Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k
Veröffentlicht von HectorHe im Jahr 2025, ist Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k ein 13 Milliarden Parameter umfassendes Chat-Modell. Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k is an open-weights chat model with roughly 13 billion parameters.
by HectorHe · 13 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren HectorHe-API-Key ein. osFoundry erkennt Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k ausführen
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k läuft auf eine einzelne 16GB-Consumer-GPU (~8 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~32 GB).
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k
Ist Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k kostenlos nutzbar?
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k?
Etwa 8 GB bei Q4-Quantization oder 32 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k lokal betreiben?
Ja. Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k besonders gut?
Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k eignet sich besonders für text generation.
Wie verwende ich Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k in osFoundry?
Fügen Sie Ihren HectorHe-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k 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 HectorHe am 13. August 2025. Quelle: https://huggingface.co/HectorHe/Deepseek-Coder-V2-Lite-13B-Instruct-sft-math7k