GTLM-1-2B-A350M
Madras1s GTLM-1-2B-A350M vereint 2 Milliarden Parameter in einem Chat-Modell. GTLM-1-2B-A350M is an open-weights chat model with roughly 2 billion parameters.
by Madras1 · 2 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, GTLM-1-2B-A350M in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren Madras1-API-Key ein. osFoundry erkennt GTLM-1-2B-A350M 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
GTLM-1-2B-A350M 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 GTLM-1-2B-A350M ausführen
GTLM-1-2B-A350M läuft auf eine einzelne 16GB-Consumer-GPU (~2 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~5 GB).
GTLM-1-2B-A350M 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 GTLM-1-2B-A350M
Ist GTLM-1-2B-A350M kostenlos nutzbar?
GTLM-1-2B-A350M 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 GTLM-1-2B-A350M 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 GTLM-1-2B-A350M?
Etwa 2 GB bei Q4-Quantization oder 5 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich GTLM-1-2B-A350M lokal betreiben?
Ja. GTLM-1-2B-A350M ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist GTLM-1-2B-A350M besonders gut?
GTLM-1-2B-A350M eignet sich besonders für text generation.
Wie verwende ich GTLM-1-2B-A350M in osFoundry?
Fügen Sie Ihren Madras1-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie GTLM-1-2B-A350M 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 Madras1 am 14. Dezember 2025. Quelle: https://huggingface.co/Madras1/GTLM-1-2B-A350M