vit_huge_patch14_clip_224.metaclip_2pt5b
vit_huge_patch14_clip_224.metaclip_2pt5b (timm, 2024) ist ein 5 Milliarden Parameter umfassendes Bildgenerierung-Modell. vit_huge_patch14_clip_224.metaclip_2pt5b is an open-weights image model with roughly 5 billion parameters.
by timm · 5 Mrd. Parameter
Am besten geeignet für
- zero shot image classification
Möglichkeiten, vit_huge_patch14_clip_224.metaclip_2pt5b in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren timm-API-Key ein. osFoundry erkennt vit_huge_patch14_clip_224.metaclip_2pt5b 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
vit_huge_patch14_clip_224.metaclip_2pt5b 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 vit_huge_patch14_clip_224.metaclip_2pt5b ausführen
vit_huge_patch14_clip_224.metaclip_2pt5b läuft auf eine einzelne 16GB-Consumer-GPU (~3 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision passt auf eine einzelne H100 80GB bei FP16-Präzision (~12 GB).
vit_huge_patch14_clip_224.metaclip_2pt5b 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 vit_huge_patch14_clip_224.metaclip_2pt5b
Ist vit_huge_patch14_clip_224.metaclip_2pt5b kostenlos nutzbar?
vit_huge_patch14_clip_224.metaclip_2pt5b 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 vit_huge_patch14_clip_224.metaclip_2pt5b 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 vit_huge_patch14_clip_224.metaclip_2pt5b?
Etwa 3 GB bei Q4-Quantization oder 12 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich vit_huge_patch14_clip_224.metaclip_2pt5b lokal betreiben?
Ja. vit_huge_patch14_clip_224.metaclip_2pt5b ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist vit_huge_patch14_clip_224.metaclip_2pt5b besonders gut?
vit_huge_patch14_clip_224.metaclip_2pt5b eignet sich besonders für zero shot image classification.
Wie verwende ich vit_huge_patch14_clip_224.metaclip_2pt5b in osFoundry?
Fügen Sie Ihren timm-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie vit_huge_patch14_clip_224.metaclip_2pt5b 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 timm am 23. Oktober 2024. Quelle: https://huggingface.co/timm/vit_huge_patch14_clip_224.metaclip_2pt5b