gme-Qwen2-VL-7B-Instruct
Entwickelt von Alibaba-NLP, ist gme-Qwen2-VL-7B-Instruct ein 7 Milliarden Parameter umfassendes Embedding-Modell. gme-Qwen2-VL-7B-Instruct is an open-weights embed model with roughly 7 billion parameters.
by Alibaba-NLP · 7 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, gme-Qwen2-VL-7B-Instruct in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren Alibaba-NLP-API-Key ein. osFoundry erkennt gme-Qwen2-VL-7B-Instruct 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
gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct ausführen
gme-Qwen2-VL-7B-Instruct läuft auf eine einzelne 16GB-Consumer-GPU (~5 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~17 GB).
gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct
Ist gme-Qwen2-VL-7B-Instruct kostenlos nutzbar?
gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct?
Etwa 5 GB bei Q4-Quantization oder 17 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich gme-Qwen2-VL-7B-Instruct lokal betreiben?
Ja. gme-Qwen2-VL-7B-Instruct ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist gme-Qwen2-VL-7B-Instruct besonders gut?
gme-Qwen2-VL-7B-Instruct eignet sich besonders für sentence similarity.
Wie verwende ich gme-Qwen2-VL-7B-Instruct in osFoundry?
Fügen Sie Ihren Alibaba-NLP-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie gme-Qwen2-VL-7B-Instruct 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 Alibaba-NLP am 21. Dezember 2024. Quelle: https://huggingface.co/Alibaba-NLP/gme-Qwen2-VL-7B-Instruct