atlas-r2-qwen3-14b
Model chat atlas-r2-qwen3-14b dari Rafaelcedav memuat 14 miliar parameter ke dalam sebuah . atlas-r2-qwen3-14b is an open-weights chat model with roughly 14 billion parameters.
by Rafaelcedav · 14B parameter
Paling cocok untuk
Cara menggunakan atlas-r2-qwen3-14b di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key Rafaelcedav Anda. osFoundry menemukan atlas-r2-qwen3-14b 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
atlas-r2-qwen3-14b 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 atlas-r2-qwen3-14b
atlas-r2-qwen3-14b berjalan di satu GPU konsumen 16GB (~9 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh muat di satu H100 80GB pada presisi FP16 (~34 GB).
atlas-r2-qwen3-14b vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang atlas-r2-qwen3-14b
Apakah atlas-r2-qwen3-14b gratis untuk digunakan?
atlas-r2-qwen3-14b 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 atlas-r2-qwen3-14b 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 atlas-r2-qwen3-14b?
Sekitar 9 GB pada kuantisasi Q4, atau 34 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan atlas-r2-qwen3-14b secara lokal?
Ya. atlas-r2-qwen3-14b bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama atlas-r2-qwen3-14b?
atlas-r2-qwen3-14b sangat cocok untuk text generation.
Bagaimana cara menggunakan atlas-r2-qwen3-14b di osFoundry?
Tempelkan API key Rafaelcedav Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan atlas-r2-qwen3-14b ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh Rafaelcedav pada 5 Mei 2026. Sumber: https://huggingface.co/Rafaelcedav/atlas-r2-qwen3-14b