zembed-1-Q4_K_M-GGUF
Model embedding zembed-1-Q4_K_M-GGUF dari Abiray adalah sebuah . zembed-1-Q4_K_M-GGUF is an open-weights embed model.
by Abiray
Paling cocok untuk
Cara menggunakan zembed-1-Q4_K_M-GGUF di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key Abiray Anda. osFoundry menemukan zembed-1-Q4_K_M-GGUF 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
zembed-1-Q4_K_M-GGUF 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.
zembed-1-Q4_K_M-GGUF vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang zembed-1-Q4_K_M-GGUF
Apakah zembed-1-Q4_K_M-GGUF gratis untuk digunakan?
zembed-1-Q4_K_M-GGUF 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 zembed-1-Q4_K_M-GGUF secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Bisakah saya menjalankan zembed-1-Q4_K_M-GGUF secara lokal?
Ya. zembed-1-Q4_K_M-GGUF bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama zembed-1-Q4_K_M-GGUF?
zembed-1-Q4_K_M-GGUF sangat cocok untuk feature extraction.
Bagaimana cara menggunakan zembed-1-Q4_K_M-GGUF di osFoundry?
Tempelkan API key Abiray Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan zembed-1-Q4_K_M-GGUF ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh Abiray pada 11 Maret 2026. Sumber: https://huggingface.co/Abiray/zembed-1-Q4_K_M-GGUF