science_1bmix_m32-e52b113b-not_easy_1e-4_1500
Model chat science_1bmix_m32-e52b113b-not_easy_1e-4_1500 dari graf memuat 113 miliar parameter ke dalam sebuah . science_1bmix_m32-e52b113b-not_easy_1e-4_1500 is an open-weights chat model with roughly 113 billion parameters.
by graf · 113B parameter
Paling cocok untuk
- penalaran multi-langkah yang kompleks
- orkestrasi agent dengan tool use
- analisis dan peringkasan dokumen panjang
Cara menggunakan science_1bmix_m32-e52b113b-not_easy_1e-4_1500 di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key graf Anda. osFoundry menemukan science_1bmix_m32-e52b113b-not_easy_1e-4_1500 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
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 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 science_1bmix_m32-e52b113b-not_easy_1e-4_1500
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 berjalan di satu A100 80GB atau H100 80GB pada kuantisasi Q4 (~68 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh membutuhkan beberapa GPU H100/H200 pada FP16 (~272 GB).
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang science_1bmix_m32-e52b113b-not_easy_1e-4_1500
Apakah science_1bmix_m32-e52b113b-not_easy_1e-4_1500 gratis untuk digunakan?
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 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 science_1bmix_m32-e52b113b-not_easy_1e-4_1500 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 science_1bmix_m32-e52b113b-not_easy_1e-4_1500?
Sekitar 68 GB pada kuantisasi Q4, atau 272 GB pada presisi FP16 penuh. Muat di satu A100/H100 80GB.
Bisakah saya menjalankan science_1bmix_m32-e52b113b-not_easy_1e-4_1500 secara lokal?
Ya. science_1bmix_m32-e52b113b-not_easy_1e-4_1500 bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama science_1bmix_m32-e52b113b-not_easy_1e-4_1500?
science_1bmix_m32-e52b113b-not_easy_1e-4_1500 sangat cocok untuk penalaran multi-langkah yang kompleks, orkestrasi agent dengan tool use, analisis dan peringkasan dokumen panjang.
Bagaimana cara menggunakan science_1bmix_m32-e52b113b-not_easy_1e-4_1500 di osFoundry?
Tempelkan API key graf Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan science_1bmix_m32-e52b113b-not_easy_1e-4_1500 ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh graf pada 25 April 2026. Sumber: https://huggingface.co/graf/science_1bmix_m32-e52b113b-not_easy_1e-4_1500