bkcare-embedding
bkcare-embedding adalah model embedding dari nampham1106, dirilis 3 Mei 2024. bkcare-embedding is an open-weights embed model.
by nampham1106
Paling cocok untuk
Cara menggunakan bkcare-embedding di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key nampham1106 Anda. osFoundry menemukan bkcare-embedding 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
bkcare-embedding 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.
bkcare-embedding vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang bkcare-embedding
Apakah bkcare-embedding gratis untuk digunakan?
bkcare-embedding 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 bkcare-embedding secara komersial?
Penggunaan komersial diizinkan dengan syarat. Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial. Periksa dokumentasi upstream.
Bisakah saya menjalankan bkcare-embedding secara lokal?
Ya. bkcare-embedding bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama bkcare-embedding?
bkcare-embedding sangat cocok untuk sentence similarity.
Bagaimana cara menggunakan bkcare-embedding di osFoundry?
Tempelkan API key nampham1106 Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan bkcare-embedding ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh nampham1106 pada 3 Mei 2024. Sumber: https://huggingface.co/nampham1106/bkcare-embedding