Xing4.0-29B-A4B är en textbaserad MoE-modell från China Telecom Artificial Intelligence Technology, utvecklad som nästa generation av TeleChat. Modellen har 29 miljarder parametrar, varav cirka 4 miljarder aktiveras per token. Utvecklaren har riktat den mot komplexa tekniska uppgifter och stegvisa agentflöden.
En särskild egenskap hos Xing4.0 är att hela träningen skett på Ascend NPU-acceleratorer med MindSpore. Arkitekturen kombinerar mHC, MLA och MTP; modellen har 40 lager, 64 routade experter, fyra valda experter per token och en gemensam expert. Uppgifterna beskriver ursprungsmodellens uppbyggnad och forskningsgrund, inte hårdvaran som behandlar din begäran.
Utvecklarens material lyfter fram flerstegsplanering, kodarbete och stegvis problemlösning. I textdialog kan det användas för att ta fram en programändringsplan, förklara beroenden eller analysera ett fel utifrån given kod. Börja med mål, indata och begränsningar; be sedan om en handlingsföljd och förväntat resultat för varje steg.
För en programmeringsuppgift anger du relevant implementering, dataformat och exempel på önskat beteende. Ett användbart resultat är en förklaring, lokal ändring och exempel på kontroller. Efter körning i din egen miljö kan du återföra observationerna till dialogen och precisera lösningen. Upplägget bevarar kopplingen till den konkreta uppgiften utan att tillskriva modellen egen projektåtkomst.
I Ailoot API tar Xing4.0 emot text och returnerar text. Kontextfönstret är 262 144 token och maximal utdata 235 929 token. Instruktioner, underlag, historik och svar ingår i den gemensamma kontexten. Flera sammanhängande avsnitt kan tas med: krav, dokumentation, kod och kontrollresultat. Ge dem tydliga namn och ange exakt vad du vill få: jämförelse, algoritmbeskrivning, uppdaterad kod eller lösningsplan.
Utvecklaren anger att ursprungsmodellen kan utökas till 512K kontext, men den här anslutningens storlek är 262 144 token. Utgå från detta när du förbereder en stor begäran och lämna plats för svaret.
Messages, Responses och Chat Completions finns tillgängliga. Formaten hjälper dig att integrera modellen i din vanliga klient och ordna flera meddelanden i följd. Resultatet från anslutningen är genererad text. För att köra föreslagen kod, läsa filer och arbeta med externa verktyg krävs motsvarande applikationslogik. Ursprungsmodellens arkitektur ger inte i sig sådana handlingar i en vanlig textbegäran.
", "aboutText": "### Xing4.0 från China Telecom AI\n\nXing4.0-29B-A4B är en textbaserad MoE-modell från China Telecom Artificial Intelligence Technology, utvecklad som nästa generation av TeleChat. Modellen har 29 miljarder parametrar, varav cirka 4 miljarder aktiveras per token. Utvecklaren har riktat den mot komplexa tekniska uppgifter och stegvisa agentflöden.\n\nEn särskild egenskap hos Xing4.0 är att hela träningen skett på Ascend NPU-acceleratorer med MindSpore. Arkitekturen kombinerar mHC, MLA och MTP; modellen har 40 lager, 64 routade experter, fyra valda experter per token och en gemensam expert. Uppgifterna beskriver ursprungsmodellens uppbyggnad och forskningsgrund, inte hårdvaran som behandlar din begäran.\n\n### Textbaserade tekniska uppgifter\n\nUtvecklarens material lyfter fram flerstegsplanering, kodarbete och stegvis problemlösning. I textdialog kan det användas för att ta fram en programändringsplan, förklara beroenden eller analysera ett fel utifrån given kod. Börja med mål, indata och begränsningar; be sedan om en handlingsföljd och förväntat resultat för varje steg.\n\nFör en programmeringsuppgift anger du relevant implementering, dataformat och exempel på önskat beteende. Ett användbart resultat är en förklaring, lokal ändring och exempel på kontroller. Efter körning i din egen miljö kan du återföra observationerna till dialogen och precisera lösningen. Upplägget bevarar kopplingen till den konkreta uppgiften utan att tillskriva modellen egen projektåtkomst.\n\n### Kontext och begärans material\n\nI Ailoot API tar Xing4.0 emot text och returnerar text. Kontextfönstret är 262 144 token och maximal utdata 235 929 token. Instruktioner, underlag, historik och svar ingår i den gemensamma kontexten. Flera sammanhängande avsnitt kan tas med: krav, dokumentation, kod och kontrollresultat. Ge dem tydliga namn och ange exakt vad du vill få: jämförelse, algoritmbeskrivning, uppdaterad kod eller lösningsplan.\n\nUtvecklaren anger att ursprungsmodellen kan utökas till 512K kontext, men den här anslutningens storlek är 262 144 token. Utgå från detta när du förbereder en stor begäran och lämna plats för svaret.\n\n### Anslutning till applikationen\n\nMessages, Responses och Chat Completions finns tillgängliga. Formaten hjälper dig att integrera modellen i din vanliga klient och ordna flera meddelanden i följd. Resultatet från anslutningen är genererad text. För att köra föreslagen kod, läsa filer och arbeta med externa verktyg krävs motsvarande applikationslogik. Ursprungsmodellens arkitektur ger inte i sig sådana handlingar i en vanlig textbegäran.", "locale": "sv", "methods": [ { "html": "POST /v1/messagestexttextPOST /v1/responsestexttextPOST /v1/chat/completionstexttext