ZAYA1-8B-JANGTQ4
Dibangun oleh OsaurusAI, ZAYA1-8B-JANGTQ4 adalah sebuah model chat 8 miliar parameter . ZAYA1-8B-JANGTQ4 is an open-weights chat model with roughly 8 billion parameters.
by OsaurusAI · 8B parameter
Paling cocok untuk
Cara menggunakan ZAYA1-8B-JANGTQ4 di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key OsaurusAI Anda. osFoundry menemukan ZAYA1-8B-JANGTQ4 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
ZAYA1-8B-JANGTQ4 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 ZAYA1-8B-JANGTQ4
ZAYA1-8B-JANGTQ4 berjalan di satu GPU konsumen 16GB (~5 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~20 GB).
ZAYA1-8B-JANGTQ4 vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang ZAYA1-8B-JANGTQ4
Apakah ZAYA1-8B-JANGTQ4 gratis untuk digunakan?
ZAYA1-8B-JANGTQ4 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 ZAYA1-8B-JANGTQ4 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 ZAYA1-8B-JANGTQ4?
Sekitar 5 GB pada kuantisasi Q4, atau 20 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan ZAYA1-8B-JANGTQ4 secara lokal?
Ya. ZAYA1-8B-JANGTQ4 bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama ZAYA1-8B-JANGTQ4?
ZAYA1-8B-JANGTQ4 sangat cocok untuk text generation.
Bagaimana cara menggunakan ZAYA1-8B-JANGTQ4 di osFoundry?
Tempelkan API key OsaurusAI Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan ZAYA1-8B-JANGTQ4 ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh OsaurusAI pada 6 Mei 2026. Sumber: https://huggingface.co/OsaurusAI/ZAYA1-8B-JANGTQ4