LLaMmlein2Vec_1B
Lanzado por LSX-UniWue en 2025, LLaMmlein2Vec_1B es un modelo de 1 mil millones de parámetros embeddings. LLaMmlein2Vec_1B is an open-weights embed model with roughly 1 billion parameters.
by LSX-UniWue · 1 mil millones de parámetros
Ideal para
Formas de utilizar LLaMmlein2Vec_1B en osFoundry
Conecten con su propia clave (BYOK)
Abran el diálogo de claves y peguen su clave de API de LSX-UniWue. osFoundry detecta LLaMmlein2Vec_1B automáticamente: asígnenlo a un rol de Maestro (router, direct, orchestrator o fallback) en la pestaña Pipeline y quedará activo en cada chat. Su clave, su cuenta de proveedor: sin recargo por tokens.
Desplieguen un endpoint dedicado
LLaMmlein2Vec_1B es de pesos abiertos: ejecútenlo localmente de forma gratuita o desplieguen un endpoint GPU dedicado en su workspace para disponer de capacidad reservada sin límites de tasa.
Úsenlo en una Room App
Las Room Apps declaran funciones de IA en su manifiesto y luego las invocan con invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Invóquenlo desde sus propias aplicaciones
Una vez que un modelo está integrado en su workspace, pueden alojarlo como API y consumirlo desde sus propios servicios, scripts o CI, fuera de osFoundry.
Qué hardware puede ejecutar LLaMmlein2Vec_1B
LLaMmlein2Vec_1B se ejecuta en una sola GPU de consumo de 16GB (~1 GB de VRAM con margen para la caché KV). La inferencia a precisión completa cabe en una sola H100 80GB con precisión FP16 (~3 GB).
LLaMmlein2Vec_1B frente a modelos similares
Licencia
Sin especificar — Términos de licencia no especificados: verifiquen la ficha del modelo original antes de su uso comercial.
Consulten la documentación original.
Preguntas frecuentes sobre LLaMmlein2Vec_1B
¿Es gratuito el uso de LLaMmlein2Vec_1B?
LLaMmlein2Vec_1B se puede ejecutar gratis localmente en su propio hardware. El acceso alojado a través de osFoundry se mide (entrada Free (local), salida Free (local)). Pueden alternar entre local y alojado en cualquier momento.
¿Puedo utilizar LLaMmlein2Vec_1B comercialmente?
El uso comercial está permitido con condiciones. Términos de licencia no especificados: verifiquen la ficha del modelo original antes de su uso comercial. Consulten la documentación original.
¿Cuánta VRAM necesita LLaMmlein2Vec_1B?
Aproximadamente 1 GB con cuantización Q4, o 3 GB con precisión FP16 completa. Cabe en una sola GPU de consumo de 24GB.
¿Puedo ejecutar LLaMmlein2Vec_1B localmente?
Sí. LLaMmlein2Vec_1B es de pesos abiertos y se ejecuta localmente en una GPU de estación de trabajo. El runtime local de osFoundry gestiona la carga del modelo, la cuantización y el enrutamiento.
¿En qué destaca LLaMmlein2Vec_1B?
LLaMmlein2Vec_1B es muy adecuado para feature extraction.
¿Cómo se utiliza LLaMmlein2Vec_1B en osFoundry?
Peguen su clave de API de LSX-UniWue en el diálogo de claves (o desplieguen los pesos abiertos para modelos autoalojables), asignen LLaMmlein2Vec_1B a un rol de Maestro en la pestaña Pipeline y úsenlo en chat, en Room Apps mediante invokeAI o en sus propias aplicaciones.
Publicado por LSX-UniWue el 14 de julio de 2025. Fuente: https://huggingface.co/LSX-UniWue/LLaMmlein2Vec_1B