Llama-3.2-3B-Instruct-qnn-executorch
Llama-3.2-3B-Instruct-qnn-executorch (l3utterfly, 2025) एक 3 अरब parameter वाला चैट model है। Llama-3.2-3B-Instruct-qnn-executorch is an open-weights chat model with roughly 3 billion parameters.
by l3utterfly · 3B parameters
किसके लिए सर्वोत्तम
- कम-latency चैट और routing
- request routing और triage
- text classification
osFoundry में Llama-3.2-3B-Instruct-qnn-executorch का उपयोग करने के तरीके
अपनी key से जोड़ें (BYOK)
key dialog खोलें और अपनी l3utterfly API key पेस्ट करें। osFoundry Llama-3.2-3B-Instruct-qnn-executorch 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
Llama-3.2-3B-Instruct-qnn-executorch 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।
Llama-3.2-3B-Instruct-qnn-executorch कौनसा hardware चला सकता है
Llama-3.2-3B-Instruct-qnn-executorch एक 16GB consumer GPU पर चलता है (~2 GB VRAM, KV-cache headroom के साथ)। पूर्ण-precision inference FP16 precision पर एक H100 80GB पर fit होता है (~8 GB)।
Llama-3.2-3B-Instruct-qnn-executorch बनाम समान models
लाइसेंस
अनिर्दिष्ट — लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें।
Upstream documentation देखें।
Llama-3.2-3B-Instruct-qnn-executorch के बारे में अक्सर पूछे जाने वाले प्रश्न
क्या Llama-3.2-3B-Instruct-qnn-executorch उपयोग करने के लिए मुफ्त है?
Llama-3.2-3B-Instruct-qnn-executorch 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 Llama-3.2-3B-Instruct-qnn-executorch 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।
Llama-3.2-3B-Instruct-qnn-executorch को कितनी VRAM चाहिए?
Q4 quantisation पर लगभग 2 GB, या पूर्ण FP16 precision पर 8 GB। एक 24GB consumer GPU पर fit होता है।
क्या मैं Llama-3.2-3B-Instruct-qnn-executorch को locally चला सकता हूँ?
हाँ। Llama-3.2-3B-Instruct-qnn-executorch open-weights है और workstation GPU पर locally चलता है। osFoundry का local runtime model loading, quantisation, और routing संभालता है।
Llama-3.2-3B-Instruct-qnn-executorch किसमें सर्वश्रेष्ठ है?
Llama-3.2-3B-Instruct-qnn-executorch कम-latency चैट और routing, request routing और triage, text classification के लिए उपयुक्त है।
मैं osFoundry में Llama-3.2-3B-Instruct-qnn-executorch का उपयोग कैसे करूँ?
key dialog में अपनी l3utterfly API key पेस्ट करें (या self-hostable models के लिए open weights deploy करें), Pipeline tab में Llama-3.2-3B-Instruct-qnn-executorch को एक Maestro role को असाइन करें, फिर इसे चैट में, invokeAI के माध्यम से Room Apps में, या अपने ऐप्स में उपयोग करें।
l3utterfly द्वारा प्रकाशित 27 अगस्त 2025 को। स्रोत: https://huggingface.co/l3utterfly/Llama-3.2-3B-Instruct-qnn-executorch