XingChen: Xing4.0 29B A4B (free)

XingChen: Xing4.0 29B A4B (free) adalah model bahasa mixture-of-experts berbobot terbuka dari XingChen, yang dikembangkan oleh tim AI China Telecom (TeleAI). Ini adalah penerus seri TeleChat. Model ini memiliki total 29B parameter dengan 4B aktif per token, yang berarti hanya sebagian dari jaringan yang dilibatkan untuk setiap token yang dihasilkan. Ini adalah model teks saja, yang terdaftar di bawah kategori teks di api14.

Model ini menerima teks sebagai input dan menghasilkan teks sebagai output. Model ini mendukung jendela konteks 262144 token, dan panjang output maksimumnya adalah 235929 token. Kombinasi tersebut membuatnya cocok untuk beban kerja di mana dokumen yang sangat panjang atau percakapan yang diperpanjang perlu diproses dalam satu permintaan, dan di mana respons yang dihasilkan itu sendiri mungkin panjang. Karena ini adalah desain mixture-of-experts, jumlah parameter aktif per token jauh lebih kecil daripada totalnya, yang relevan jika Anda memikirkan tentang throughput dan karakteristik penyajian daripada hanya jumlah parameter mentah.

Kasus penggunaan praktis mengikuti langsung dari konteks panjang dan antarmuka teks saja. Anda dapat menggunakannya untuk merangkum atau menganalisis laporan panjang, kontrak, transkrip, atau basis kode yang tidak akan muat dalam jendela konteks yang lebih kecil. Ini cocok untuk asisten multi-turn yang perlu mempertahankan sejumlah besar percakapan sebelumnya, dan tanya jawab dokumen di mana materi sumber dilewatkan secara penuh. Dukungan tool dan output terstruktur juga menjadikannya kandidat untuk alur kerja bergaya agen, pemanggilan fungsi, dan aplikasi yang membutuhkan respons dalam bentuk JSON yang ditentukan daripada teks bebas.

Anda memanggil model ini melalui API yang kompatibel dengan OpenAI dari api14 menggunakan id model "xingchen-agi/xing4.0-29b-a4b:free". Karena endpoint mengikuti format chat completions OpenAI, Anda dapat menggunakan SDK OpenAI yang ada dan mengarahkannya ke api14. Model ini mendukung serangkaian parameter permintaan yang luas: frequency_penalty, include_reasoning, max_tokens, min_p, presence_penalty, reasoning, repetition_penalty, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools, top_k dan top_p. Adanya reasoning dan include_reasoning berarti Anda dapat meminta output penalaran di mana model mengeksposnya, dan tools plus tool_choice serta structured_outputs mencakup pemanggilan fungsi dan pembangkitan yang dibatasi skema.

Satu hal yang perlu dipertimbangkan adalah bahwa ini adalah model teks saja, sehingga tidak dapat menerima gambar atau audio sebagai input, dan tidak menghasilkannya. Jika aplikasi Anda bergantung pada input multimodal, Anda memerlukan model yang berbeda. Varian gratis juga layak diuji terhadap persyaratan latensi dan kualitas Anda sendiri sebelum Anda menggunakannya di produksi, karena fakta di sini menjelaskan kemampuan dan parameter daripada kinerja yang terukur.