layoutlmv3-large-model2b-radiology-lab-operative
Entwickelt von neuralit, ist layoutlmv3-large-model2b-radiology-lab-operative ein 2 Milliarden Parameter umfassendes Chat-Modell. layoutlmv3-large-model2b-radiology-lab-operative is an open-weights chat model with roughly 2 billion parameters.
by neuralit · 2 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, layoutlmv3-large-model2b-radiology-lab-operative in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren neuralit-API-Key ein. osFoundry erkennt layoutlmv3-large-model2b-radiology-lab-operative 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
layoutlmv3-large-model2b-radiology-lab-operative 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 layoutlmv3-large-model2b-radiology-lab-operative ausführen
layoutlmv3-large-model2b-radiology-lab-operative 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).
layoutlmv3-large-model2b-radiology-lab-operative 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 layoutlmv3-large-model2b-radiology-lab-operative
Ist layoutlmv3-large-model2b-radiology-lab-operative kostenlos nutzbar?
layoutlmv3-large-model2b-radiology-lab-operative 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 layoutlmv3-large-model2b-radiology-lab-operative 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 layoutlmv3-large-model2b-radiology-lab-operative?
Etwa 2 GB bei Q4-Quantization oder 5 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich layoutlmv3-large-model2b-radiology-lab-operative lokal betreiben?
Ja. layoutlmv3-large-model2b-radiology-lab-operative ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist layoutlmv3-large-model2b-radiology-lab-operative besonders gut?
layoutlmv3-large-model2b-radiology-lab-operative eignet sich besonders für text classification.
Wie verwende ich layoutlmv3-large-model2b-radiology-lab-operative in osFoundry?
Fügen Sie Ihren neuralit-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie layoutlmv3-large-model2b-radiology-lab-operative 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 neuralit am 19. März 2026. Quelle: https://huggingface.co/neuralit/layoutlmv3-large-model2b-radiology-lab-operative