qwen36-35b-a3b-ud-iq4xs-128k-github-copilot
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot adalah model chat 35 miliar parameter dari johnml1135, dirilis 17 April 2026. qwen36-35b-a3b-ud-iq4xs-128k-github-copilot is an open-weights chat model with roughly 35 billion parameters.
by johnml1135 · 35B parameter
Paling cocok untuk
- chat dan routing latensi rendah
- routing dan triase permintaan
- klasifikasi teks
Cara menggunakan qwen36-35b-a3b-ud-iq4xs-128k-github-copilot di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key johnml1135 Anda. osFoundry menemukan qwen36-35b-a3b-ud-iq4xs-128k-github-copilot 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
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot 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 qwen36-35b-a3b-ud-iq4xs-128k-github-copilot
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot berjalan di GPU konsumen atau workstation 24GB (~21 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh membutuhkan H200 141GB atau 2x A100 80GB pada FP16 (~84 GB).
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang qwen36-35b-a3b-ud-iq4xs-128k-github-copilot
Apakah qwen36-35b-a3b-ud-iq4xs-128k-github-copilot gratis untuk digunakan?
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot 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 qwen36-35b-a3b-ud-iq4xs-128k-github-copilot 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 qwen36-35b-a3b-ud-iq4xs-128k-github-copilot?
Sekitar 21 GB pada kuantisasi Q4, atau 84 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan qwen36-35b-a3b-ud-iq4xs-128k-github-copilot secara lokal?
Ya. qwen36-35b-a3b-ud-iq4xs-128k-github-copilot bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama qwen36-35b-a3b-ud-iq4xs-128k-github-copilot?
qwen36-35b-a3b-ud-iq4xs-128k-github-copilot sangat cocok untuk chat dan routing latensi rendah, routing dan triase permintaan, klasifikasi teks.
Bagaimana cara menggunakan qwen36-35b-a3b-ud-iq4xs-128k-github-copilot di osFoundry?
Tempelkan API key johnml1135 Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan qwen36-35b-a3b-ud-iq4xs-128k-github-copilot ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh johnml1135 pada 17 April 2026. Sumber: https://huggingface.co/johnml1135/qwen36-35b-a3b-ud-iq4xs-128k-github-copilot