Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX adalah model chat 122 miliar parameter dari 0xdfi, dirilis 3 April 2026. Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX is an open-weights chat model with roughly 122 billion parameters.
by 0xdfi · 122B parameter
Paling cocok untuk
Cara menggunakan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key 0xdfi Anda. osFoundry menemukan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX secara otomatis — tetapkan ke peran Maestro (router, direct, orchestrator, atau fallback) di tab Pipeline dan model ini langsung aktif di setiap chat. Key Anda, akun provider Anda — tanpa markup token.
Deploy endpoint khusus
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX bersifat open-weights — jalankan secara lokal tanpa biaya, atau deploy endpoint GPU khusus di workspace Anda untuk kapasitas tercadangkan tanpa rate limit.
Gunakan di Room App
Room App mendeklarasikan fitur AI di manifest mereka, lalu memanggilnya dengan invokeAI:
import { invokeAI } from '@osfoundry/app-sdk'
// 'summarize' is an AI feature declared in your app manifest.
const result = await invokeAI('summarize', userText)
Panggil dari aplikasi Anda sendiri
Setelah sebuah model terhubung ke workspace Anda, Anda dapat meng-host-nya sebagai API dan mengaksesnya dari layanan, skrip, atau CI Anda sendiri — di luar osFoundry.
Hardware apa yang dapat menjalankan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX berjalan di satu A100 80GB atau H100 80GB pada kuantisasi Q4 (~74 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh membutuhkan beberapa GPU H100/H200 pada FP16 (~293 GB).
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX
Apakah Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX gratis untuk digunakan?
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX gratis untuk dijalankan secara lokal pada hardware Anda sendiri. Akses ter-host melalui osFoundry dikenakan biaya (input Free (local), output Free (local)). Anda dapat beralih antara lokal dan ter-host kapan saja.
Bisakah saya menggunakan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Berapa VRAM yang dibutuhkan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX?
Sekitar 74 GB pada kuantisasi Q4, atau 293 GB pada presisi FP16 penuh. Muat di satu A100/H100 80GB.
Bisakah saya menjalankan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX secara lokal?
Ya. Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX?
Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX sangat cocok untuk text generation.
Bagaimana cara menggunakan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX di osFoundry?
Tempelkan API key 0xdfi Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh 0xdfi pada 3 April 2026. Sumber: https://huggingface.co/0xdfi/Qwen3.5-122B-A10B-abliterated-REAP20-oQ6-MLX