstforespørsel.

Tilgjengelig via Ailoot API

Ultra Anthropic MessagesPOST /v1/messages
Inndatatyper
text
Utdatatyper
text
Kontekst
262 144 tokener
Maks. svar
235 929 tokener
Inndata
0,00 USD / 1K
Utdata
0,00 USD / 1K
Ultra OpenAI ResponsesPOST /v1/responses
Inndatatyper
text
Utdatatyper
text
Kontekst
262 144 tokener
Maks. svar
235 929 tokener
Inndata
0,00 USD / 1K
Utdata
0,00 USD / 1K
Ultra OpenAI ChatPOST /v1/chat/completions
Inndatatyper
text
Utdatatyper
text
Kontekst
262 144 tokener
Maks. svar
235 929 tokener
Inndata
0,00 USD / 1K
Utdata
0,00 USD / 1K
xingchen-agi/xing4.0-29b-a4b:free · JSON
{"about":"### Xing4.0 fra China Telecom AI\n\nXing4.0-29B-A4B er en tekstbasert MoE-modell fra China Telecom Artificial Intelligence Technology, utviklet som neste generasjon av TeleChat. Modellen har 29 milliarder parametere, hvorav rundt 4 milliarder aktiveres per token. Utvikleren rettet den mot komplekse ingeniøroppgaver og sammenhengende agentbaserte arbeidsløp.\n\nEt særtrekk ved Xing4.0 er trening utelukkende på Ascend NPU-akseleratorer med MindSpore. Arkitekturen kombinerer mHC, MLA og MTP. Modellen har 40 lag, 64 rutede eksperter, fire valgte eksperter per token og én felles ekspert. Opplysningene beskriver originalmodellens oppbygning og forskningsgrunnlag, ikke maskinvaren som behandler forespørselen din.\n\n### Tekstbaserte ingeniøroppgaver\n\nUtviklerens materiale fremhever planlegging i flere trinn, kodearbeid og trinnvis problemløsing. I en tekstdialog kan dette brukes til å lage en plan for programendring, forklare avhengigheter eller analysere en feil i innsendt kode. Begynn med mål, inndata og begrensninger. Be deretter om en handlingsrekkefølge og forventet resultat for hvert trinn.\n\nFor en programmeringsoppgave sender du inn relevant implementering, dataformat og et eksempel på forventet oppførsel. Et nyttig resultat er en forklaring, en lokal endring og kontrolleksempler. Etter kjøring i ditt eget miljø kan du sende observasjonene tilbake i dialogen og presisere løsningen. Slik beholdes koblingen til den konkrete oppgaven uten å tillegge modellen selvstendig prosjekttilgang.\n\n### Kontekst og forespørselsmateriale\n\nI Ailoot tar Xing4.0 imot tekst og returnerer tekst. Kontekstvinduet er på 262 144 tokener, og maksimal utdata er 235 929 tokener. Instruksjoner, kildemateriale, historikk og svar deler den samlede konteksten. Du kan inkludere flere sammenhengende utdrag: krav, dokumentasjon, kode og kontrollresultater. Gi dem tydelige navn og angi nøyaktig hva du trenger: en sammenligning, algoritmebeskrivelse, oppdatert kode eller løsningsplan.\n\nUtvikleren oppgir at originalmodellen kan utvides til 512K kontekst, men denne tilkoblingen har en størrelse på 262 144 tokener. Bruk denne grensen når du forbereder store forespørsler, og la det være plass til svaret.\n\n### Tilkobling til applikasjonen\n\nMessages, Responses og Chat Completions er tilgjengelige. Formatene hjelper deg å integrere modellen i en kjent klient og organisere flere påfølgende meldinger. Resultatet fra tilkoblingen er generert tekst. Kjøring av foreslått kode, lesing av filer og arbeid med eksterne verktøy krever tilsvarende applikasjonslogikk. Originalmodellens arkitektur gir ikke i seg selv slike handlinger i en vanlig tekstforespørsel.","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":"Tekstbasert MoE-modell fra China Telecom AI med 29 milliarder parametere for planlegging, kodeanalyse og trinnvis løsning av ingeniøroppgaver."}

Spørsmål

Hvordan velger jeg en modell til oppgaven min?

Avklar først hvilke inndata og utdata du trenger: tekst, bilder, lyd eller video. Sammenlign deretter kompatible API-metoder, den eksakte modell-ID-en eller modellen aliaset peker til nå, pris og faktureringsenhet. GET /v1/models er gratis og viser modellene som er tilgjengelige for nøkkelen din.

Støtter hver modell alle API-metoder og medietyper?

Bruk API-metodene og typene inndata/utdata som er oppført på modellkortet. Støtte for tekst, bilder, lyd eller video avhenger av den valgte modellen og metoden; se det aktuelle eksemplet på en forespørsel før du sender dataene dine.

Hva er forskjellen på en modell-ID og et alias?

En eksakt modell-ID identifiserer en bestemt modell. Et alias peker til en modell, og målmodellen kan endres. Sjekk i katalogen hvilken modell aliaset peker til nå; bruk den eksakte ID-en når integrasjonen din krever en bestemt modell.

Hvordan sammenligner jeg priser før jeg sender en forespørsel?

Se modellkortet for pris og faktureringsenhet for den valgte API-metoden. Sammenlign samme enhet og samme type inndata/utdata; forespørselshistorikken viser faktisk bruk og belastet beløp.

Hva gir abonnementet?

Rabatt på tokenkjøp for jevnlig bruk. Velg etter forespørselsvolum; vilkår og abonnementspris vises ved bestilling.

Hvordan bruker jeg kampanjekode opptil 50% rabatt?

Oppgi koden ved tokenkjøp. Beløpet beregnes etter kampanjevilkårene; rabattstørrelsen vises før betaling.