Bagel-Hermes-34B-Slerp
Entwickelt von Weyaxi, ist Bagel-Hermes-34B-Slerp ein 34 Milliarden Parameter umfassendes Chat-Modell. Bagel-Hermes-34B-Slerp is an open-weights chat model with roughly 34 billion parameters.
by Weyaxi · 34 Mrd. Parameter
Am besten geeignet für
Möglichkeiten, Bagel-Hermes-34B-Slerp in osFoundry zu nutzen
Mit eigenem Schlüssel verbinden (BYOK)
Öffnen Sie den Schlüssel-Dialog und fügen Sie Ihren Weyaxi-API-Key ein. osFoundry erkennt Bagel-Hermes-34B-Slerp 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
Bagel-Hermes-34B-Slerp 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 Bagel-Hermes-34B-Slerp ausführen
Bagel-Hermes-34B-Slerp läuft auf eine 24GB-Consumer- oder Workstation-GPU (~21 GB VRAM mit Reserve für den KV-Cache). Inferenz in voller Präzision erfordert eine H200 141GB oder 2x A100 80GB bei FP16 (~82 GB).
Bagel-Hermes-34B-Slerp im Vergleich zu ähnlichen Modellen
| Modell | Organisation | Parameter | Kontext | Input-Preis | Selbst hosten |
|---|
| Bagel-Hermes-34B-Slerp | Weyaxi | 34B | — | Free (local) | Ja |
| 34b-beta | CausalLM | 34B | — | Free (local) | Ja |
| ReflectionCoder-CL-34B | SenseLLM | 34B | — | Free (local) | Ja |
| Smaug-34B-v0.1 | abacusai | 34B | — | 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 Bagel-Hermes-34B-Slerp
Ist Bagel-Hermes-34B-Slerp kostenlos nutzbar?
Bagel-Hermes-34B-Slerp 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 Bagel-Hermes-34B-Slerp 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 Bagel-Hermes-34B-Slerp?
Etwa 21 GB bei Q4-Quantization oder 82 GB bei voller FP16-Präzision. Passt auf eine einzelne 24GB-Consumer-GPU.
Kann ich Bagel-Hermes-34B-Slerp lokal betreiben?
Ja. Bagel-Hermes-34B-Slerp ist Open-Weights und läuft lokal auf einer Workstation-GPU. Die lokale Runtime von osFoundry übernimmt Modellladen, Quantization und Routing.
Worin ist Bagel-Hermes-34B-Slerp besonders gut?
Bagel-Hermes-34B-Slerp eignet sich besonders für text generation.
Wie verwende ich Bagel-Hermes-34B-Slerp in osFoundry?
Fügen Sie Ihren Weyaxi-API-Key im Schlüssel-Dialog ein (oder stellen Sie bei selbst hostbaren Modellen die Open Weights bereit), weisen Sie Bagel-Hermes-34B-Slerp 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 Weyaxi am 12. Januar 2024. Quelle: https://huggingface.co/Weyaxi/Bagel-Hermes-34B-Slerp