vit_large_patch14_clip_224.dfn2b_s39b
vit_large_patch14_clip_224.dfn2b_s39b timm का एक 39 अरब parameter वाला image-generation model है, 30 दिसंबर 2024 को जारी। vit_large_patch14_clip_224.dfn2b_s39b is an open-weights image model with roughly 39 billion parameters.
by timm · 39B parameters
किसके लिए सर्वोत्तम
osFoundry में vit_large_patch14_clip_224.dfn2b_s39b का उपयोग करने के तरीके
अपनी key से जोड़ें (BYOK)
key dialog खोलें और अपनी timm API key पेस्ट करें। osFoundry vit_large_patch14_clip_224.dfn2b_s39b 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
vit_large_patch14_clip_224.dfn2b_s39b 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।
vit_large_patch14_clip_224.dfn2b_s39b कौनसा hardware चला सकता है
vit_large_patch14_clip_224.dfn2b_s39b एक 24GB consumer या workstation GPU पर चलता है (~24 GB VRAM, KV-cache headroom के साथ)। पूर्ण-precision inference FP16 पर एक H200 141GB या 2x A100 80GB की आवश्यकता (~94 GB)।
vit_large_patch14_clip_224.dfn2b_s39b बनाम समान models
लाइसेंस
अनिर्दिष्ट — लाइसेंस की शर्तें निर्दिष्ट नहीं — commercial उपयोग से पहले upstream model card सत्यापित करें।
Upstream documentation देखें।
vit_large_patch14_clip_224.dfn2b_s39b के बारे में अक्सर पूछे जाने वाले प्रश्न
क्या vit_large_patch14_clip_224.dfn2b_s39b उपयोग करने के लिए मुफ्त है?
vit_large_patch14_clip_224.dfn2b_s39b 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 vit_large_patch14_clip_224.dfn2b_s39b 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।
vit_large_patch14_clip_224.dfn2b_s39b को कितनी VRAM चाहिए?
Q4 quantisation पर लगभग 24 GB, या पूर्ण FP16 precision पर 94 GB। एक 24GB consumer GPU पर fit होता है।
क्या मैं vit_large_patch14_clip_224.dfn2b_s39b को locally चला सकता हूँ?
हाँ। vit_large_patch14_clip_224.dfn2b_s39b open-weights है और workstation GPU पर locally चलता है। osFoundry का local runtime model loading, quantisation, और routing संभालता है।
vit_large_patch14_clip_224.dfn2b_s39b किसमें सर्वश्रेष्ठ है?
vit_large_patch14_clip_224.dfn2b_s39b image feature extraction के लिए उपयुक्त है।
मैं osFoundry में vit_large_patch14_clip_224.dfn2b_s39b का उपयोग कैसे करूँ?
key dialog में अपनी timm API key पेस्ट करें (या self-hostable models के लिए open weights deploy करें), Pipeline tab में vit_large_patch14_clip_224.dfn2b_s39b को एक Maestro role को असाइन करें, फिर इसे चैट में, invokeAI के माध्यम से Room Apps में, या अपने ऐप्स में उपयोग करें।
timm द्वारा प्रकाशित 30 दिसंबर 2024 को। स्रोत: https://huggingface.co/timm/vit_large_patch14_clip_224.dfn2b_s39b