gemma-3-12b-it-qat-compressed-tensors
Model pembuatan gambar gemma-3-12b-it-qat-compressed-tensors dari gaunernst memuat 12 miliar parameter ke dalam sebuah . gemma-3-12b-it-qat-compressed-tensors is an open-weights image model with roughly 12 billion parameters.
by gaunernst · 12B parameter
Paling cocok untuk
Cara menggunakan gemma-3-12b-it-qat-compressed-tensors di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key gaunernst Anda. osFoundry menemukan gemma-3-12b-it-qat-compressed-tensors 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
gemma-3-12b-it-qat-compressed-tensors 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 gemma-3-12b-it-qat-compressed-tensors
gemma-3-12b-it-qat-compressed-tensors 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).
gemma-3-12b-it-qat-compressed-tensors vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang gemma-3-12b-it-qat-compressed-tensors
Apakah gemma-3-12b-it-qat-compressed-tensors gratis untuk digunakan?
gemma-3-12b-it-qat-compressed-tensors 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 gemma-3-12b-it-qat-compressed-tensors 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 gemma-3-12b-it-qat-compressed-tensors?
Sekitar 8 GB pada kuantisasi Q4, atau 29 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan gemma-3-12b-it-qat-compressed-tensors secara lokal?
Ya. gemma-3-12b-it-qat-compressed-tensors bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama gemma-3-12b-it-qat-compressed-tensors?
gemma-3-12b-it-qat-compressed-tensors sangat cocok untuk image text to text.
Bagaimana cara menggunakan gemma-3-12b-it-qat-compressed-tensors di osFoundry?
Tempelkan API key gaunernst Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan gemma-3-12b-it-qat-compressed-tensors ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh gaunernst pada 8 April 2025. Sumber: https://huggingface.co/gaunernst/gemma-3-12b-it-qat-compressed-tensors