Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16
Dibangun oleh nm-testing, Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 adalah sebuah model chat 1 miliar parameter . Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 is an open-weights chat model with roughly 1 billion parameters.
by nm-testing · 1B parameter
Paling cocok untuk
- chat dan routing latensi rendah
- routing dan triase permintaan
- klasifikasi teks
Cara menggunakan Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key nm-testing Anda. osFoundry menemukan Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 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-3.2-1B-Instruct-spinquantR1R2R4-w4a16 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-3.2-1B-Instruct-spinquantR1R2R4-w4a16
Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 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).
Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16
Apakah Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 gratis untuk digunakan?
Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 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-3.2-1B-Instruct-spinquantR1R2R4-w4a16 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-3.2-1B-Instruct-spinquantR1R2R4-w4a16?
Sekitar 1 GB pada kuantisasi Q4, atau 3 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 secara lokal?
Ya. Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16?
Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 sangat cocok untuk chat dan routing latensi rendah, routing dan triase permintaan, klasifikasi teks.
Bagaimana cara menggunakan Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 di osFoundry?
Tempelkan API key nm-testing Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16 ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh nm-testing pada 22 Agustus 2025. Sumber: https://huggingface.co/nm-testing/Llama-3.2-1B-Instruct-spinquantR1R2R4-w4a16