Xing4.0-29B-A4B

Xing4.0-29B-A4B braucht mit der Variante Q4_K_M rund 24,5 GB Speicher und läuft auf 226 von 891 geführten Geräten flüssig.

Mit dem wenigsten Speicher schafft es: Dell XPS 14 14 Zoll (2026), Core Ultra Series 3 mit LPDDR5X-9600 (zweikanalig), 32 GB.

Berechnet für 4.096 Token Kontext (Anwendungsfall „Ausprobieren, Neugier“). Die Tempowerte sind an veröffentlichten und eigenen Messungen abgeglichen, aber nicht auf diesem Gerät gemessen. Ausgenommen sind Werte mit dem Zusatz „nicht an Messungen abgeglichen“: für sie fehlt der Abgleich, sie sind unsicher.

Wofür möchten Sie das Modell nutzen?
Mehr zu diesem Einsatzzweck: Modelle und Geräte nach Preis
Anbieter
China Telecom AI
Parameter
31,2 Mrd., davon 4 Mrd. aktiv
Längster Kontext
262.144 Token
Nimmt entgegen
Text
Lizenz
Apache 2.0

So starten Sie es mit Ollama:

$ ollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q4_K_M
>>> /set parameter num_ctx 4096

Ab 24 GB Grafikspeicher wählt Ollama von selbst mehr Kontext und braucht dann mehr Speicher; beim Mac zählt dabei der Teil des Arbeitsspeichers, den macOS der Grafik zuteilt. Die zweite Zeile, nach dem Start in Ollama eingegeben, hält den Kontext bei den 4.096 Token, für die die Zahlen hier gelten. Spricht ein Programm Ollama über die Schnittstelle an, etwa ein Agent, gilt die zweite Zeile nicht; dann starten Sie Ollama mit OLLAMA_CONTEXT_LENGTH=4096.

Oder mit llama.cpp, mit dem Kontext dieser Seite (lädt das Modell von Hugging Face):

$ llama-server -hf bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q4_K_M -c 4096

Geräte, auf denen es flüssig läuft

Die Tempowerte sind berechnet, nicht auf dem Gerät gemessen, und an veröffentlichten und eigenen Messungen abgeglichen. Ausgenommen sind die mit * markierten Werte: sie sind nicht abgeglichen und deshalb unsicher.

GerätUrteilTempoSpeicher
Dell XPS 14 14 Zoll (2026), Core Ultra Series 3 mit LPDDR5X-9600 (zweikanalig), 32 GBLäuft gut11 bis 32 Token/s *32 GB
davon 26,0 GB nutzbar
Lenovo ThinkPad E14 Gen 7 Intel 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
HP EliteBook 8 G1i 14 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Lenovo Yoga Slim 7 14ILL10 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Dell 14 Plus 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Dell Pro 14 Premium 14 Zoll (2026), Core Ultra Series 3 mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Lenovo ThinkPad T14 Gen 6 Intel 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Lenovo ThinkPad T14s Gen 7 AMD 14 Zoll (2026), Ryzen AI 400 mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
HP EliteBook 8 G1i 16 16 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar
Dell Pro 14 Plus 14 Zoll (2025), Core Ultra 200V mit LPDDR5X-8533 (zweikanalig), 32 GBLäuft gut9,5 bis 28 Token/s *32 GB
davon 26,0 GB nutzbar

und 216 weitere

Grafikkarten, in die es ganz passt

GrafikkarteUrteilTempoSpeicher
NVIDIA GeForce RTX 5090, 32 GBLäuft gut142 bis 226 Token/s32 GB
davon 31,2 GB nutzbar
NVIDIA RTX PRO 4500 Blackwell, 32 GBLäuft gut91 bis 145 Token/s32 GB
davon 31,2 GB nutzbar
AMD Radeon AI PRO R9700, 32 GBLäuft gut61 bis 112 Token/s32 GB
davon 31,2 GB nutzbar
NVIDIA RTX 5000 Ada Generation, 32 GBLäuft gut65 bis 103 Token/s32 GB
davon 31,2 GB nutzbar
AMD Radeon PRO W7800, 32 GBLäuft gut55 bis 102 Token/s32 GB
davon 31,2 GB nutzbar
AMD Radeon PRO W6800, 32 GBLäuft gut50 bis 93 Token/s32 GB
davon 31,2 GB nutzbar
NVIDIA RTX PRO 5000 Blackwell, 48 GBLäuft gut119 bis 190 Token/s48 GB
davon 47,2 GB nutzbar
NVIDIA RTX 6000 Ada Generation, 48 GBLäuft gut95 bis 152 Token/s48 GB
davon 47,2 GB nutzbar
AMD Radeon PRO W7900, 48 GBLäuft gut77 bis 142 Token/s48 GB
davon 47,2 GB nutzbar
NVIDIA RTX A6000, 48 GBLäuft gut81 bis 129 Token/s48 GB
davon 47,2 GB nutzbar

und 2 weitere

Alle Geräte und Grafikkarten für Xing4.0-29B-A4B

Was die Angaben bedeuten
  • Token: Ein Modell liest und schreibt in Wortstücken, den Token. Ein deutsches Wort sind rund 1,5 bis 1,8 Token.
  • Token/s: So viele Token schreibt das Modell je Sekunde. Angegeben ist eine Spanne, gerechnet, nicht auf diesem Gerät gemessen.
  • Kontext: Wie viel Text das Modell auf einmal im Blick behält, also Ihre Frage, angehängte Dokumente und den bisherigen Verlauf, gezählt in Token. Mehr Kontext braucht mehr Speicher.
  • Mrd.: Milliarden Parameter, die Größe des Modells. Größere Modelle antworten in der Regel besser und brauchen mehr Speicher.
  • „davon … aktiv“: Das Modell (Mixture-of-Experts) rechnet je Token nur mit einem Teil seiner Parameter. Das macht es schneller; Speicher braucht es trotzdem für alle.
  • Q4_K_M, Q8_0 und ähnlich: die Stufe der Quantisierung. Die Zahlen des Modells werden mit weniger Bits gespeichert; je kleiner die Zahl hinter dem Q, desto kleiner die Datei und desto größer die Abweichung vom Original.
  • VL im Namen steht für Vision-Language: solche Modelle lesen auch Bilder. Was ein Modell entgegennimmt, steht auf seiner Seite unter „Nimmt entgegen“.
  • „Läuft gut“: Das Modell passt ganz in den Speicher und schafft in der Mitte der Spanne mindestens 10 Token/s; beginnt die Spanne darunter, schreiben wir „knapp flüssig“. „Eingeschränkt“: Es passt, ist aber langsamer, oder ein Teil liegt im Arbeitsspeicher. Ob die Antworten stimmen, sagt beides nicht.
  • „21,9 von 48,0 GB“: Links steht, was das Modell an Speicher braucht, rechts, was das Gerät für Modelle frei hat. Das ist weniger als eingebaut, weil ein Teil für Betriebssystem, Anzeige und Programme bleibt; wie viel, steht bei den Gerätedaten unter „Davon für Modelle nutzbar“.
  • „*“ am Tempo: Die Rechnung geht hier über ihre Messungen hinaus, der Wert ist unsicherer.
  • „Der Speicher für den Kontext ist geschätzt“: Für die Bauart dieses Modells lesen wir den Speicher für den Kontext nicht aus der Modelldatei ab, sondern schätzen ihn aus der Modellgröße.
  • Wie wir rechnen

Varianten

Der Bedarf gilt für 4.096 Token Kontext. Dabei bleibt Ollama, wenn Sie nach dem Start „/set parameter num_ctx 4096“ eingeben.

VarianteDateiSpeicherbedarfStartbefehl
Q3_K_M16,1 GB20,4 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q3_K_M
Q4_018,0 GB22,3 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q4_0
Q4_K_M20,1 GB24,5 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q4_K_M
Q5_K_M24,0 GB28,5 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q5_K_M
Q6_K27,2 GB31,7 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q6_K
Q8_033,2 GB37,9 GBollama run hf.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF:Q8_0
BF1662,5 GB67,7 GBIn mehrere Dateien aufgeteilt, mit Ollama nicht direkt startbar.

Quelle: https://huggingface.co/bartowski/XingChen-AGI_Xing4.0-29B-A4B-GGUF

Weitere Ratgeber