cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF
Dibangun oleh ayunami2000, cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF adalah sebuah model chat 12 miliar parameter . cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF is an open-weights chat model with roughly 12 billion parameters.
by ayunami2000 · 12B parameter
Paling cocok untuk
- chat dan routing latensi rendah
- routing dan triase permintaan
- klasifikasi teks
Cara menggunakan cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key ayunami2000 Anda. osFoundry menemukan cope-b-12b-it-gemma-rc1-merged-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
cope-b-12b-it-gemma-rc1-merged-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.
Hardware apa yang dapat menjalankan cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF
cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF berjalan di satu GPU konsumen 16GB (~8 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~29 GB).
cope-b-12b-it-gemma-rc1-merged-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 cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF
Apakah cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF gratis untuk digunakan?
cope-b-12b-it-gemma-rc1-merged-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 cope-b-12b-it-gemma-rc1-merged-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.
Berapa VRAM yang dibutuhkan cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF?
Sekitar 8 GB pada kuantisasi Q4, atau 29 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF secara lokal?
Ya. cope-b-12b-it-gemma-rc1-merged-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 cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF?
cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF sangat cocok untuk chat dan routing latensi rendah, routing dan triase permintaan, klasifikasi teks.
Bagaimana cara menggunakan cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF di osFoundry?
Tempelkan API key ayunami2000 Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan cope-b-12b-it-gemma-rc1-merged-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 ayunami2000 pada 23 April 2026. Sumber: https://huggingface.co/ayunami2000/cope-b-12b-it-gemma-rc1-merged-Q4_K_M-GGUF