TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed
Desarrollado por nm-testing, TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed es un modelo de 1 mil millones de parámetros chat. TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed is an open-weights chat model with roughly 1 billion parameters.
by nm-testing · 1 mil millones de parámetros
Ideal para
- chat y enrutamiento de baja latencia
- enrutamiento y triaje de solicitudes
- clasificación de texto
Formas de utilizar TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed en osFoundry
Conecten con su propia clave (BYOK)
Abran el diálogo de claves y peguen su clave de API de nm-testing. osFoundry detecta TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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
TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed
TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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).
TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed
¿Es gratuito el uso de TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed?
TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed?
Aproximadamente 1 GB con cuantización Q4, o 3 GB con precisión FP16 completa. Cabe en una sola GPU de consumo de 24GB.
¿Puedo ejecutar TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed localmente?
Sí. TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed?
TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed es muy adecuado para chat y enrutamiento de baja latencia, enrutamiento y triaje de solicitudes, clasificación de texto.
¿Cómo se utiliza TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed en osFoundry?
Peguen su clave de API de nm-testing en el diálogo de claves (o desplieguen los pesos abiertos para modelos autoalojables), asignen TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed 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 nm-testing el 14 de enero de 2025. Fuente: https://huggingface.co/nm-testing/TinyLlama-1.1B-Chat-v1.0-W8A8-Dynamic-Per-Token-compressed