Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers (meshllm, 2026) es un modelo de 675 mil millones de parámetros chat. Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers is an open-weights chat model with roughly 675 billion parameters.
by meshllm · 675 mil millones de parámetros
Ideal para
Formas de utilizar Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers en osFoundry
Conecten con su propia clave (BYOK)
Abran el diálogo de claves y peguen su clave de API de meshllm. osFoundry detecta Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers se ejecuta en una configuración multi-GPU o H200 141GB en Q4 (~405 GB de VRAM con margen para la caché KV). La inferencia a precisión completa requiere varias GPU H100/H200 en FP16 (~1620 GB).
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers
¿Es gratuito el uso de Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers?
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers?
Aproximadamente 405 GB con cuantización Q4, o 1620 GB con precisión FP16 completa. Requiere multi-GPU con cuantización superior.
¿Puedo ejecutar Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers localmente?
Sí. Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers?
Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers es muy adecuado para text generation.
¿Cómo se utiliza Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers en osFoundry?
Peguen su clave de API de meshllm en el diálogo de claves (o desplieguen los pesos abiertos para modelos autoalojables), asignen Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers 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 meshllm el 9 de mayo de 2026. Fuente: https://huggingface.co/meshllm/Mistral-Large-3-675B-Instruct-2512-UD-Q4_K_XL-layers