Bonsai-4B-MLX-2.25bit
Dibangun oleh inferencerlabs, Bonsai-4B-MLX-2.25bit adalah sebuah model chat 4 miliar parameter . Bonsai-4B-MLX-2.25bit is an open-weights chat model with roughly 4 billion parameters.
by inferencerlabs · 4B parameter
Paling cocok untuk
Cara menggunakan Bonsai-4B-MLX-2.25bit di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key inferencerlabs Anda. osFoundry menemukan Bonsai-4B-MLX-2.25bit 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
Bonsai-4B-MLX-2.25bit 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 Bonsai-4B-MLX-2.25bit
Bonsai-4B-MLX-2.25bit berjalan di satu GPU konsumen 16GB (~3 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~10 GB).
Bonsai-4B-MLX-2.25bit vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Bonsai-4B-MLX-2.25bit
Apakah Bonsai-4B-MLX-2.25bit gratis untuk digunakan?
Bonsai-4B-MLX-2.25bit 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 Bonsai-4B-MLX-2.25bit 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 Bonsai-4B-MLX-2.25bit?
Sekitar 3 GB pada kuantisasi Q4, atau 10 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Bonsai-4B-MLX-2.25bit secara lokal?
Ya. Bonsai-4B-MLX-2.25bit bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Bonsai-4B-MLX-2.25bit?
Bonsai-4B-MLX-2.25bit sangat cocok untuk text generation.
Bagaimana cara menggunakan Bonsai-4B-MLX-2.25bit di osFoundry?
Tempelkan API key inferencerlabs Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Bonsai-4B-MLX-2.25bit ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh inferencerlabs pada 2 April 2026. Sumber: https://huggingface.co/inferencerlabs/Bonsai-4B-MLX-2.25bit