Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit
Entwickelt von Agnuxo, ist Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit ein 4 Milliarden Parameter umfassendes Chat-Modell. Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit is an open-weights chat model with roughly 4 billion parameters.
by Agnuxo · 4 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren Agnuxo-API-Key ein. osFoundry erkennt Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit automatisch — weisen Sie es im Pipeline-Tab einer Maestro-Rolle (Router, Direct, Orchestrator oder Fallback) zu, und es ist in jedem Chat verfügbar. Ihr Key, Ihr Provider-Konto — kein Token-Aufschlag.
Dedizierten Endpunkt bereitstellen
Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit ist Open-Weights — betreiben Sie es lokal kostenlos oder stellen Sie in Ihrem Workspace einen dedizierten GPU-Endpunkt für reservierte Kapazität ohne Rate Limits bereit.
In einer Room App verwenden
Room Apps deklarieren KI-Funktionen in ihrem Manifest und rufen sie anschließend mit invokeAI auf:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Aus eigenen Anwendungen aufrufen
Sobald ein Modell in Ihrem Workspace eingerichtet ist, können Sie es als API hosten und aus Ihren eigenen Diensten, Skripten oder CI — außerhalb von osFoundry — erreichen.
Welche Hardware kann Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit ausführen
Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit läuft auf eine einzelne 16GB-Consumer-GPU (~3 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~10 GB).
Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit im Vergleich zu ähnlichen Modellen
Lizenz
Nicht angegeben — Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung.
Konsultieren Sie die Upstream-Dokumentation.
Häufige Fragen zu Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit
Ist Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit kostenlos nutzbar?
Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit kann auf Ihrer eigenen Hardware kostenlos lokal betrieben werden. Der gehostete Zugriff über osFoundry wird abgerechnet (Input Free (local), Output Free (local)). Sie können jederzeit zwischen lokal und gehostet wechseln.
Kann ich Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit kommerziell nutzen?
Kommerzielle Nutzung ist unter bestimmten Bedingungen erlaubt. Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung. Konsultieren Sie die Upstream-Dokumentation.
Wie viel VRAM benötigt Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit?
Etwa 3 GB bei Q4-Quantization oder 10 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit lokal betreiben?
Ja. Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit besonders gut?
Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit eignet sich besonders für text generation.
Wie verwende ich Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit in osFoundry?
Fügen Sie Ihren Agnuxo-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit im Pipeline-Tab einer Maestro-Rolle zu und nutzen Sie es anschließend im Chat, in Room Apps über invokeAI oder in Ihren eigenen Anwendungen.
Veröffentlicht von Agnuxo am 31. August 2024. Quelle: https://huggingface.co/Agnuxo/Llama-3.1-Minitron-4B-Instruct_CODE_Python-GGUF_Spanish_English_8bit