Llama-3.1-8B-Instruct-abliterated_via_adapter
Dibangun oleh grimjim, Llama-3.1-8B-Instruct-abliterated_via_adapter adalah sebuah model chat 8 miliar parameter . Llama-3.1-8B-Instruct-abliterated_via_adapter is an open-weights chat model with roughly 8 billion parameters.
by grimjim · 8B parameter
Paling cocok untuk
Cara menggunakan Llama-3.1-8B-Instruct-abliterated_via_adapter di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key grimjim Anda. osFoundry menemukan Llama-3.1-8B-Instruct-abliterated_via_adapter 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
Llama-3.1-8B-Instruct-abliterated_via_adapter 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 Llama-3.1-8B-Instruct-abliterated_via_adapter
Llama-3.1-8B-Instruct-abliterated_via_adapter berjalan di satu GPU konsumen 16GB (~5 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~20 GB).
Llama-3.1-8B-Instruct-abliterated_via_adapter vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Llama-3.1-8B-Instruct-abliterated_via_adapter
Apakah Llama-3.1-8B-Instruct-abliterated_via_adapter gratis untuk digunakan?
Llama-3.1-8B-Instruct-abliterated_via_adapter 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 Llama-3.1-8B-Instruct-abliterated_via_adapter 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 Llama-3.1-8B-Instruct-abliterated_via_adapter?
Sekitar 5 GB pada kuantisasi Q4, atau 20 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Llama-3.1-8B-Instruct-abliterated_via_adapter secara lokal?
Ya. Llama-3.1-8B-Instruct-abliterated_via_adapter bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Llama-3.1-8B-Instruct-abliterated_via_adapter?
Llama-3.1-8B-Instruct-abliterated_via_adapter sangat cocok untuk text generation.
Bagaimana cara menggunakan Llama-3.1-8B-Instruct-abliterated_via_adapter di osFoundry?
Tempelkan API key grimjim Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Llama-3.1-8B-Instruct-abliterated_via_adapter ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh grimjim pada 25 Juli 2024. Sumber: https://huggingface.co/grimjim/Llama-3.1-8B-Instruct-abliterated_via_adapter