TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor
nm-testings TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor vereint 1 Milliarden Parameter in einem Chat-Modell. TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor is an open-weights chat model with roughly 1 billion parameters.
by nm-testing · 1 Mrd. Parameter
Am besten geeignet für
- Chat und Routing mit geringer Latenz
- Anfrage-Routing und Triage
- Textklassifikation
Möglichkeiten, TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren nm-testing-API-Key ein. osFoundry erkennt TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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
TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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 TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor ausführen
TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor läuft auf eine einzelne 16GB-Consumer-GPU (~1 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~3 GB).
TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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 TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor
Ist TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor kostenlos nutzbar?
TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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 TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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 TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor?
Etwa 1 GB bei Q4-Quantization oder 3 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor lokal betreiben?
Ja. TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor besonders gut?
TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor eignet sich besonders für Chat und Routing mit geringer Latenz, Anfrage-Routing und Triage, Textklassifikation.
Wie verwende ich TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor in osFoundry?
Fügen Sie Ihren nm-testing-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor 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 nm-testing am 14. Januar 2026. Quelle: https://huggingface.co/nm-testing/TinyLlama-1.1B-Chat-v1.0-kvcache-fp8-tensor