qqWen-14B-RL-Reasoning-mlx-8Bit
Dirilis oleh LogicBombaklot pada 2025, qqWen-14B-RL-Reasoning-mlx-8Bit adalah sebuah model chat 14 miliar parameter . qqWen-14B-RL-Reasoning-mlx-8Bit is an open-weights chat model with roughly 14 billion parameters.
by LogicBombaklot · 14B parameter
Paling cocok untuk
Cara menggunakan qqWen-14B-RL-Reasoning-mlx-8Bit di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key LogicBombaklot Anda. osFoundry menemukan qqWen-14B-RL-Reasoning-mlx-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
qqWen-14B-RL-Reasoning-mlx-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 qqWen-14B-RL-Reasoning-mlx-8Bit
qqWen-14B-RL-Reasoning-mlx-8Bit 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).
qqWen-14B-RL-Reasoning-mlx-8Bit vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang qqWen-14B-RL-Reasoning-mlx-8Bit
Apakah qqWen-14B-RL-Reasoning-mlx-8Bit gratis untuk digunakan?
qqWen-14B-RL-Reasoning-mlx-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 qqWen-14B-RL-Reasoning-mlx-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 qqWen-14B-RL-Reasoning-mlx-8Bit?
Sekitar 9 GB pada kuantisasi Q4, atau 34 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan qqWen-14B-RL-Reasoning-mlx-8Bit secara lokal?
Ya. qqWen-14B-RL-Reasoning-mlx-8Bit bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama qqWen-14B-RL-Reasoning-mlx-8Bit?
qqWen-14B-RL-Reasoning-mlx-8Bit sangat cocok untuk text generation.
Bagaimana cara menggunakan qqWen-14B-RL-Reasoning-mlx-8Bit di osFoundry?
Tempelkan API key LogicBombaklot Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan qqWen-14B-RL-Reasoning-mlx-8Bit ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh LogicBombaklot pada 16 Agustus 2025. Sumber: https://huggingface.co/LogicBombaklot/qqWen-14B-RL-Reasoning-mlx-8Bit