Llama-Guard-4-12B-quantized.w8a8
Lanzado por RedHatAI en 2026, Llama-Guard-4-12B-quantized.w8a8 es un modelo de 12 mil millones de parámetros chat. Llama-Guard-4-12B-quantized.w8a8 is an open-weights chat model with roughly 12 billion parameters.
by RedHatAI · 12 mil millones de parámetros
Ideal para
- chat y enrutamiento de baja latencia
- enrutamiento y triaje de solicitudes
- clasificación de texto
Formas de utilizar Llama-Guard-4-12B-quantized.w8a8 en osFoundry
Conecten con su propia clave (BYOK)
Abran el diálogo de claves y peguen su clave de API de RedHatAI. osFoundry detecta Llama-Guard-4-12B-quantized.w8a8 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
Llama-Guard-4-12B-quantized.w8a8 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 Llama-Guard-4-12B-quantized.w8a8
Llama-Guard-4-12B-quantized.w8a8 se ejecuta en una sola GPU de consumo de 16GB (~8 GB de VRAM con margen para la caché KV). La inferencia a precisión completa cabe en una sola H100 80GB con precisión FP16 (~29 GB).
Llama-Guard-4-12B-quantized.w8a8 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 Llama-Guard-4-12B-quantized.w8a8
¿Es gratuito el uso de Llama-Guard-4-12B-quantized.w8a8?
Llama-Guard-4-12B-quantized.w8a8 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 Llama-Guard-4-12B-quantized.w8a8 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 Llama-Guard-4-12B-quantized.w8a8?
Aproximadamente 8 GB con cuantización Q4, o 29 GB con precisión FP16 completa. Cabe en una sola GPU de consumo de 24GB.
¿Puedo ejecutar Llama-Guard-4-12B-quantized.w8a8 localmente?
Sí. Llama-Guard-4-12B-quantized.w8a8 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 Llama-Guard-4-12B-quantized.w8a8?
Llama-Guard-4-12B-quantized.w8a8 es muy adecuado para chat y enrutamiento de baja latencia, enrutamiento y triaje de solicitudes, clasificación de texto.
¿Cómo se utiliza Llama-Guard-4-12B-quantized.w8a8 en osFoundry?
Peguen su clave de API de RedHatAI en el diálogo de claves (o desplieguen los pesos abiertos para modelos autoalojables), asignen Llama-Guard-4-12B-quantized.w8a8 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 RedHatAI el 9 de febrero de 2026. Fuente: https://huggingface.co/RedHatAI/Llama-Guard-4-12B-quantized.w8a8