BECoach-Qwen3.5-4B-4bit-vlm-mlx
Model pembuatan gambar BECoach-Qwen3.5-4B-4bit-vlm-mlx dari apexlearn memuat 4 miliar parameter ke dalam sebuah . BECoach-Qwen3.5-4B-4bit-vlm-mlx is an open-weights image model with roughly 4 billion parameters.
by apexlearn · 4B parameter
Paling cocok untuk
Cara menggunakan BECoach-Qwen3.5-4B-4bit-vlm-mlx di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key apexlearn Anda. osFoundry menemukan BECoach-Qwen3.5-4B-4bit-vlm-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
BECoach-Qwen3.5-4B-4bit-vlm-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 BECoach-Qwen3.5-4B-4bit-vlm-mlx
BECoach-Qwen3.5-4B-4bit-vlm-mlx berjalan di satu GPU konsumen 16GB (~3 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~10 GB).
BECoach-Qwen3.5-4B-4bit-vlm-mlx vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang BECoach-Qwen3.5-4B-4bit-vlm-mlx
Apakah BECoach-Qwen3.5-4B-4bit-vlm-mlx gratis untuk digunakan?
BECoach-Qwen3.5-4B-4bit-vlm-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 BECoach-Qwen3.5-4B-4bit-vlm-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 BECoach-Qwen3.5-4B-4bit-vlm-mlx?
Sekitar 3 GB pada kuantisasi Q4, atau 10 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan BECoach-Qwen3.5-4B-4bit-vlm-mlx secara lokal?
Ya. BECoach-Qwen3.5-4B-4bit-vlm-mlx bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama BECoach-Qwen3.5-4B-4bit-vlm-mlx?
BECoach-Qwen3.5-4B-4bit-vlm-mlx sangat cocok untuk image text to text.
Bagaimana cara menggunakan BECoach-Qwen3.5-4B-4bit-vlm-mlx di osFoundry?
Tempelkan API key apexlearn Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan BECoach-Qwen3.5-4B-4bit-vlm-mlx ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh apexlearn pada 5 Maret 2026. Sumber: https://huggingface.co/apexlearn/BECoach-Qwen3.5-4B-4bit-vlm-mlx