LLaVA_MORE-llama_3_1-8B-siglip-finetuning
Le modèle génération d'images LLaVA_MORE-llama_3_1-8B-siglip-finetuning de aimagelab embarque 8 milliards de paramètres. LLaVA_MORE-llama_3_1-8B-siglip-finetuning is an open-weights image model with roughly 8 billion parameters.
by aimagelab · 8 milliards de paramètres
Idéal pour
Comment utiliser LLaVA_MORE-llama_3_1-8B-siglip-finetuning dans osFoundry
Connectez-vous avec votre propre clé (BYOK)
Ouvrez la fenêtre de clés et collez votre clé API aimagelab. osFoundry détecte automatiquement LLaVA_MORE-llama_3_1-8B-siglip-finetuning — assignez-le à un rôle Maestro (router, direct, orchestrator ou fallback) dans l'onglet Pipeline et il est actif dans chaque conversation. Votre clé, votre compte fournisseur — sans majoration sur les tokens.
Déployez un endpoint dédié
LLaVA_MORE-llama_3_1-8B-siglip-finetuning est en open-weights — exécutez-le localement gratuitement, ou déployez un endpoint GPU dédié dans votre espace de travail pour disposer d'une capacité réservée sans limite de débit.
Utilisez-le dans une Room App
Les Room Apps déclarent leurs fonctionnalités IA dans leur manifeste, puis les appellent via invokeAI :
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Appelez-le depuis vos propres applications
Une fois un modèle intégré à votre espace de travail, vous pouvez l'héberger en tant qu'API et l'appeler depuis vos propres services, scripts ou CI — en dehors d'osFoundry.
Quel matériel peut faire tourner LLaVA_MORE-llama_3_1-8B-siglip-finetuning
LLaVA_MORE-llama_3_1-8B-siglip-finetuning fonctionne sur un seul GPU grand public 16GB (~5 GB de VRAM avec marge pour le cache KV). L'inférence en pleine précision tient sur un seul H100 80GB en précision FP16 (~20 GB).
LLaVA_MORE-llama_3_1-8B-siglip-finetuning face aux modèles similaires
| Modèle | Organisation | Paramètres | Contexte | Prix en entrée | Auto-hébergement |
|---|
| LLaVA_MORE-llama_3_1-8B-siglip-finetuning | aimagelab | 8B | — | Free (local) | Oui |
| Huihui4-8B-A4B | huihui-ai | 8B | — | Free (local) | Oui |
| InternVL3_5-8B-GGUF | lmstudio-community | 8B | — | Free (local) | Oui |
| MolmoPoint-GUI-8B | allenai | 8B | — | Free (local) | Oui |
Licence
Non spécifiée — Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial.
Consultez la documentation en amont.
Questions fréquentes sur LLaVA_MORE-llama_3_1-8B-siglip-finetuning
LLaVA_MORE-llama_3_1-8B-siglip-finetuning est-il gratuit à utiliser ?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning est gratuit à exécuter localement sur votre propre matériel. L'accès hébergé via osFoundry est facturé à l'usage (entrée Free (local), sortie Free (local)). Vous pouvez basculer entre local et hébergé à tout moment.
Puis-je utiliser LLaVA_MORE-llama_3_1-8B-siglip-finetuning à des fins commerciales ?
L'usage commercial est autorisé sous conditions. Conditions de licence non spécifiées — vérifiez la fiche du modèle en amont avant tout usage commercial. Consultez la documentation en amont.
Combien de VRAM faut-il pour LLaVA_MORE-llama_3_1-8B-siglip-finetuning ?
Environ 5 GB en quantification Q4, ou 20 GB en pleine précision FP16. Tient sur un seul GPU grand public 24GB.
Puis-je exécuter LLaVA_MORE-llama_3_1-8B-siglip-finetuning localement ?
Oui. LLaVA_MORE-llama_3_1-8B-siglip-finetuning est en open-weights et s'exécute localement sur un GPU station de travail. Le runtime local d'osFoundry gère le chargement du modèle, la quantification et le routage.
À quoi LLaVA_MORE-llama_3_1-8B-siglip-finetuning excelle-t-il ?
LLaVA_MORE-llama_3_1-8B-siglip-finetuning convient particulièrement bien à image text to text.
Comment utiliser LLaVA_MORE-llama_3_1-8B-siglip-finetuning dans osFoundry ?
Collez votre clé API aimagelab dans la fenêtre de clés (ou déployez les open weights pour les modèles auto-hébergeables), assignez LLaVA_MORE-llama_3_1-8B-siglip-finetuning à un rôle Maestro dans l'onglet Pipeline, puis utilisez-le en chat, dans les Room Apps via invokeAI, ou dans vos propres applications.
Publié par aimagelab le 16 août 2024. Source : https://huggingface.co/aimagelab/LLaVA_MORE-llama_3_1-8B-siglip-finetuning