vit_large_patch14_clip_224.dfn2b_s39b
vit_large_patch14_clip_224.dfn2b_s39b ist ein 39 Milliarden Parameter umfassendes Bildgenerierung-Modell von timm, veröffentlicht am 30. Dezember 2024. vit_large_patch14_clip_224.dfn2b_s39b is an open-weights image model with roughly 39 billion parameters.
by timm · 39 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, vit_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b ausführen
vit_large_patch14_clip_224.dfn2b_s39b läuft auf eine 24GB-Consumer- oder Workstation-GPU (~24 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision erfordert eine H200 141GB oder 2x A100 80GB bei FP16 (~94 GB).
vit_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b
Ist vit_large_patch14_clip_224.dfn2b_s39b kostenlos nutzbar?
vit_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b?
Etwa 24 GB bei Q4-Quantization oder 94 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich vit_large_patch14_clip_224.dfn2b_s39b lokal betreiben?
Ja. vit_large_patch14_clip_224.dfn2b_s39b ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist vit_large_patch14_clip_224.dfn2b_s39b besonders gut?
vit_large_patch14_clip_224.dfn2b_s39b eignet sich besonders für image feature extraction.
Wie verwende ich vit_large_patch14_clip_224.dfn2b_s39b 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_large_patch14_clip_224.dfn2b_s39b 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 30. Dezember 2024. Quelle: https://huggingface.co/timm/vit_large_patch14_clip_224.dfn2b_s39b