science_1bmix_m32-e52b113b-not_easy_1e-4_1500
graf का science_1bmix_m32-e52b113b-not_easy_1e-4_1500 113 अरब parameters समेटे हुए एक चैट model। science_1bmix_m32-e52b113b-not_easy_1e-4_1500 is an open-weights chat model with roughly 113 billion parameters.
by graf · 113B parameters
किसके लिए सर्वोत्तम
- जटिल multi-step reasoning
- tool use के साथ agent orchestration
- लंबे documents का विश्लेषण और सारांश
osFoundry में science_1bmix_m32-e52b113b-not_easy_1e-4_1500 का उपयोग करने के तरीके
अपनी key से जोड़ें (BYOK)
key dialog खोलें और अपनी graf API key पेस्ट करें। osFoundry science_1bmix_m32-e52b113b-not_easy_1e-4_1500 को स्वचालित रूप से खोज लेता है — इसे Pipeline tab में किसी Maestro role (router, direct, orchestrator, या fallback) को असाइन करें और यह हर चैट में live हो जाता है। आपकी key, आपका provider account — कोई token markup नहीं।
एक dedicated endpoint deploy करें
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 open-weights है — इसे locally मुफ्त में चलाएँ, या rate limits के बिना reserved capacity के लिए अपने workspace में एक dedicated GPU endpoint deploy करें।
Room App में उपयोग करें
Room Apps अपने manifest में AI features घोषित करते हैं, फिर उन्हें invokeAI के साथ कॉल करते हैं:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
अपने ऐप्स से इसे कॉल करें
एक बार जब model आपके workspace में wired हो जाता है, तो आप इसे API के रूप में host कर सकते हैं और इसे अपनी services, scripts, या CI से — osFoundry के बाहर — एक्सेस कर सकते हैं।
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 कौनसा hardware चला सकता है
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 Q4 quantisation पर एक A100 80GB या H100 80GB पर चलता है (~68 GB VRAM, KV-cache headroom के साथ)। पूर्ण-precision inference FP16 पर कई H100/H200 GPUs की आवश्यकता (~272 GB)।
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 बनाम समान models
लाइसेंस
अनिर्दिष्ट — लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें।
Upstream documentation देखें।
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 के बारे में अक्सर पूछे जाने वाले प्रश्न
क्या science_1bmix_m32-e52b113b-not_easy_1e-4_1500 उपयोग करने के लिए मुफ्त है?
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 आपके अपने hardware पर locally चलाने के लिए मुफ्त है। osFoundry के माध्यम से hosted access metered है (input Free (local), output Free (local))। आप किसी भी समय local और hosted के बीच switch कर सकते हैं।
क्या मैं science_1bmix_m32-e52b113b-not_easy_1e-4_1500 का commercial उपयोग कर सकता हूँ?
Commercial उपयोग शर्तों के साथ अनुमत है। लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें। Upstream documentation देखें।
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 को कितनी VRAM चाहिए?
Q4 quantisation पर लगभग 68 GB, या पूर्ण FP16 precision पर 272 GB। एक A100/H100 80GB पर fit होता है।
क्या मैं science_1bmix_m32-e52b113b-not_easy_1e-4_1500 को locally चला सकता हूँ?
हाँ। science_1bmix_m32-e52b113b-not_easy_1e-4_1500 open-weights है और workstation GPU पर locally चलता है। osFoundry का local runtime model loading, quantisation, और routing संभालता है।
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 किसमें सर्वश्रेष्ठ है?
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 जटिल multi-step reasoning, tool use के साथ agent orchestration, लंबे documents का विश्लेषण और सारांश के लिए उपयुक्त है।
मैं osFoundry में science_1bmix_m32-e52b113b-not_easy_1e-4_1500 का उपयोग कैसे करूँ?
key dialog में अपनी graf API key पेस्ट करें (या self-hostable models के लिए open weights deploy करें), Pipeline tab में science_1bmix_m32-e52b113b-not_easy_1e-4_1500 को एक Maestro role को असाइन करें, फिर इसे चैट में, invokeAI के माध्यम से Room Apps में, या अपने ऐप्स में उपयोग करें।
graf द्वारा प्रकाशित 25 अप्रैल 2026 को। स्रोत: https://huggingface.co/graf/science_1bmix_m32-e52b113b-not_easy_1e-4_1500