ClipTagger-12b
Model pembuatan gambar ClipTagger-12b dari inference-net memuat 12 miliar parameter ke dalam sebuah . ClipTagger-12b is an open-weights image model with roughly 12 billion parameters.
by inference-net · 12B parameter
Paling cocok untuk
Cara menggunakan ClipTagger-12b di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key inference-net Anda. osFoundry menemukan ClipTagger-12b 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
ClipTagger-12b 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 ClipTagger-12b
ClipTagger-12b 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).
ClipTagger-12b vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang ClipTagger-12b
Apakah ClipTagger-12b gratis untuk digunakan?
ClipTagger-12b 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 ClipTagger-12b 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 ClipTagger-12b?
Sekitar 8 GB pada kuantisasi Q4, atau 29 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan ClipTagger-12b secara lokal?
Ya. ClipTagger-12b bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama ClipTagger-12b?
ClipTagger-12b sangat cocok untuk image text to text.
Bagaimana cara menggunakan ClipTagger-12b di osFoundry?
Tempelkan API key inference-net Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan ClipTagger-12b ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh inference-net pada 13 Agustus 2025. Sumber: https://huggingface.co/inference-net/ClipTagger-12b