QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep adalah model chat 2 miliar parameter dari g4me, dirilis 20 April 2026. QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep is an open-weights chat model with roughly 2 billion parameters.
by g4me · 2B parameter
Paling cocok untuk
Cara menggunakan QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key g4me Anda. osFoundry menemukan QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep 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
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep 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 QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep berjalan di satu GPU konsumen 16GB (~2 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~5 GB).
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep
Apakah QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep gratis untuk digunakan?
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep 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 QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep 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 QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep?
Sekitar 2 GB pada kuantisasi Q4, atau 5 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep secara lokal?
Ya. QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep?
QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep sangat cocok untuk text generation.
Bagaimana cara menggunakan QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep di osFoundry?
Tempelkan API key g4me Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh g4me pada 20 April 2026. Sumber: https://huggingface.co/g4me/QWiki-1.7B-base-LR1e5-b32g2gc8-order-batch-5ep