0d8b128b-8753-46c3-b80f-32427bd53cae
0d8b128b-8753-46c3-b80f-32427bd53cae ist ein 128 Milliarden Parameter umfassendes Chat-Modell von nbninh, veröffentlicht am 14. Januar 2025. 0d8b128b-8753-46c3-b80f-32427bd53cae is an open-weights chat model with roughly 128 billion parameters.
by nbninh · 128 Mrd. Parameter
Am besten geeignet für
- komplexes mehrstufiges Reasoning
- Agent-Orchestrierung mit Tool-Nutzung
- Analyse und Zusammenfassung langer Dokumente
Möglichkeiten, 0d8b128b-8753-46c3-b80f-32427bd53cae in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren nbninh-API-Key ein. osFoundry erkennt 0d8b128b-8753-46c3-b80f-32427bd53cae 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
0d8b128b-8753-46c3-b80f-32427bd53cae 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 0d8b128b-8753-46c3-b80f-32427bd53cae ausführen
0d8b128b-8753-46c3-b80f-32427bd53cae läuft auf eine einzelne A100 80GB oder H100 80GB mit Q4-Quantization (~77 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision erfordert mehrere H100/H200-GPUs bei FP16 (~308 GB).
0d8b128b-8753-46c3-b80f-32427bd53cae 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 0d8b128b-8753-46c3-b80f-32427bd53cae
Ist 0d8b128b-8753-46c3-b80f-32427bd53cae kostenlos nutzbar?
0d8b128b-8753-46c3-b80f-32427bd53cae 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 0d8b128b-8753-46c3-b80f-32427bd53cae 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 0d8b128b-8753-46c3-b80f-32427bd53cae?
Etwa 77 GB bei Q4-Quantization oder 308 GB bei voller FP16-Präzision. Passt auf eine einzelne A100/H100 80GB.
Kann ich 0d8b128b-8753-46c3-b80f-32427bd53cae lokal betreiben?
Ja. 0d8b128b-8753-46c3-b80f-32427bd53cae ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist 0d8b128b-8753-46c3-b80f-32427bd53cae besonders gut?
0d8b128b-8753-46c3-b80f-32427bd53cae eignet sich besonders für komplexes mehrstufiges Reasoning, Agent-Orchestrierung mit Tool-Nutzung, Analyse und Zusammenfassung langer Dokumente.
Wie verwende ich 0d8b128b-8753-46c3-b80f-32427bd53cae in osFoundry?
Fügen Sie Ihren nbninh-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie 0d8b128b-8753-46c3-b80f-32427bd53cae 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 nbninh am 14. Januar 2025. Quelle: https://huggingface.co/nbninh/0d8b128b-8753-46c3-b80f-32427bd53cae