Llama-4-Scout-17B-16E-MLX-text-8bit
Llama-4-Scout-17B-16E-MLX-text-8bit (lmstudio-community, 2025) adalah sebuah model chat 17 miliar parameter . Llama-4-Scout-17B-16E-MLX-text-8bit is an open-weights chat model with roughly 17 billion parameters.
by lmstudio-community · 17B parameter
Paling cocok untuk
Cara menggunakan Llama-4-Scout-17B-16E-MLX-text-8bit di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key lmstudio-community Anda. osFoundry menemukan Llama-4-Scout-17B-16E-MLX-text-8bit 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
Llama-4-Scout-17B-16E-MLX-text-8bit 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 Llama-4-Scout-17B-16E-MLX-text-8bit
Llama-4-Scout-17B-16E-MLX-text-8bit berjalan di satu GPU konsumen 16GB (~11 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~41 GB).
Llama-4-Scout-17B-16E-MLX-text-8bit vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Llama-4-Scout-17B-16E-MLX-text-8bit
Apakah Llama-4-Scout-17B-16E-MLX-text-8bit gratis untuk digunakan?
Llama-4-Scout-17B-16E-MLX-text-8bit 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 Llama-4-Scout-17B-16E-MLX-text-8bit 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 Llama-4-Scout-17B-16E-MLX-text-8bit?
Sekitar 11 GB pada kuantisasi Q4, atau 41 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Llama-4-Scout-17B-16E-MLX-text-8bit secara lokal?
Ya. Llama-4-Scout-17B-16E-MLX-text-8bit bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Llama-4-Scout-17B-16E-MLX-text-8bit?
Llama-4-Scout-17B-16E-MLX-text-8bit sangat cocok untuk text generation.
Bagaimana cara menggunakan Llama-4-Scout-17B-16E-MLX-text-8bit di osFoundry?
Tempelkan API key lmstudio-community Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Llama-4-Scout-17B-16E-MLX-text-8bit ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh lmstudio-community pada 8 April 2025. Sumber: https://huggingface.co/lmstudio-community/Llama-4-Scout-17B-16E-MLX-text-8bit