Qwen3-4b-tcomanr-merge
Dibangun oleh ertghiu256, Qwen3-4b-tcomanr-merge adalah sebuah model chat 4 miliar parameter . Qwen3-4b-tcomanr-merge is an open-weights chat model with roughly 4 billion parameters.
by ertghiu256 · 4B parameter
Paling cocok untuk
Cara menggunakan Qwen3-4b-tcomanr-merge di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key ertghiu256 Anda. osFoundry menemukan Qwen3-4b-tcomanr-merge 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
Qwen3-4b-tcomanr-merge 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 Qwen3-4b-tcomanr-merge
Qwen3-4b-tcomanr-merge 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).
Qwen3-4b-tcomanr-merge vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Qwen3-4b-tcomanr-merge
Apakah Qwen3-4b-tcomanr-merge gratis untuk digunakan?
Qwen3-4b-tcomanr-merge 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 Qwen3-4b-tcomanr-merge 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 Qwen3-4b-tcomanr-merge?
Sekitar 3 GB pada kuantisasi Q4, atau 10 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Qwen3-4b-tcomanr-merge secara lokal?
Ya. Qwen3-4b-tcomanr-merge bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Qwen3-4b-tcomanr-merge?
Qwen3-4b-tcomanr-merge sangat cocok untuk text generation.
Bagaimana cara menggunakan Qwen3-4b-tcomanr-merge di osFoundry?
Tempelkan API key ertghiu256 Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Qwen3-4b-tcomanr-merge ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh ertghiu256 pada 17 Juli 2025. Sumber: https://huggingface.co/ertghiu256/Qwen3-4b-tcomanr-merge