LLaMmlein2Vec_1B
Dirilis oleh LSX-UniWue pada 2025, LLaMmlein2Vec_1B adalah sebuah model embedding 1 miliar parameter . LLaMmlein2Vec_1B is an open-weights embed model with roughly 1 billion parameters.
by LSX-UniWue · 1B parameter
Paling cocok untuk
Cara menggunakan LLaMmlein2Vec_1B di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key LSX-UniWue Anda. osFoundry menemukan LLaMmlein2Vec_1B 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
LLaMmlein2Vec_1B 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 LLaMmlein2Vec_1B
LLaMmlein2Vec_1B berjalan di satu GPU konsumen 16GB (~1 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~3 GB).
LLaMmlein2Vec_1B vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang LLaMmlein2Vec_1B
Apakah LLaMmlein2Vec_1B gratis untuk digunakan?
LLaMmlein2Vec_1B 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 LLaMmlein2Vec_1B 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 LLaMmlein2Vec_1B?
Sekitar 1 GB pada kuantisasi Q4, atau 3 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan LLaMmlein2Vec_1B secara lokal?
Ya. LLaMmlein2Vec_1B bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama LLaMmlein2Vec_1B?
LLaMmlein2Vec_1B sangat cocok untuk feature extraction.
Bagaimana cara menggunakan LLaMmlein2Vec_1B di osFoundry?
Tempelkan API key LSX-UniWue Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan LLaMmlein2Vec_1B ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh LSX-UniWue pada 14 Juli 2025. Sumber: https://huggingface.co/LSX-UniWue/LLaMmlein2Vec_1B