Qwen3-4B-q4f32_1-MLC
Qwen3-4B-q4f32_1-MLC est un modèle chat à 4 milliards de paramètres de mlc-ai, publié le 1 mai 2025. Qwen3-4B-q4f32_1-MLC is an open-weights chat model with roughly 4 billion parameters.
by mlc-ai · 4 milliards de paramètres
Idéal pour
- chat et routage à faible latence
- routage et triage des requêtes
- classification de texte
Comment utiliser Qwen3-4B-q4f32_1-MLC dans osFoundry
Connectez-vous avec votre propre clé (BYOK)
Ouvrez la fenêtre de clés et collez votre clé API mlc-ai. osFoundry détecte automatiquement Qwen3-4B-q4f32_1-MLC — 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
Qwen3-4B-q4f32_1-MLC 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 Qwen3-4B-q4f32_1-MLC
Qwen3-4B-q4f32_1-MLC fonctionne sur un seul GPU grand public 16GB (~3 GB de VRAM avec marge pour le cache KV). L'inférence en pleine précision tient sur un seul H100 80GB en précision FP16 (~10 GB).
Qwen3-4B-q4f32_1-MLC face aux modèles similaires
| Modèle | Organisation | Paramètres | Contexte | Prix en entrée | Auto-hébergement |
|---|
| Qwen3-4B-q4f32_1-MLC | mlc-ai | 4B | — | Free (local) | Oui |
| Qwen3-4B-MNN | taobao-mnn | 4B | — | Free (local) | Oui |
| DrMedra4B-GGUF | mradermacher | 4B | — | Free (local) | Oui |
| gemma-3-4b-it-a16w4 | simaai | 4B | — | 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 Qwen3-4B-q4f32_1-MLC
Qwen3-4B-q4f32_1-MLC est-il gratuit à utiliser ?
Qwen3-4B-q4f32_1-MLC 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 Qwen3-4B-q4f32_1-MLC 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 Qwen3-4B-q4f32_1-MLC ?
Environ 3 GB en quantification Q4, ou 10 GB en pleine précision FP16. Tient sur un seul GPU grand public 24GB.
Puis-je exécuter Qwen3-4B-q4f32_1-MLC localement ?
Oui. Qwen3-4B-q4f32_1-MLC 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 Qwen3-4B-q4f32_1-MLC excelle-t-il ?
Qwen3-4B-q4f32_1-MLC convient particulièrement bien à chat et routage à faible latence, routage et triage des requêtes, classification de texte.
Comment utiliser Qwen3-4B-q4f32_1-MLC dans osFoundry ?
Collez votre clé API mlc-ai dans la fenêtre de clés (ou déployez les open weights pour les modèles auto-hébergeables), assignez Qwen3-4B-q4f32_1-MLC 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 mlc-ai le 1 mai 2025. Source : https://huggingface.co/mlc-ai/Qwen3-4B-q4f32_1-MLC