vit_large_patch14_clip_224.dfn2b_s39b
vit_large_patch14_clip_224.dfn2b_s39b adalah model pembuatan gambar 39 miliar parameter dari timm, dirilis 30 Desember 2024. vit_large_patch14_clip_224.dfn2b_s39b is an open-weights image model with roughly 39 billion parameters.
by timm · 39B parameter
Paling cocok untuk
Cara menggunakan vit_large_patch14_clip_224.dfn2b_s39b di osFoundry
Hubungkan dengan key Anda sendiri (BYOK)
Buka dialog key dan tempelkan API key timm Anda. osFoundry menemukan vit_large_patch14_clip_224.dfn2b_s39b 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
vit_large_patch14_clip_224.dfn2b_s39b 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 vit_large_patch14_clip_224.dfn2b_s39b
vit_large_patch14_clip_224.dfn2b_s39b berjalan di GPU konsumen atau workstation 24GB (~24 GB VRAM dengan ruang KV-cache). Inferensi presisi penuh membutuhkan H200 141GB atau 2x A100 80GB pada FP16 (~94 GB).
vit_large_patch14_clip_224.dfn2b_s39b vs model serupa
Lisensi
Tidak ditentukan — Ketentuan lisensi tidak ditentukan — verifikasi model card upstream sebelum penggunaan komersial.
Periksa dokumentasi upstream.
Pertanyaan umum tentang vit_large_patch14_clip_224.dfn2b_s39b
Apakah vit_large_patch14_clip_224.dfn2b_s39b gratis untuk digunakan?
vit_large_patch14_clip_224.dfn2b_s39b 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 vit_large_patch14_clip_224.dfn2b_s39b 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 vit_large_patch14_clip_224.dfn2b_s39b?
Sekitar 24 GB pada kuantisasi Q4, atau 94 GB pada presisi FP16 penuh. Muat di satu GPU konsumen 24GB.
Bisakah saya menjalankan vit_large_patch14_clip_224.dfn2b_s39b secara lokal?
Ya. vit_large_patch14_clip_224.dfn2b_s39b bersifat open-weights dan berjalan secara lokal di GPU workstation. Runtime lokal osFoundry menangani pemuatan model, kuantisasi, dan routing.
Apa keunggulan utama vit_large_patch14_clip_224.dfn2b_s39b?
vit_large_patch14_clip_224.dfn2b_s39b sangat cocok untuk image feature extraction.
Bagaimana cara menggunakan vit_large_patch14_clip_224.dfn2b_s39b di osFoundry?
Tempelkan API key timm Anda di dialog key (atau deploy open weights untuk model yang dapat di-self-host), tetapkan vit_large_patch14_clip_224.dfn2b_s39b ke peran Maestro di tab Pipeline, lalu gunakan di chat, di Room App via invokeAI, atau di aplikasi Anda sendiri.
Diterbitkan oleh timm pada 30 Desember 2024. Sumber: https://huggingface.co/timm/vit_large_patch14_clip_224.dfn2b_s39b