vit_base_patch16_clip_224.metaclip_2pt5b
vit_base_patch16_clip_224.metaclip_2pt5b es un modelo de 5 mil millones de parámetros generación de imágenes de timm, publicado el 23 de octubre de 2024. vit_base_patch16_clip_224.metaclip_2pt5b is an open-weights image model with roughly 5 billion parameters.
by timm · 5 mil millones de parámetros
Ideal para
- zero shot image classification
Formas de utilizar vit_base_patch16_clip_224.metaclip_2pt5b en osFoundry
Conecten con su propia clave (BYOK)
Abran el diálogo de claves y peguen su clave de API de timm. osFoundry detecta vit_base_patch16_clip_224.metaclip_2pt5b 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
vit_base_patch16_clip_224.metaclip_2pt5b 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 vit_base_patch16_clip_224.metaclip_2pt5b
vit_base_patch16_clip_224.metaclip_2pt5b se ejecuta en una sola GPU de consumo de 16GB (~3 GB de VRAM con margen para la caché KV). La inferencia a precisión completa cabe en una sola H100 80GB con precisión FP16 (~12 GB).
vit_base_patch16_clip_224.metaclip_2pt5b 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 vit_base_patch16_clip_224.metaclip_2pt5b
¿Es gratuito el uso de vit_base_patch16_clip_224.metaclip_2pt5b?
vit_base_patch16_clip_224.metaclip_2pt5b 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 vit_base_patch16_clip_224.metaclip_2pt5b 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 vit_base_patch16_clip_224.metaclip_2pt5b?
Aproximadamente 3 GB con cuantización Q4, o 12 GB con precisión FP16 completa. Cabe en una sola GPU de consumo de 24GB.
¿Puedo ejecutar vit_base_patch16_clip_224.metaclip_2pt5b localmente?
Sí. vit_base_patch16_clip_224.metaclip_2pt5b 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 vit_base_patch16_clip_224.metaclip_2pt5b?
vit_base_patch16_clip_224.metaclip_2pt5b es muy adecuado para zero shot image classification.
¿Cómo se utiliza vit_base_patch16_clip_224.metaclip_2pt5b en osFoundry?
Peguen su clave de API de timm en el diálogo de claves (o desplieguen los pesos abiertos para modelos autoalojables), asignen vit_base_patch16_clip_224.metaclip_2pt5b 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 timm el 23 de octubre de 2024. Fuente: https://huggingface.co/timm/vit_base_patch16_clip_224.metaclip_2pt5b