SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo
Dibangun oleh PeterJinGo, SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo adalah sebuah model chat 3 miliar parameter . SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo is an open-weights chat model with roughly 3 billion parameters.
by PeterJinGo · 3B parameter
Paling cocok untuk
- chat dan routing latensi rendah
- routing dan triase permintaan
- klasifikasi teks
Cara menggunakan SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key PeterJinGo Anda. osFoundry menemukan SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo 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
SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo 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 SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo
SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo berjalan di satu GPU konsumen 16GB (~2 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~8 GB).
SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo
Apakah SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo gratis untuk digunakan?
SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo 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 SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo 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 SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo?
Sekitar 2 GB pada kuantisasi Q4, atau 8 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo secara lokal?
Ya. SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo?
SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo sangat cocok untuk chat dan routing latensi rendah, routing dan triase permintaan, klasifikasi teks.
Bagaimana cara menggunakan SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo di osFoundry?
Tempelkan API key PeterJinGo Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh PeterJinGo pada 12 Maret 2025. Sumber: https://huggingface.co/PeterJinGo/SearchR1-nq_hotpotqa_train-qwen2.5-3b-it-em-ppo