gme-Qwen2-VL-7B-Instruct
Dibangun oleh Alibaba-NLP, gme-Qwen2-VL-7B-Instruct adalah sebuah model embedding 7 miliar parameter . gme-Qwen2-VL-7B-Instruct is an open-weights embed model with roughly 7 billion parameters.
by Alibaba-NLP · 7B parameter
Paling cocok untuk
Cara menggunakan gme-Qwen2-VL-7B-Instruct di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key Alibaba-NLP Anda. osFoundry menemukan gme-Qwen2-VL-7B-Instruct 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
gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct
gme-Qwen2-VL-7B-Instruct berjalan di satu GPU konsumen 16GB (~5 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~17 GB).
gme-Qwen2-VL-7B-Instruct vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang gme-Qwen2-VL-7B-Instruct
Apakah gme-Qwen2-VL-7B-Instruct gratis untuk digunakan?
gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct 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 gme-Qwen2-VL-7B-Instruct?
Sekitar 5 GB pada kuantisasi Q4, atau 17 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan gme-Qwen2-VL-7B-Instruct secara lokal?
Ya. gme-Qwen2-VL-7B-Instruct bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama gme-Qwen2-VL-7B-Instruct?
gme-Qwen2-VL-7B-Instruct sangat cocok untuk sentence similarity.
Bagaimana cara menggunakan gme-Qwen2-VL-7B-Instruct di osFoundry?
Tempelkan API key Alibaba-NLP Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan gme-Qwen2-VL-7B-Instruct ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh Alibaba-NLP pada 21 Desember 2024. Sumber: https://huggingface.co/Alibaba-NLP/gme-Qwen2-VL-7B-Instruct