llama-3.2-3b-4bit-quantized
Model chat llama-3.2-3b-4bit-quantized dari RominaLopez memuat 3 miliar parameter ke dalam sebuah . llama-3.2-3b-4bit-quantized is an open-weights chat model with roughly 3 billion parameters.
by RominaLopez · 3B parameter
Paling cocok untuk
Cara menggunakan llama-3.2-3b-4bit-quantized di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key RominaLopez Anda. osFoundry menemukan llama-3.2-3b-4bit-quantized 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-3.2-3b-4bit-quantized 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-3.2-3b-4bit-quantized
llama-3.2-3b-4bit-quantized 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).
llama-3.2-3b-4bit-quantized vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang llama-3.2-3b-4bit-quantized
Apakah llama-3.2-3b-4bit-quantized gratis untuk digunakan?
llama-3.2-3b-4bit-quantized 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-3.2-3b-4bit-quantized 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-3.2-3b-4bit-quantized?
Sekitar 2 GB pada kuantisasi Q4, atau 8 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan llama-3.2-3b-4bit-quantized secara lokal?
Ya. llama-3.2-3b-4bit-quantized bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama llama-3.2-3b-4bit-quantized?
llama-3.2-3b-4bit-quantized sangat cocok untuk text generation.
Bagaimana cara menggunakan llama-3.2-3b-4bit-quantized di osFoundry?
Tempelkan API key RominaLopez Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan llama-3.2-3b-4bit-quantized ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh RominaLopez pada 26 April 2026. Sumber: https://huggingface.co/RominaLopez/llama-3.2-3b-4bit-quantized