Xing4.0-29B-A4B
China Telecom
Son güncelleme: 18 Eylül 2026
🖥️ Bu model bilgisayarında çalışır mı?
Ağırlıkları açık — donanımın yetiyorsa kendi bilgisayarında çalıştırabilirsin.
BF16 için 60+ GB, 4-bit quant için 16-20 GB sınıfı (parametre sayısından hesap, ölçüm yok).
29B toplam parametre, token başına 4B aktif, 40 katman, 64 yönlendirilmiş uzman. BF16 ağırlık yaklaşık 58 GB; 4-bit quant ile 16 GB civarına iner (ölçüm değil, parametre sayısından hesap). vLLM, SGLang ve KTransformers destekleniyor.
Ekran kartını seç, çalışır mı gör →Bağlam uzunluğu
262K token
API giriş (1M token)
—
API çıkış (1M token)
—
Kullanıcı planı
Ücretsiz (açık kaynak)
Ücretsiz plan mevcut
Türkçe destek
Orta
Çok modlu
Hayır
Hızı
Hızlı
OpenAI uyumlu
Evet
SWE-Bench
75%
Ne İçin Kullanılır?
- ✓Yerel makinende ajanlı kod ve terminal iş akışları
- ✓Uzun context gerektiren depo ve belge analizi (256K, 512K'ya genişletilebilir)
- ✓Kendi verinle alan uyarlaması: niyet sınıflandırma, tablo anlama, sözleşme denetimi
- ✓OpenAI uyumlu API arkasında servis etme
- ✓Huawei Ascend tabanlı altyapıda çalıştırma
Güçlü Yönler
- ↑SWE-bench Verified 75,00 ve Terminal-Bench 2.1 57,5 — 29B sınıfı için yüksek kod skorları
- ↑Ajan odaklı mimari: mHC + MLA + MTP, çok adımlı planlama ve araç çağrısı
- ↑256K context, 512K'ya genişletilebilir
- ↑Apache 2.0 açık ağırlık; vLLM, SGLang, KTransformers, LLaMA-Factory desteği
- ↑OpenCode, Claude Code ve OpenClaw için hazır uyarlama
Dikkat Edilecekler
- ↓BF16 ağırlık 58 GB civarı; tüketici donanımında ancak quantize çalışır
- ↓Benchmark skorları modelin kendi değerlendirmesi, bağımsız test yok
- ↓Kod dışı genel bilgi ve yaratıcı yazmada lider değil
- ↓Türkçe performansı doğrulanmadı
- ↓Ascend NPU üzerinde eğitilmiş; ekosistem çoğunlukla Çince dokümantasyon
Xing4.0-29B-A4B, China Telecom Yapay Zeka Teknoloji şirketinin 16 Eylül 2026'da yayınladığı açık ağırlık model. Xing serisi (eski adıyla TeleChat) devam ediyor ve bu sürüm 29 milyar parametreli bir MoE: token başına yalnızca 4 milyarı aktif, 64 yönlendirilmiş uzman ve 1 paylaşımlı uzman var. Mimari mHC + MLA + MTP üçlüsü üzerine kurulu ve model ajan işleri için eğitilmiş — çok adımlı planlama, araç çağrısı ve uzun context altında görev tutarlılığı hedeflenmiş. Kayda değer tarafı donanım tarafındaki iddia: bu ölçekte tamamen Ascend NPU (910C) üzerinde ve MindSpore/MindFormers ile eğitilen ilk model olduğu belirtiliyor. Eğitim verimliliği için işlemci füzyonu, uzman iletişimi optimizasyonu ve seçici yeniden hesaplama gibi yöntemlerle başlangıç seviyesine göre yaklaşık %96 verim artışı raporlanıyor. Bu, Çin'in yerli yonga tarafında geldiği noktayı göstermesi bakımından ilginç. Sayılara gelince: SWE-bench Verified'da 75,00, Terminal-Bench 2.1'de 57,5, SWE-bench Multilingual'de 66,00. Karşılaştırma tablosunda Qwen3.6-35B-A3B ve Gemma4-26B-A4B ile yan yana konuyor ve kod/ajan testlerinde öne çıkıyor. Bu skorlar modelin kendi değerlendirmesi — bağımsız bir kurumun doğrulaması yok, o yüzden ihtiyatlı okunmalı. 256K context 512K'ya genişletilebiliyor ve Apache 2.0 lisanslı. Yerel çalıştırmak istersen BF16 ağırlık 58 GB civarı olduğu için çeyreklik kuantizasyon şart; o hâlde 24 GB VRAM sınıfı bir kartta deneysel olarak çalışabilir. vLLM, SGLang ve KTransformers desteği hazır geliyor. Türkçe tarafı test edilmedi, ailenin bilinen seviyesi orta.
En Yakın Alternatif
Gerekli Programlar
Açık ağırlıklı bir modeli kendi bilgisayarında çalıştırmak için bir model yöneticisi gerekir. İkisi de ücretsiz, ikisi de Windows, Mac ve Linux'ta çalışır.
LM Studio — görsel arayüz isteyenler için
Modeli listeden seçip indiriyorsun, terminal yok. Yeni başlayan için en kısa yol.
Ollama — terminalden çalıştıranlar için
Terminalden tek komutla model indirip çalıştırıyorsun, arayüz yok. Bu modelin Ollama kütüphanesinde hazır bir sürümü olup olmadığını ollama.com'da arayarak görebilirsin.
Donanım tarafı
Büyük modeller için ekran kartı yetmiyorsa, iş istasyonu sınıfı donanımın ne verdiğini rehberde ölçtük.
DGX Spark rehberi →