vit_xsmall_patch16_clip_224.tinyclip_yfcc15m
Veröffentlicht von timm im Jahr 2024, ist vit_xsmall_patch16_clip_224.tinyclip_yfcc15m ein Bildgenerierung-Modell. vit_xsmall_patch16_clip_224.tinyclip_yfcc15m is an open-weights image model.
by timm
Am besten geeignet für
- zero shot image classification
Möglichkeiten, vit_xsmall_patch16_clip_224.tinyclip_yfcc15m 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_xsmall_patch16_clip_224.tinyclip_yfcc15m 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_xsmall_patch16_clip_224.tinyclip_yfcc15m 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.
vit_xsmall_patch16_clip_224.tinyclip_yfcc15m im Vergleich zu ähnlichen Modellen
| Modell | Organisation | Parameter | Kontext | Input-Preis | Selbst hosten |
|---|
| vit_xsmall_patch16_clip_224.tinyclip_yfcc15m | timm | — | — | Free (local) | Ja |
| LTX-2.3-fp8 | qqceqqq | — | — | Free (local) | Ja |
| Emma | Emma23123 | — | — | Free (local) | Ja |
| xl4supir | prolapse | — | — | Free (local) | Ja |
Lizenz
Nicht angegeben — Lizenzbedingungen nicht angegeben — prüfen Sie die Upstream-Model-Card vor kommerzieller Nutzung.
Konsultieren Sie die Upstream-Dokumentation.
Häufige Fragen zu vit_xsmall_patch16_clip_224.tinyclip_yfcc15m
Ist vit_xsmall_patch16_clip_224.tinyclip_yfcc15m kostenlos nutzbar?
vit_xsmall_patch16_clip_224.tinyclip_yfcc15m 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_xsmall_patch16_clip_224.tinyclip_yfcc15m 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.
Kann ich vit_xsmall_patch16_clip_224.tinyclip_yfcc15m lokal betreiben?
Ja. vit_xsmall_patch16_clip_224.tinyclip_yfcc15m ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist vit_xsmall_patch16_clip_224.tinyclip_yfcc15m besonders gut?
vit_xsmall_patch16_clip_224.tinyclip_yfcc15m eignet sich besonders für zero shot image classification.
Wie verwende ich vit_xsmall_patch16_clip_224.tinyclip_yfcc15m 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_xsmall_patch16_clip_224.tinyclip_yfcc15m 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 20. März 2024. Quelle: https://huggingface.co/timm/vit_xsmall_patch16_clip_224.tinyclip_yfcc15m