UAGLNet_WHU
Dibangun oleh ldxxx, UAGLNet_WHU adalah sebuah model pembuatan gambar . UAGLNet_WHU is an open-weights image model.
by ldxxx
Paling cocok untuk
Cara menggunakan UAGLNet_WHU di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key ldxxx Anda. osFoundry menemukan UAGLNet_WHU 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
UAGLNet_WHU 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.
UAGLNet_WHU vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang UAGLNet_WHU
Apakah UAGLNet_WHU gratis untuk digunakan?
UAGLNet_WHU 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 UAGLNet_WHU secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Bisakah saya menjalankan UAGLNet_WHU secara lokal?
Ya. UAGLNet_WHU bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama UAGLNet_WHU?
UAGLNet_WHU sangat cocok untuk image segmentation.
Bagaimana cara menggunakan UAGLNet_WHU di osFoundry?
Tempelkan API key ldxxx Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan UAGLNet_WHU ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh ldxxx pada 17 Desember 2025. Sumber: https://huggingface.co/ldxxx/UAGLNet_WHU