Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora (jasbloom, 2025) adalah sebuah model pembuatan gambar 14 miliar parameter . Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora is an open-weights image model with roughly 14 billion parameters.
by jasbloom · 14B parameter
Paling cocok untuk
Cara menggunakan Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key jasbloom Anda. osFoundry menemukan Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora 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
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora 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 Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora berjalan di satu GPU konsumen 16GB (~9 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~34 GB).
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora
Apakah Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora gratis untuk digunakan?
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora 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 Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora 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 Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora?
Sekitar 9 GB pada kuantisasi Q4, atau 34 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora secara lokal?
Ya. Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora?
Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora sangat cocok untuk image to video.
Bagaimana cara menggunakan Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora di osFoundry?
Tempelkan API key jasbloom Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh jasbloom pada 3 Oktober 2025. Sumber: https://huggingface.co/jasbloom/Wan2.2-I2V-A14B-Diffusers-bf16-mmxxii-rank128-lora